Sigorta Sektöründe Müşteri Segmentasyonu ve Hedefleme

Abstract

Bu tez, araç sigortalarında müşteri segmentasyonu için makine öğrenmesi uygulamalarını değerlendirmeyi amaçlamaktadır. Nesne tanıma, tahmin ve karar verme gibi görevlerin yapay zekâ tarafından mümkün kılındığı vurgulanmıştır. Çalışmada risk yönetimi, segmentasyon ve süreç otomasyonu ele alınmıştır. Veri toplama prosedürü sırasında etik ve yasal çerçeve dikkate alınmış ve 106.236 satır veri elde edilmiştir. Bu veri setinde 6.985 adet yeni otomobil ve 99.251 adet kullanılmış otomobil bulunmaktadır. Modelleme yaklaşımında araçların markası, modeli, üretim yılı, motor hacmi, kilometresi ve fiyatı kullanılmıştır. Random Forest algoritması en yüksek doğruluk oranını üretmiştir. Araştırma sonuçları araçların yapısal ve fiyat özelliklerinin sigorta risk seviyelerini belirlemede etkili göstergeler olduğunu kanıtlamakta; bu durum makine öğrenmesi destekli veri odaklı yaklaşımın sigortacılık sektöründe hem prim belirleme süreçlerini iyileştirme hem de risk segmentasyonunu otomatik hale getirme alanlarında uygulanabilirliğini ortaya koymaktadır.This thesis aims to evaluate machine learning applications for customer segmentation in vehicle insurance. It is emphasized that tasks such as object recognition, prediction and decision making are made possible by artificial intelligence. Risk management, segmentation and process automation are discussed in the study. Ethical and legal frameworks were taken into consideration during the data collection procedure and 106,236 rows of data were obtained. This dataset includes 6,985 new cars and 99,251 used cars. The brand, model, year of production, engine volume, mileage and price of the vehicles were used in the modeling approach. The Random Forest algorithm produced the highest accuracy rate. The research results prove that the structural and price characteristics of the vehicles are effective indicators in determining insurance risk levels; this situation reveals the applicability of the machine learning supported data-driven approach in the insurance sector in both improving premium determination processes and automating risk segmentation.