طبقه بندي ورتبه بندي بيمه گذاران تامين اجتماعي با هدف حفظ مشتريان وفادار از روش شبكه عصبي فازي تطبيقي (مطالعه موردي شعبه شماره 19 تأمين اجتماعي استان تهران)

Categorizing and Rating Social Security Insurers to Maintain Loyal Customer Using Adaptive Fuzzy Neural Network (Case Study of No. 19 Social Security Insurer in Tehran Province)

در سازمان هايي كه به طور مستقيم با مشتري سروكار دارند، بايستي مشتريان به هر طريق ممكن از لحاظ ميزان وفاداري و رضايت نسبت به سازمان شناسايي شوند و نقاط قوت در مورد مشتريان راضي و وفادار تقويت شود و نقاط ضعف ساير مشتريان نيز برطرف گردد. تمركز اين پژوهش بر داده كاوي است، تا با استفاده از اطلاعات نهفته در داده ها به روابط خاص بين ان ها پي ببريم. با اين اوصاف، هدف از اين مطالعه، تقسيم بندي مشتريان بيمه تأمين اجتماعي به چهار گروه وفادار، ناراضي، خطرناك و اميدوار مي باشد تا بدين طريق، اين سازمان مشتريان خود را شناخته و به هر دسته از مشتريان مطابق طبقه اي كه در آن قرار دارد خدمات و تسهيلات مربوط به خود را ارائه نمايد. بنابراين با توزيع و جمع آوري 390 پرسشنامه به صورت تصادفي ساده داده هاي مورد نياز را در حوزه رضايت مشتريان از خدمات سازمان و رابطه با سازمان جمع آوري نموديم و مشتريان را با استفاده از تكنيك شبكه عصبي مصنوعي تطبيقي به چهاردسته مشتريان وفادار، ناراضي، خطرناك و اميدوار تقسيم بندي نموديم و نتايج نشان داد كه مدل شبكه عصبي مصنوعي دقت قابل توجهي دارد و مي تواند مشتريان را به خوبي تقسيم بندي نمايد همچنين ضمن بيان راه هاي حفظ مشتريان وفادار، پيشنهاداتي در جهت حفظ هرچه بيشتر اين دسته از مشتريان ارائه شد. كلمات كليدي: مشتري مداري، بيمه، داده كاوي، شبكه عصبي مصنوعي

Abstract In organizations which directly deal with clients, clients must be identified in any possible way, in terms of level of loyalty and satisfaction with the organization; and loyal satisfied clients strengths must be reinforced, and their weaknesses must be eliminated. The present study was aimed to examine data in order to use hidden information to examine specific relationships between data. Hence, the present study was aimed to divide the clients of social security insurance organizations into four groups: loyal, unsatisfied, dangerous, and hopeful. This way, the organization can recognize its clients, and provides them with services, according to their classification. Therefore, by distributing and collecting 390 questionnaires, the data required for customer satisfaction with organizational services and relationships with the organization were collected using a simple random sampling method; and clients were divided into four groups, using an adaptive artificial neural network technique: 1) loyal, 2) dissatisfied, 3) dangerous, and 4) hopeful. And results showed that the model of an artificial neural network is considerably precise, and that it is able to divide clients well. In addition, as well as introducing methods for maintaining loyal clients, certain propositions were offered for the maintenance of this group of clients.