ارائه مدلی جدید برای تعیین میزان ارزش گذاری مشتریان با استفاده از مدل های RFM و توسعه آن (مطالعه موردی شرکت بیمه البرز)

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 ارائه مدلی جدید برای تعیین میزان ارزش گذاری مشتریان با استفاده از مدل های RFM و توسعه آن (مطالعه موردی شرکت بیمه البرز) دارای ۲۱ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد ارائه مدلی جدید برای تعیین میزان ارزش گذاری مشتریان با استفاده از مدل های RFM و توسعه آن (مطالعه موردی شرکت بیمه البرز)  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی ارائه مدلی جدید برای تعیین میزان ارزش گذاری مشتریان با استفاده از مدل های RFM و توسعه آن (مطالعه موردی شرکت بیمه البرز)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن ارائه مدلی جدید برای تعیین میزان ارزش گذاری مشتریان با استفاده از مدل های RFM و توسعه آن (مطالعه موردی شرکت بیمه البرز) :

تعداد صفحات :۲۱

چکیده مقاله:

هدف این پژوهش ارائه مدلی برای خوشه بندی مشتریان بیمه است به طوریکه بتوان ابهامات و ریسک را در خصوصطبقات مشتریان و نیز متغیر های تاثیرگذار در رفتار آنها را پوشش داد . در این راستا اطلاعات مربوط به بیمه های خودرودر شرکت بیمه ی البرز از سال ۸۸ تا ۹۲ جمع آوری شده است.در ابتدا داده ها بررسی و پیش پردازش شده و سپس با استفاده از تکنیک RFM و دو رویکرد پیشنهادی ARFM وSRFM و همچنین بررسی ریسک مشتریان که ناشی از دریافت خسارت می باشد، با روش خوشه بندی K-Meanو Fuzzy K-Means وفاداری مشتریان مورد بررسی قرار می گیرد. در مرحله بعد تکنیک RFM و رویکردهایپیشنهادی را به همراه ریسک مشتریان بصورت ترکیبی مورد بررسی قرار می دهیم. نتایج بدست آمده نشان از بیش برازشمدل های فازی داشته و نتایج قطعی نشان از کمتر بودن بیش برازش ومناسب تر بودن برای استفاده در تحلیل درختتصمیم دارند. از بین رویکردهای مورد آزمایش و این منطق که افزایش متغیرها منجر به بهبود عملکرد مدل خواهند شد،رویکرد در نظر گرفتن ریسک نیز به مدل افزوده شده و نهایتا از تلفیق ریسک و تحلیل RFM رویکردی جامع استخراجگردید که ۸.۴۱ % منجر به افزایش دقت درخت تصمیم شده و دقیقترین مدل این پژوهش را ایجاد نمود.