<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>دانشگاه شهید بهشتی</PublisherName>
				<JournalTitle>چشم انداز مدیریت بازرگانی</JournalTitle>
				<Issn>2251-6050</Issn>
				<Volume>9</Volume>
				<Issue>4</Issue>
				<PubDate PubStatus="epublish">
					<Year>2011</Year>
					<Month>02</Month>
					<Day>20</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Applying data mining to predict customer churn patterns in insurance</ArticleTitle>
<VernacularTitle>به کارگیری فرایند داده کاوی برای پیش بینی الگوهای رویگردانی مشتری در بیمه</VernacularTitle>
			<FirstPage></FirstPage>
			<LastPage></LastPage>
			<ELocationID EIdType="pii">94396</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>احمد</FirstName>
					<LastName>توکلی</LastName>
<Affiliation>دانشگاه فردوسی مشهد</Affiliation>

</Author>
<Author>
					<FirstName>سعید</FirstName>
					<LastName>مرتضوی</LastName>
<Affiliation>دانشگاه فردوسی مشهد</Affiliation>

</Author>
<Author>
					<FirstName>محسن</FirstName>
					<LastName>کاهانی</LastName>
<Affiliation>دانشگاه فردوسی مشهد</Affiliation>

</Author>
<Author>
					<FirstName>زهرا</FirstName>
					<LastName>حسینی</LastName>
<Affiliation>دانشگاه فردوسی مشهد</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2015</Year>
					<Month>05</Month>
					<Day>13</Day>
				</PubDate>
			</History>
		<Abstract></Abstract>
			<OtherAbstract Language="FA">توسعه پارادایم بازاریابی دانش محور، تقاضا برای پیوستن داده کاوی به فرایندهای تجاری کسب و کار به ویژه در حوزه های مختلف مدیریت روابط با مشتری را به دنبال داشته است. یکی از حوزه های جدید و مورد اقبال در این زمینه، &quot;مدیریت رویگردانی مشتری&quot; می باشد. با اعمال فرایند داده کاوی در مقام یکی از فناوریهای مدیریت دانش، می توان طی کاوش در پایگاههای داده حجیمی از تعاملات ثبت شده سازمان با مشتریان که منعکس کننده تمایلات و رفتارهای واقعی آنان است به استخراج الگوهایی برای پیش بینی رفتار رویگردانی مشتری نائل آمد و مدیران را در اخذ تصمیمات لازم برای حفظ این مشتریان و کاهش روند ریزش آنان یاری داد. پژوهش حاضر با هدف تبیین قابلیتهای داده کاوی در مدیریت رویگردانی مشتری، و با بهره گیری از متدولوژی استاندارد داده کاوی CRISP-DM، به کاوش در پایگاه های داده یکی از شرکتهای سهامی عام بیمه ای در رشته بیمه آتش سوزی پرداخته است. نتایج نشان می دهد کانال جذب مشتری عامل اصلی پیش بینی کننده رویگردانی یا ماندگاری مشتری در شرکت بوده و در مراتب بعد سابقه خرید و کاربری مکان بیمه شده به عنوان عوامل پیش بینی کننده رویگردانی قرار می گیرند.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">داده کاوی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مدیریت رویگردانی مشتری</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">دسته بندی</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jbmp.sbu.ac.ir/article_94396_203347d59a9654cfe24dd37f788c0f67.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
