طراحي و پياده‌سازي سيستم پايلوت فروش متقاطع با استفاده از رويكرد ارزش مشتري در صنعت بيمه ايران

Designing and Implementation of Cross-Selling Pilot System Based on Customer Value Approach in Iranian Insurance Industry

باتوجه به محيط رقابتي كنوني در صنعت بيمه، شركت‌هاي بيمه لازم است به‌منظور حداكثر كردن سودآوري مشتري، علاوه‌بر اكتساب مشتريان جديد، به حفظ مشتريان قديمي و افزودن ارزش آنها بپردازند. يكي از متداول‌ترين راه‌هاي افزايش ارزش مشتري براي شركت‌هاي بيمه، فروش محصولات بيشتر به مشتريان كنوني و برتر شركت است كه به آن فروش متقاطع گويند. در اين تحقيق از مدل RFM به‌منظور تحليل ارزش مشتريان يكي از شركت‌هاي بيمه‌اي بزرگ استفاده شده است. مشتريان اين شركت براساس سه متغير تازگي، تكرار و ارزش پولي بخش‌بندي شده‌اند. پس از محاسبه اين متغيرها، بااستفاده از الگوريتم‌هاي k-means و fuzzy c-mean مشتريان خوشه‌بندي شده‌اند. نتايج اين خوشه‌بندي از نظر كيفيت براساس معيار سيلويت سنجيده شده است. وزن هريك از اين متغيرها در صنايع مختلف مي‌تواند متفاوت باشد، ازاين‌رو بااستفاده از روش تحليل سلسله مراتبي، وزن هريك از اين متغيرها تعيين شده است. سپس خوشه‌ها برحسب ارزش رتبه‌بندي شده‌اند و سودآورترين مشتريان مشخص شده‌اند. همچنين در فاز دوم اين تحقيق، بااستفاده از تكنيك استخراج قوانين انجمني، الگوهاي مصرف مشتريان در هر خوشه، ترسيم گرديده است.

Due to the recent competitive environment in the Iranian insurance industry, to maximize the customer profitability, the insurance companies not only should try to acquire new customers, but also retain their existing customers and add their respective values. One of the most widely used methods to increase customer value for the insurance companies is selling more products to the existing customers especially superior ones which is called also as Cross- Selling. In the current study, the RFM model has been utilized to analyze the customer value in one of the major insurance companies. The customers of the above mentioned company are divided into three categories based on the three variables of recency, frequency and monetary values. Calculating these variables, the customers were clustered using the k-means and Fuzzy C-Means Algorithms. The results of this quality clustering is evaluated based on the silhouet criteria. The weight of each variable can be different in various industry; therefore, the weight of each variable is tuned utilizing AHP method. The clusters are then ranked in terms of value and the most profitable customers were identified. Also, in the second phase, Association Rules Mining Technique has been utilize to map the customersʹconsumption patterns in each cluster.