基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
保险行业通过数据挖掘技术的应用,从大量繁复的保险数据资料中提取对未来有用的知识。文章以某保险公司历史数据为基础,应用Apriori算法对新投保资料进行关联规则挖掘,发掘客户特征与购买险种之间的关系,运用K.means算法对退保客户进行聚类分析,划分客户群体,分析易流失保户群体特征。研究发现,不同的险种适宜的用户群不同,在推广时应区别对待,通过关联规则模型可有效地挖掘出适合某一具体险种的细分客户群;不同的细分客户群,其退保原因存在差异,而通过聚类分析可以挖掘出潜在退保客户的共同特征。论文结论为保险公司营销与客户保留策略的制定提供了决策依据。
推荐文章
基于K-Means和Apriori算法的多层特征提取方法
科技文献
特征提取
K-means算法
Apriori算法
基于数据挖掘技术的保险客户细分管理
数据挖掘
聚类
保险
客户细分
改进的K-means算法在电信客户细分中的应用
数据挖掘
聚类算法
K-means算法
准则函数
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于Apriori与K-means的保险客户特征分析
来源期刊 中大管理研究 学科 经济
关键词 保险客户 APRIORI K—means
年,卷(期) 2012,(3) 所属期刊栏目
研究方向 页码范围 105-113
页数 9页 分类号 F842.4
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张丹 四川大学工商管理学院 172 709 14.0 20.0
2 何跃 四川大学工商管理学院 139 1494 20.0 32.0
3 冯韵 四川大学工商管理学院 6 24 2.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (12)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(3)
  • 参考文献(3)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
保险客户
APRIORI
K—means
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
管理学季刊
季刊
16开
北京市海淀区北蜂窝8号中雅大厦A座11层
2006
chi
出版文献量(篇)
516
总下载数(次)
8
总被引数(次)
4017
论文1v1指导