В статье рассмотрены современные тенденции развития страхового рынка РФ, проведён обзор основных страховых продуктов и динамики их реализации за последние несколько лет. Выявлена необходимость повышения качества страховых услуг, активной работы с потребителями, разработки таргетированных пакетов услуг, соответствующих определённым потребностям отдельных сегментов покупателей. На примере региональной страховой компании, функционирующей на локальном страховом рынке города Новосибирска, проведён анализ социально-демографических и экономических характеристик и их влияния на вероятность выбора страховых продуктов. На основе применения критерия согласия хи-квадрат Пирсона была проведена статистическая проверка 30 гипотез с целью выявления зависимости между характеристиками потребителей и их выбора различных страховых продуктов. Использование одной из популярных технологий интеллектуального анализа данных – CHAID-анализа – позволило выделить различные однородные группы потребителей для каждого из рассмотренных страховых продуктов. На основании проведённого исследования были построены деревья классификации потребителей страховых услуг. Это позволило сделать вывод о том, что самыми значимыми для построения сегментации признаками потребителя являются возраст и семейное положение. С другой стороны, изучение построенных деревьев классификации потребителей показывало, что такие показатели как «наличие детей» и «доход» практически не влияют на выбор страховых продуктов. Также исследование с помощью CHAID-анализа позволило определить, какие виды страховых услуг допускают наиболее эффективные совместные комбинации, что дало возможность сформировать четыре специально подобранных пакета, состоящих из нескольких страховых продуктов для максимального удовлетворения клиентов компании.
страховая услуга, страховой продукт, критерий Пирсона, CHAID-анализ
1. Крамер Д. Математическая обработка данных в социальных науках: современные мето-ды. М.: Академия, 2007. 288 с.
2. Нерадовская Ю.В. Страховой рынок России: некоторые характеристики экстенсивного и интенсивного развития // Финансы и бизнес. №2. 2011. С. 103-113.
3. Тимофеев В.С., Фаддеенков А.В., Щеколдин В.Ю. Эконометрика. М.: ЮРАЙТ, 2015. 328 с.
4. Фогельсон Ю.Б. Страховое право: теоретические основы и практика применения: моно-графия. М.: Норма, ИНФРА-М, 2012. 574 с.
5. Цой М.Е., Щеколдин В.Ю. Современные методы исследований в маркетинге // Марке-тинг. 2014. №2. С. 19-32.
6. Цой М.Е., Щеколдин В.Ю. Определение эффективности акций по стимулированию сбыта на основе АВС-анализа // Вестник ТГЭУ. 2010. №3. С. 53-62.
7. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning. Springer, 2013. 745 p.
8. Kass G.V. An exploratory technique for investigating large quantities of categorical data // Ap-plied Statistics. No.29(2). 1980. Pp. 119-127.
9. Shchekoldin V.Y., Tsoi M.E. RFM-analysis as a tool for segmentation of high-tech products' consumers // Actual Problems of Electronic Instrument Engineering (APEIE-2016): 13th Inter-national Scientific Technical Conference on Actual Problems of Electronic Instrument Engineer-ing. Novosibirsk, 2016. Vol.1. No.3. Pp. 290-293.
10. Teichert T., Effertz T., Tsoi M., Shchekoldin V. Predicting Brand Perception for Fast Food Market Entry // Theoretical Economics Letters. 2015. V.5. No.6. Pp. 697-712.
