پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,501 |
| تعداد مشاهده مقاله | 124,113,897 |
| تعداد دریافت فایل اصل مقاله | 97,217,649 |
Applying Mahalanobis –Tagouchi System in Detection of High Risk Customers –A case-based study in an Insurance Company | ||
| Advances in Industrial Engineering | ||
| مقاله 1، دوره 45، Special Issue - شماره پیاپی 626033، اسفند 2011، صفحه 1-12 اصل مقاله (173.44 K) | ||
| نویسندگان | ||
| Seyedeh Elaheh Abbasi؛ Abdollah Aghaie؛ Mahboubeh Fazlali | ||
| چکیده | ||
| The organizations use all appropriate tools to improve their service to the customers. The detection of especial customers and the forecast of their behavior undoubtedly can play an important role in improvement of service. In this paper, a new statistical method called the Mahalanobis Taguchi system has been used for this purpose. This method is used for the analysis of real data of an insurance company and five big cities in Iran are considered. There are seven initial factors which is important in the occurrence of accidents and losses. These factors are reduced to four. Customer's behavior is analyzed case by case by the Mahalanobis–distance concept. In fact with using this new method, demand of customers case by case was analyzed and it is an important outcome in analyzing behavior of customers. Devising ways to prevent the accidents and damages will need the recognition of Customer's behavior. The neural networks method is used to recognize the high–risk customers, and the results of this method are compared with the results of Mahalanobis–Taguchi system. The results show that Mahalanobis–Taguchi system with its abnormality scale has a great capability in recognizing high-risk customer. To recognize the customer by the Mahalanobis Taguchi system is more accurate in comparison with the neural networks method. | ||
| کلیدواژه‌ها | ||
| High - risk customers؛ Mahalanobis distance؛ Mahalanobis – Taguchi system؛ neural networks؛ Vehicle insurance | ||
| عنوان مقاله [English] | ||
| بکارگیری سیستم ماهالانوبیس تاگوچی در شناسایی مشتریان با ریسک بالا- مطالعه موردی یک شرکت بیمه | ||
| نویسندگان [English] | ||
| Seyedeh Elaheh Abbasi؛ عبداله آقائی؛ Mahboubeh Fazlali | ||
| چکیده [English] | ||
| امروزه سازمان ها از تمامی ابزارهای مناسب جهت بهبود خدمت رسانی به مشتریان استفاده می کنند. شناسایی گروه خاصی از مشتریان و پیش بینی رفتار آنها بدون شک می تواند نقش مهمی را در بهبود سرویس دهی ایفا می کند. در این مقاله، یک روش آماری جدید با نام سیستم ماهالانوبیس تاگوچی برای این منظور استفاده شده است. این روش برای تحلیل داده های واقعی بیمه خودرو استفاده شده و 5 شهر بزرگ ایران مورد بررسی قرار گرفته است. 7 فاکتور اولیه ای که در رخداد تصادفات و خسارت ها موثر شناخته شده بود به 4 فاکتور کاهش یافت. سپس رفتار مشتریان با کمک مفهوم فاصله ماهالانوبیس بطور مورد به مورد تحلیل شد. برای این منظور، با استفاده از مفهوم فاصله ماهالانوبیس مشتری های پرریسک که خسارت بالایی را به سازمان بیمه تحمیل می کنند شناسایی گردید. روش شبکه های عصبی برای شناسایی مشتریان با ریسک بالا مورد استفاده قرار گرفت و نتایج آن با نتایج سیستم ماهالانوبیس تاگوچی مقایسه شد. نتایج نشان می دهند که سیستم ماهالانوبیس تاگوچی به دلیل داشتن مقیاس غیر نرمالیتی، توانایی بالایی در شناسایی مشتریان با ریسک بالا دارد. شناسایی این مشتریان با سیستم ماهالانوبیس تاگوچی در مقایسه با شبکه های عصبی دقیق تر است | ||
| کلیدواژه‌ها [English] | ||
| بیمه بدنه خودرو, سیستم ماهالانوبیس تاگوچی, شبکه های عصبی, فاصله ماهالانوبیس, مشتریان با ریسک بالا | ||
|
آمار تعداد مشاهده مقاله: 3,755 تعداد دریافت فایل اصل مقاله: 5,094 |
||