رقابتی شدن صنعت بیمه در سال‌های اخیر و ورود بخش خصوصی به این عرصه، توجه به پیش‌بینی رویگردانی مشتری را با اهمیت ساخته است. در این پژوهش، تعدادی از تکنیک‌های شناخته شده دسته‌بندی داده‌کاوی برای پیش‌بینی رویگردانی مشتری در صنعت بیمه به کار گرفته شده است. برای نخستین بار پیش‌بینی رویگردانی مشتری در یک سازمان بیمه‌ای با استفاده از تکنیک ماشین بردار پشتیبان (SVM) انجام می‌شود. در این مقاله نخست از الگوریتم ژنتیک برای فرایند انتخاب مشخصههای تأثیرگذار استفاده شده است. پس از مدل‌سازی مسأله، پارامترهای مدل ماشین بردار پشتیبان با استفاده از دو روش جستجوی شبکه و اعتبارسنجی متقابل K لایه، بهینه می‌شوند. عملکرد پیش‌بینی روش SVM با روش‌های درخت تصمیم، شبکه‌های عصبی، رگرسیون لجستیک، جنگل تصادفی، دسته‌بندی‌کننده بیزی، K نزدیک‌ترین همسایگی، مقایسه و بهینه‌سازی پارامترهای هر روش با استفاده از جستجوی شبکه انجام شده است. یافته‌های تحقیق نشان می‌دهد که روش ماشین بردار پشتیبان از عملکرد بالاتری نسبت به سایر روش‌ها برخوردار است. در مدل پیشنهادی مبتنی بر این روش، مشخصههای سابقه خرید، نحوه آشنایی با سازمان و تمایل به خرید، به عنوان مشخصههای اصلی پیش‌بینی‌کننده رویگردانی مشتری شناسایی شدند. در این پژوهش با توجه به مشخصههای اصلی پیش‌بینی‌کننده رویگردانی، راهکارهایی برای جلوگیری از رویگردانی مشتری ارائه شده است.
