| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第8-18页 |
| 1.1 研究背景和意义 | 第8-10页 |
| 1.1.1 论文研究的背景 | 第8-9页 |
| 1.1.2 论文研究的意义 | 第9-10页 |
| 1.2 国内外研究综述 | 第10-14页 |
| 1.2.1 客户关系管理研究综述 | 第10-11页 |
| 1.2.2 数据挖掘研究综述 | 第11-12页 |
| 1.2.3 数据挖掘应用到银行客户关系管理研究综述 | 第12-14页 |
| 1.3 研究内容、方法和思路 | 第14-16页 |
| 1.3.1 论文研究的内容 | 第14-15页 |
| 1.3.2 论文研究的方法 | 第15-16页 |
| 1.3.3 论文研究的思路 | 第16页 |
| 1.4 论文难点和创新点 | 第16-18页 |
| 2 客户关系管理与数据挖掘理论 | 第18-25页 |
| 2.1 商业银行客户关系管理理论 | 第18-21页 |
| 2.1.1 客户关系管理概述 | 第18-19页 |
| 2.1.2 数据库营销理论 | 第19-21页 |
| 2.2 数据挖掘理论 | 第21-25页 |
| 2.2.1 数据挖掘概述 | 第21-22页 |
| 2.2.2 数据挖掘过程及方法 | 第22-23页 |
| 2.2.3 数据挖掘在银行客户关系管理中的应用 | 第23-25页 |
| 3 N银行客户关系管理的现状与问题分析 | 第25-28页 |
| 3.1 N银行个人客户关系管理的模式 | 第25-26页 |
| 3.2 N银行个人客户关系管理存在的问题 | 第26-28页 |
| 4 基于数据挖掘的客户响应率预测模型 | 第28-43页 |
| 4.1 数据挖掘——业务目标确定 | 第28-29页 |
| 4.1.1 业务背景 | 第28页 |
| 4.1.2 业务目标 | 第28-29页 |
| 4.2 数据挖掘——数据预处理 | 第29-36页 |
| 4.2.1 数据准备 | 第29-30页 |
| 4.2.2 数据集成 | 第30-32页 |
| 4.2.3 数据清洗 | 第32-34页 |
| 4.2.4 数据规约 | 第34-36页 |
| 4.2.5 样本分区 | 第36页 |
| 4.3 数据挖掘——模型建立 | 第36-41页 |
| 4.3.1 模型评估 | 第36-39页 |
| 4.3.2 最终指标 | 第39-41页 |
| 4.4 数据挖掘——结果分析 | 第41-43页 |
| 4.4.1 模型结果说明 | 第41页 |
| 4.4.2 得分分布 | 第41-42页 |
| 4.4.3 度量结果 | 第42-43页 |
| 5 N银行客户关系管理提升措施 | 第43-47页 |
| 5.1 强化科技立行的理念，大力推进数据挖掘建模工作 | 第43页 |
| 5.2 充分利用客户响应率预测模型，实行名单制营销 | 第43-45页 |
| 5.3 狠抓技术人才培训，组建业务精通型建模团队 | 第45-47页 |
| 6 结论 | 第47-48页 |
| 6.1 总结 | 第47页 |
| 6.2 展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51页 |
