پیش بینی ریزش بیمه گزاران رشته آتش سوزی با استفاده از مدل های هوش مصنوعی
کد مقاله : 1036-MMAI
نویسندگان
مرتضی امیرحسینی *1، سید محمد حسین نجفی2
1استاد مدعو دانشگاه علامه طباطبایی ، دانشکده مدیریت و حسابدرای، گروه مدیریت فناوری اطلاعات
2کارشناس ارشد MBA دانشگاه تهران
چکیده مقاله
حفظ بیمه‌گزاران وفادار در رشته بیمه آتش‌سوزی، که به دلیل ریسک پایین خسارت نسبت به سایر رشته‌های بیمه‌ای مانند شخص ثالث از نرخ تجدید پایینی برخوردار است، می‌تواند سودآوری قابل‌توجهی برای شرکت‌های بیمه به همراه داشته باشد. این پژوهش با هدف توسعه یک مدل پیش‌بینی‌کننده هوشمند برای شناسایی وفاداری مشتریان حقیقی رشته آتش‌سوزی انجام شده است تا شرکت‌های بیمه بتوانند با آگاهی از وضعیت آینده مشتریان، اقدامات مؤثری برای حفظ و نگهداری آنها در زمان مناسب به کار گیرند. داده‌های مربوط به بیمه‌گزارانی که از ابتدای سال 1392 تا پایان سال 1401 حداقل یک بیمه‌نامه آتش‌سوزی از شرکت بیمه تهیه کرده‌اند، جمع‌آوری و تحلیل گردید. در این مطالعه، ابتدا با استفاده از الگوریتم‌های خوشه‌بندی نظیر K-means و DBSCAN، به همراه مدل‌های تشخیص ناهنجاری (Anomaly Detection) مانند Isolation Forest، Local Outlier Factor و One-Class SVM، بیمه‌گزاران در خوشه‌های مختلف گروه‌بندی شدند و ویژگی‌های کلیدی هر خوشه شناسایی گردید. سپس، با ارزیابی الگوریتم‌های پیش‌بینی شامل Random Forest، XGBoost و شبکه عصبی MLP، مدل XGBoost با بالاترین امتیازF1-Score (80%) به‌عنوان بهترین مدل بر روی داده های موجود، برای پیش‌بینی وفاداری انتخاب شد. در نهایت، یک فرآیند ترکیبی مبتنی بر Decision Tree و XGBoost طراحی گردید که ابتدا مشتریان را بر اساس ویژگی‌های فعلی دسته‌بندی کرده و سپس وفاداری آنها را در آینده پیش‌بینی می‌کند. نتایج این پژوهش می‌تواند به‌عنوان ابزاری کاربردی برای مدیریت ریزش مشتریان در شرکت های بیمه مورد استفاده قرار گیرد.
کلیدواژه ها
مدیریت مشتریان، هوش مصنوعی، بیمه‌ آتش‌سوزی، وفاداری بیمه‌گزاران
وضعیت: پذیرفته شده برای ارائه شفاهی
login