نوع مقاله : مقاله پژوهشی

نویسندگان

1 استاد دانشگاه علامه طباطبایی تهران

2 کارشناس ارشد رشته مدیریت گرایش بیمه دانشگاه علوم تحقیقات

3 کارشناس ارشد مدیریت صنعتی دانشگاه علامه طباطبایی

10.22105/dmor.2021.299446.1468

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 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.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Identifying Factors and Forecasting Customer Loyalty- Using Confirmatory Factors Analysis and Artificial Neural Network Modeling

نویسندگان [English]

  • mohamad ali khatami 1
  • Mona Jahangir zade 2
  • Amir Mazyaki 3
  • seyed soheil fazeli 3

1 Professor of Allameh Tabatabai University of Tehran

2 Master of Science in Insurance Orientation Management, University of Research Sciences

3 Master of Industrial Management, Allameh Tabatabai University

چکیده [English]

Purpose: Nowadays insurance companies, same as other companies, are facing massive competition. This issue indicates the value of customer loyalty also a predictive model. Customers play a crucial role in the sustainability of organizations by constant repurchasing. Companies with loyal customers have more market share, and more money may return on investment. This article's main aim is to identify the factors affecting customer loyalty in insurance companies.

Methodology: This research was quantitative, analytical-descriptive. In gathering information, Data was collected through the survey, and the findings are practical. In this way, two methods, Confirmatory Factor Analysis (CFA) and Artificial Neural Networks (ANN) were used. For localizing the factors extracted from other similar prior literature, first, the elements were examined by CFA with SMART PLS application due to some conflicts in the literature to evaluate whether each factor affects customer loyalty or not. Then, the elements were introduced to the ANN for training by this program.

Findings: In this article, by using the MORGAN table, the sample size detected 384 people in 0.05 error. Questionnaires were distributed randomly between four Iranian insurance companies, ASIA insurance company, ALBORZ insurance company, and PARSIAN insurance company. Based on Confirmatory Factor Analysis, elements of commitment, perceived quality, trust, perceived value, empathy, brand image, the attraction of other alternatives, and customer satisfaction impact the customer loyalty of insurers in these companies. The cost of change, nevertheless, did not have a significant effect on customer loyalty. Then, the factors used as inputs for the multi-layer perceptron training also customer loyalty are indicated as output. The model was designed with eight inputs, 110 nodes in the hidden layer, and one output the error was E= 0.00992 and the regression = 0.98684.

Originality/Value: the finding of this research is, expanding a model for predicting customer loyalty in Iranian insurance companies.

کلیدواژه‌ها [English]

  • customer loyalty
  • Artificial neural network (ANN)
  • confirmatory factors analysis (CFA)
  • Insurance Companies