تصمیم گیری براساس شبکه عصبی/ یادگیری عمیق
محمدعلی خاتمی فیروزآبادی؛ مونا جهانگیرزاده؛ امیر مزیکی؛ ُسید سهیل فاضلی
چکیده
هدف: امروزه شرکت‌های بیمه با رقابتی گسترده برای جذب و نگهداری مشتریان وفادار رو‌به‌رو هستند؛ بنابراین اهمیت مدل‌های پیش بینی وفاداری مشتریان بیش از گذشته نمایان شده است که موجب سهم بازار گسترده‌تری برای شرکت‌ها می‌شود. بنابراین هدف اصلی پژوهش حاضر شناسایی عوامل مؤثر بر وفاداری مشتریان و توسعه مدلی جهت پیشبینی میزان وفاداری ...
بیشتر
هدف: امروزه شرکت‌های بیمه با رقابتی گسترده برای جذب و نگهداری مشتریان وفادار رو‌به‌رو هستند؛ بنابراین اهمیت مدل‌های پیش بینی وفاداری مشتریان بیش از گذشته نمایان شده است که موجب سهم بازار گسترده‌تری برای شرکت‌ها می‌شود. بنابراین هدف اصلی پژوهش حاضر شناسایی عوامل مؤثر بر وفاداری مشتریان و توسعه مدلی جهت پیشبینی میزان وفاداری آنها در صنعت بیمه و در شرکت‌های بیمه بود.روش‌شناسی پژوهش: این پژوهش از نظر رویکرد، کمی از نظر گردآوری اطلاعات، پیمایشی و از نظر نتایج حاصله، کاربردی بود. در چارچوب این پیمایش از تحلیل عاملی تأییدی و شبکه‌های عصبی مصنوعی استفاده شد. به منظور بومی سازی عوامل مستخرج از ادبیات نظری و همچنین رفع تناقضات موجود در مؤثر بودن یا نبودن عوامل در ادبیات پژوهش، در ابتدا عوامل با استفاده از تحلیل عاملی تأییدی و نرم افزار SMART PLS3 مورد بررسی قرار گرفت و تأثیرات آن بر وفاداری مشتریان سنجیده شد. سپس عوامل تأیید شده به عنوان ورودی برای آموزش شبکه‌ی عصبی مصنوعی با نرم افزار MATLAB R2019b در نظر گرفته شد.یافتهها: در این پژوهش حجم نمونه بر اساس جدول مورگان حجم جامعه نامحدود در سطح خطای 0.05 درصد، 384 نفر در نظر گرفته شد. سپس تعداد 436 پرسشنامه به صورت تصادفی ساده بین بیمه گذاران چهار شرکت بیمه شامل: بیمه ایران، شرکت بیمه آسیا، شرکت بیمه البرز، شرکت بیمه پارسیان توزیع گردید و 384 پرسشنامه کامل دریافت گردید. پس از تحلیل نتایج حاصله از روش تحلیل عاملی تاییدی، عوامل تعهد، کیفیت ادراک شده، اعتماد، ارزش ادراک شده، همدلی، تصویر برند، جذابیت گزینه‌های دیگر، رضایت مشتری بر وفاداری مشتریان در شرکت‌های بیمه ایران تأثیر داشت و عامل هزینه جابجایی بر وفاداری مشتری تأثیر ناچیزی داشت. در نهایت مدل مورد هدف پژوهش برای پیش بینی وفاداری با 8 نورون ورودی، 110 نورون لایه میانی و 1 خروجی با سطح خطای 0.00992 و رگرسیون 0.98694 طراحی گردید.اصالت/ارزش افزوده علمی: برونداد این پژوهش، مدلی جهت پیش بینی وفاداری مشتریان شرکت‌های بیمه‌ای در کشور ایران فراهم می‌کند تا این شرکت‌ها بتوانند بر عواملی که منجر به حفظ وفاداری مشتریان می‌شود سرمایه گذاری کنند.
