| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-21页 |
| ·我国宽带业务的发展现状 | 第9-11页 |
| ·客户获取 | 第11-13页 |
| ·客户获取定义 | 第11页 |
| ·客户获取研究领域 | 第11页 |
| ·宽带客户获取的意义 | 第11-12页 |
| ·电信运营商宽带客户获取实践 | 第12-13页 |
| ·宽带客户获取预测 | 第13-18页 |
| ·概念界定 | 第13-14页 |
| ·宽带客户获取预测的意义 | 第14页 |
| ·客户获取预测研究 | 第14-18页 |
| ·国外学者对于客户获取预测的研究 | 第15-16页 |
| ·国内学者对于客户获取预测的研究 | 第16-17页 |
| ·现有客户获取预测方法不足 | 第17-18页 |
| ·研究内容和研究方法 | 第18页 |
| ·研究目标 | 第18-19页 |
| ·本文的创新点 | 第19页 |
| ·本文的结构 | 第19-21页 |
| 第二章 相关理论 | 第21-33页 |
| ·CRM 在电信业的应用 | 第21-27页 |
| ·客户关系管理的定义 | 第21页 |
| ·目前电信运营商面临的问题 | 第21-22页 |
| ·CRM 在电信行业的作用 | 第22-24页 |
| ·电信CRM 的内容 | 第24-27页 |
| ·数据挖掘在电信业的应用 | 第27-33页 |
| ·数据挖掘的概念及特征 | 第27-28页 |
| ·数据挖掘在电信运营商CRM 系统中的功能 | 第28-29页 |
| ·客户获取数据挖掘流程 | 第29-33页 |
| 第三章 电信宽带客户获取预测模型 | 第33-41页 |
| ·构建电信业潜在宽带客户获取两步预测模型 | 第34-36页 |
| ·决策树算法 | 第36-37页 |
| ·聚类——神经网络算法 | 第37-39页 |
| ·基于聚类分析的前导处理 | 第37页 |
| ·基于BP 神经网络的客户分类学习模型 | 第37页 |
| ·聚类算法 | 第37-38页 |
| ·神经网络算法 | 第38-39页 |
| ·构建电信业宽带客户获取预测模型所需数据挖掘工具的选择 | 第39-41页 |
| 第四章 中国电信T 分公司电信宽带客户获取预测实证研究 | 第41-64页 |
| ·目前中国电信T 分公司宽带客户获取存在的问题 | 第41-42页 |
| ·数据准备 | 第42-47页 |
| ·时间窗口 | 第42-43页 |
| ·数据清洗与转换 | 第43-44页 |
| ·属性选择 | 第44-46页 |
| ·数据分割 | 第46-47页 |
| ·模型建立 | 第47-52页 |
| ·第一步预测：潜在客户预测模型的建立 | 第47-49页 |
| ·第二步预测：客户类型预测模型 | 第49-52页 |
| ·客户聚类模型的建立 | 第49-51页 |
| ·神经网络模型的建立 | 第51-52页 |
| ·模型评价 | 第52-55页 |
| ·指标评价 | 第52-54页 |
| ·图形评价 | 第54-55页 |
| ·模型预测 | 第55-56页 |
| ·客户特征分析 | 第56-61页 |
| ·客户获取策略 | 第61-64页 |
| ·客户资源配置策略和客户关系保持策略 | 第61-62页 |
| ·营销策略 | 第62-64页 |
| 第五章 研究总结及展望 | 第64-67页 |
| ·研究总结 | 第64-65页 |
| ·主要贡献 | 第65页 |
| ·研究限制及展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 硕士研究生期间的研究成果 | 第71-72页 |