零售企业客户分析模型的构建与研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-11页 |
| 1.1 选题背景 | 第8-9页 |
| 1.2 研究的意义与目的 | 第9-10页 |
| 1.2.1 研究的意义 | 第9页 |
| 1.2.2 研究的目的 | 第9-10页 |
| 1.3 国内外相关研究现状 | 第10页 |
| 1.3.1 国外研究现状 | 第10页 |
| 1.3.2 国内研究现状 | 第10页 |
| 1.4 主要内容和论文结构 | 第10-11页 |
| 2 数据挖掘与零售业 | 第11-20页 |
| 2.1 数据挖掘概述 | 第12-15页 |
| 2.1.1 数据挖掘的概念 | 第12-13页 |
| 2.1.2 数据挖掘的过程 | 第13-14页 |
| 2.1.3 数据挖掘面临的挑战和局限性 | 第14-15页 |
| 2.2 零售业概述 | 第15-17页 |
| 2.2.1 零售业的概念 | 第15-16页 |
| 2.2.2 零售业的特点 | 第16-17页 |
| 2.3 数据挖掘在零售领域中的应用 | 第17-19页 |
| 2.3.1 商品分组布局 | 第17-18页 |
| 2.3.2 促销的有效性分析 | 第18页 |
| 2.3.3 客户细分 | 第18页 |
| 2.3.4 交叉销售 | 第18-19页 |
| 2.3.5 客户忠诚度分析 | 第19页 |
| 2.3.6 改进市场预测机制 | 第19页 |
| 2.4 零售领域中常用的数据挖掘方法 | 第19-20页 |
| 3 零售企业客户分析模型构建 | 第20-30页 |
| 3.1 客户分析的概述 | 第20-23页 |
| 3.1.1 客户分析的概念 | 第20-21页 |
| 3.1.2 客户分析的主要内容 | 第21-23页 |
| 3.2 客户细分模型的构建 | 第23-27页 |
| 3.2.1 客户细分 | 第23-24页 |
| 3.2.2 客户细分模型 | 第24-26页 |
| 3.2.3 K‐means 算法介绍 | 第26-27页 |
| 3.3 客户响应预测模型的构建 | 第27-30页 |
| 3.3.1 客户响应 | 第27页 |
| 3.3.2 客户响应预测模型 | 第27-28页 |
| 3.3.3 决策树算法 | 第28-30页 |
| 4 实证分析 | 第30-45页 |
| 4.1 SPSS Clementine 简介 | 第30-31页 |
| 4.2 客户细分的聚类分析 | 第31-38页 |
| 4.2.1 确定目标 | 第31-32页 |
| 4.2.2 数据准备 | 第32-33页 |
| 4.2.3 数据预处理 | 第33-34页 |
| 4.2.4 客户细分模型的实现 | 第34-37页 |
| 4.2.5 挖掘结果分析 | 第37-38页 |
| 4.3 客户响应的预测分析 | 第38-45页 |
| 4.3.1 确定目标 | 第38页 |
| 4.3.2 数据准备 | 第38-39页 |
| 4.3.3 客户响应预测模型的实现 | 第39-44页 |
| 4.3.4 挖掘结果分析 | 第44-45页 |
| 5 总结与展望 | 第45-47页 |
| 5.1 论文总结 | 第45-46页 |
| 5.2 下一步工作展望 | 第46-47页 |
| 参考文献 | 第47-49页 |
| 致谢 | 第49-50页 |
| 攻读硕士学位期间发表的学术论文 | 第50-51页 |
