SavedAdd your journal

Journals / Karaelmas Fen ve Mühendislik Dergisi / 2018 / Cilt: 8 - Sayı: 1

Using Clustering Analysis for Customer Relationship Management in Insurance Sector

Sigortacılık Sektöründe Müşteri İlişki Yönetimi İçin Kümeleme Analizi

BUKET DOĞAN
ALİ BULDU
ÖNDER DEMİR
Bahar EROL CEREN
Pages
11–18
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

The obtained results with this analysis identify the similar feature of the company’s customers and they are useful to develop appropriate and targeted new marketing strategies.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Technological advances in relations with customers of the company not only affect relationships between people, but also sales and marketing systems and the entire enterprise organizations.
📊
Key Findings & Data:Customer relationship management aims to establish a long-term relationship with a customer-oriented approach for increasing the profitability of the company.
💡
Conclusion & Impact:The obtained results with this analysis identify the similar feature of the company’s customers and they are useful to develop appropriate and targeted new marketing strategies.
🔬Design:Research Article
📍Scope:Comprehensive Sample
⚙️Variables:k-means algoritması · Kümeleme · Müşteri ilişki yönetimi

Abstract

Technological advances in relations with customers of the company not only affect relationships between people, but also sales and marketing systems and the entire enterprise organizations. Customer relationship management aims to establish a long-term relationship with a customer-oriented approach for increasing the profitability of the company. In this context, it is important to define and group the characteristics of similar customer attributes. For this purpose, data analysis is done on the combined data of customers from different data sources to determine the similar customer characteristics. Data mining is a discipline that involves data analysis methods used in the determination of these characteristics. In this study, the data of customers of an insurance company operating in Turkey were analyzed by the most widely used algorithms k-means clustering algorithm. The obtained results with this analysis identify the similar feature of the company’s customers and they are useful to develop appropriate and targeted new marketing strategies.

Özet

Teknolojik ilerlemeler insanlar arası ilişkileri etkilediği kadar şirketlerin müşterileri ile olan ilişkilerini, satış ve pazarlama sistemlerini, hatta tüm kurumsal organizasyonlarını etkilemiştir. Müşteri ilişkileri yönetimi kavramı, müşteri odaklı bir yaklaşımla uzun dönemli ilişki kurarak şirketin karlılığını arttırmayı hedefleyen bir yaklaşımdır. Bu kapsamda birbirine benzer nitelikte müşterilerin özelliklerini tanımlamak ve gruplandırmak önemli bir faaliyettir. Bu amaçla farklı kaynaklardan alınan müşterileri verileri bir araya getirilir ve bu müşterilerin karakteristik özelliklerini belirlemek için analizler yapılır. Veri madenciliği VM bu karakteristik özelliklerin tespitinde kullanılabilecek veri analizi yöntemlerini içeren bir disiplindir. Bu çalışmada, Türkiye’de faaliyet gösteren bir sigorta şirketinin müşterilerine ait veriler VM’nin en çok kullanılan kümeleme algoritmalarından k-means algoritması ile analiz edilmiştir. Bu analiz ile elde edilen sonuçlar yardımıyla, şirketin benzer müşterilerinin özelliklerini tespit etmesi ve onlara uygun yeni pazarlama stratejileri geliştirebilmesi hedeflenmektedir

🔖

Cite This Article

DOĞAN, B., BULDU, A., DEMİR, Ö., CEREN, B. E. (2018). Using Clustering Analysis for Customer Relationship Management in Insurance Sector. Karaelmas Fen ve Mühendislik Dergisi, Cilt: 8 - Sayı: 1, 11–18. https://ajindex.com/articles/188130

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (9)

  1. Bahari, TF., Elayidom, MS. 2015. An efficient CRM-data mining framework for the prediction of customer behaviour. Procedia Comput. Sci.46: 725-731.
  2. Bayram, E. 2001. Customer Segmentation and Churn Modeling In Wireless Communications. Yüksek Lisans Tezi, Boğaziçi Üniveristesi Fen Bilimleri Enstitüsü, İstanbul: 1-5.
  3. Chapman, P., Clinton, J., Keber, R., Khabaza, T., Reinartz, T., Shearer, C., Wirth, R. 2000. CRISP-DM 1.0 Step by step DM guide. Edited by SPSS. Demir, FO., Kırdar, Y. 2007. Müşteri ilişkileri yönetimi: CRM. Review of Socia., Econ. & Bus. Std. 8: 293-308.
  4. Dyche, J. 2002.The CRM handbook: a business guide to customer relationship management: Addison-Wesley Professional. Han, J., Pei, J., Kamber, M. 2011. Data mining: concepts and techniques: Elsevier. Hwang, H., Jung, T., Suh, E. 2004. An LTV model and customer segmentation based on customer value: a case study on the wireless telecommunication industry. Expert sys. with app. 26: 181-188.
  5. Kantardzic, M. 2011. Data mining: concepts, models, methods, and algorithms: John Wiley & Sons. Kırım, A. 2001. Strateji ve Birebir Pazarlama CRM. Sistem Yayıncılık, İstanbul.
  6. MacQueen, J. 1967. Some methods for classification and analysis of multivariate observations. In Proc. of the fifth Berkeley symposium on mathematical statistics and probability, Vol. 1, pp 281-297.
  7. Ngai, EW., Xiu, L., Chau, DC. 2009. Application of data mining techniques in customer relationship management: A literature review and classification. Expert sys. with app. 36: 2592-2602.
  8. Özdağoğlu, A., Özdağoğlu, G., Öz, E. 2008. Müşteri Sadakatinin Sağlanmasinda Müşteri İlişkileri Yönetiminin Önemi: İzmir’de Bir Hipermarket Araştirmasi. Atatürk Üniversitesi İkt.ve İdari Bilim. Der. 22: 367-383.
  9. Özilhan, D. 2010. Müşteri İlişkileri Yönetimi (MİY) Uygulamalarının İşletme Performansına Etkileri. Gümüşhane Üniversitesi Sos. Bilim. Enst. Der. 1:18:30. Tsiptsis, KK., Chorianopoulos, A. 2011.Data mining techniques in CRM: inside customer segmentation: John Wiley & Sons. Wang, Y., Wu, DS. 2011. Research of the Bank's CRM Based on Data Mining Technology. Com. Inf. Sci. Man. Eng. 1. Wei, JT., Lee, MC., Chen, HK., Wu, HH. 2013. Customer relationship management in the hairdressing industry: An application of data mining techniques. Expert sys. with app. 40: 7513-7518.