| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-7页 |
| 1 绪论 | 第7-10页 |
| ·论文的背景及意义 | 第7页 |
| ·国内外研究现状 | 第7-8页 |
| ·论文主要工作 | 第8页 |
| ·论文的结构 | 第8-10页 |
| 2 客户关系管理及其相关技术 | 第10-18页 |
| ·客户关系管理 | 第10-13页 |
| ·客户关系管理的基本概念 | 第10-11页 |
| ·客户关系管理系统的结构及组成 | 第11-12页 |
| ·客户关系管理系统的现状 | 第12页 |
| ·客户关系管理系统的发展趋势 | 第12-13页 |
| ·数据仓库 | 第13-15页 |
| ·数据仓库的设计方法 | 第13-14页 |
| ·数据仓库在CRM 中的应用 | 第14-15页 |
| ·数据挖掘 | 第15-17页 |
| ·数据挖掘的常用方法 | 第15-16页 |
| ·数据挖掘在CRM 中的应用 | 第16-17页 |
| ·CRM 中的其它技术 | 第17页 |
| ·数据库技术 | 第17页 |
| ·XML 技术 | 第17页 |
| ·呼叫中心 | 第17页 |
| ·本章小结 | 第17-18页 |
| 3 e-CRM 客户关系管理系统中数据挖掘模型的建立 | 第18-30页 |
| ·e-CRM 中的数据挖掘算法 | 第18-22页 |
| ·ID3 决策树算法 | 第18-19页 |
| ·K-means 聚类分析算法 | 第19-20页 |
| ·Apriori 算法 | 第20-22页 |
| ·基于K-means 算法和ID3 决策树算法的客户价值分析 | 第22-26页 |
| ·以往的客户价值挖掘方法及其缺点 | 第22-23页 |
| ·利用K-means 算法对客户价值数据进行聚类 | 第23-25页 |
| ·利用ID3 决策树算法解释聚类结果 | 第25-26页 |
| ·基于ID3 决策树算法的客户流失分析 | 第26-28页 |
| ·基于Apriori 算法的交叉销售管理 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 4 e-CRM 客户关系管理系统的分析和设计 | 第30-42页 |
| ·e-CRM 的需求分析 | 第30页 |
| ·e-CRM 系统体系结构 | 第30-32页 |
| ·数据挖掘平台的层次模型 | 第30-31页 |
| ·系统整体结构 | 第31-32页 |
| ·e-CRM 的数据库设计 | 第32-36页 |
| ·数据库建模 | 第32-33页 |
| ·表设计 | 第33-36页 |
| ·e-CRM 的数据仓库设计 | 第36-40页 |
| ·多维数据集设计 | 第36-37页 |
| ·数据挖掘表设计 | 第37-38页 |
| ·ETL 的实现 | 第38-40页 |
| ·e-CRM 的详细设计 | 第40-41页 |
| ·模块功能描述 | 第40页 |
| ·系统功能结构图 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 5 e-CRM 客户关系管理系统的实现 | 第42-48页 |
| ·开发环境概述 | 第42页 |
| ·生成统一的数据操作界面 | 第42-44页 |
| ·系统界面 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 6 总结与展望 | 第48-49页 |
| ·论文总结 | 第48页 |
| ·未来展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 附录 | 第53页 |