基于改进SOM神经网络模型与RFM模型的非寿险客户细分研究

摘要：

[目的]结合神经网络,解决非寿险客户细分问题,达到精准营销等目的.[方法]同时从宏观与微观角度改进RFM模型并引入客户理赔金额指标,建立RFMC模型.动态设置SOM神经网络模型的训练速度与权重向量,提高模型收敛速度并实现客户细分.[结果]采用某保险公司非寿险客户信息进行实验,结果表明改进的SOM神经网络模型在保证模型稳定性的同时,模型自组织速度提高21.6％.[局限]仅采用一家保险公司的非寿险客户数据进行细分.[结论]本文方法将非寿险客户分为7类,并对不同类别客户提出营销策略,能有效提高营销决策质量.

关键词：RFM模型、SOM神经网络、客户细分、营销策略

所属期刊栏目：4

分类号：F840.32(保险)

资助基金：本文系国家自然科学基金项目“基于结构化大数据深度挖掘的非寿险保险公司经营风险模型研究”;全国统计科学研究重点项目“异构社交大数据多源信息融合的保险客户精准画像研究”

在线出版日期：2020-07-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：83-90