| 前言 | 第1-10页 |
| 第一章 客户关系管理 | 第10-27页 |
| 1．1 竞争环境的改变 | 第10-11页 |
| 1．2 客户关系管理的基本概念 | 第11-17页 |
| 1．2．1 客户关系管理的产生 | 第11-14页 |
| 1．2．2 客户关系管理的定义 | 第14-16页 |
| 1．2．3 客户关系管理的核心管理思想 | 第16-17页 |
| 1．3 客户关系管理系统CRM | 第17-20页 |
| 1．3．1 CRM系统在国内外的应用状况 | 第17-18页 |
| 1．3．2 CRM的基本功能 | 第18-20页 |
| 1．4 客户关系管理的SCOPE模型 | 第20-27页 |
| 1．4．1 以客户为核心 | 第21-24页 |
| 1．4．2 网络竞争 | 第24-27页 |
| 第二章 数据挖掘 | 第27-33页 |
| 2．1 数据挖掘的基本概念 | 第27-31页 |
| 2．1．1 数据挖掘的兴起 | 第27-28页 |
| 2．1．2 数据挖掘的定义 | 第28-30页 |
| 2．1．3 数据挖掘的特点 | 第30页 |
| 2．1．4 数据挖掘和其他研究领域的关系 | 第30-31页 |
| 2．2 数据挖掘技术的分类 | 第31-33页 |
| 第三章 关联规则的挖掘问题 | 第33-60页 |
| 3．1 问题定义 | 第33-36页 |
| 3．2 关联规则挖掘问题的分解 | 第36-38页 |
| 3．2．1 根据频繁项目集产生强关联规则 | 第36-37页 |
| 3．2．2 关联规则挖掘的基本模型 | 第37-38页 |
| 3．2．3 关联规则的分析 | 第38页 |
| 3．3 关联规则的分类 | 第38-39页 |
| 3．4 关联规则发现算法Apriori | 第39-46页 |
| 3．4．1 Apriori算法的基础 | 第39-40页 |
| 3．4．2 Apriori算法的描述 | 第40-42页 |
| 3．4．3 Apriori算法中的Apriori_gen函数 | 第42-43页 |
| 3．4．4 Apriori算法中候选项目集的存储：哈希树 | 第43-44页 |
| 3．4．5 频繁算法的几种优化方法 | 第44-46页 |
| 3．5 一种有效的关联规则挖掘算法 | 第46-55页 |
| 3．5．1 频繁1-项集的产生 | 第46-48页 |
| 3．5．2 关联图的构造 | 第48页 |
| 3．5．3 频繁k-项目集的产生 | 第48-50页 |
| 3．5．4 BVAG算法的具体实现 | 第50-52页 |
| 3．5．5 算法性能分析 | 第52-55页 |
| 3．6 关联规则价值衡量的方法 | 第55-58页 |
| 3．6．1 系统客观层面 | 第55-57页 |
| 3．6．2 用户主观层面 | 第57-58页 |
| 3．7 进一步研究的方向 | 第58-60页 |
| 第四章 数据挖掘实证分析 | 第60-76页 |
| 4．1 数据挖掘在CRM中的应用 | 第60-67页 |
| 4．1．1 数据挖掘的主要应用 | 第60-62页 |
| 4．1．2 在CRM中启动数据挖掘的基本步骤 | 第62-67页 |
| 4．2 实证分析 | 第67-76页 |
| 4．2．1 多维关联规则 | 第67-68页 |
| 4．2．2 定义研究对象 | 第68页 |
| 4．2．3 数据准备 | 第68-73页 |
| 4．2．4 读取数据／建立发现模型 | 第73页 |
| 4．2．5 理解和评估模型 | 第73-75页 |
| 4．2．6 改进模型 | 第75页 |
| 4．2．7 预测 | 第75-76页 |
| 结束语 | 第76-77页 |
| 致谢 | 第77-78页 |
| 在学期间的研究成果 | 第78-79页 |
| 主要参考文献 | 第79-82页 |