摘要 | 第1-7页 |
ABSTRACT | 第7-13页 |
第一章 概述 | 第13-46页 |
·研究背景 | 第13-17页 |
·电信客户流失管理研究综述 | 第17-41页 |
·电信客户流失原因研究回顾 | 第18-22页 |
·电信客户流失预测研究回顾 | 第22-38页 |
·电信客户流失挽留研究回顾 | 第38-41页 |
·问题的提出 | 第41-42页 |
·本文的主要研究内容及结构安排 | 第42-44页 |
·本文的主要创新点 | 第44-46页 |
第二章 MMOI 的理论框架与模型技术 | 第46-67页 |
·MMOI 的理论依据 | 第46-48页 |
·综合集成思想 | 第46-47页 |
·模型集成思想 | 第47页 |
·系统动力思想 | 第47-48页 |
·MMOI 的理论框架 | 第48-49页 |
·MMOI 的集成模式 | 第49-53页 |
·模型结构 | 第49-51页 |
·集成方式 | 第51-53页 |
·MMOI 的模型技术 | 第53-59页 |
·决策树 | 第53-54页 |
·神经网络 | 第54-58页 |
·贝叶斯网络 | 第58页 |
·Logistic 回归 | 第58-59页 |
·MMOI 的优化技术 | 第59-66页 |
·人工蜂群算法 | 第59-61页 |
·人工蚁群算法 | 第61-62页 |
·人工鱼群算法 | 第62-64页 |
·粒子群算法 | 第64-65页 |
·遗传算法 | 第65-66页 |
·本章小结 | 第66-67页 |
第三章 基于MMOI 的电信客户流失预测分析 | 第67-125页 |
·引言 | 第67-68页 |
·基于线性优化集成多分类器的电信客户流失预测模型 | 第68-87页 |
·基于预测精度的人工蜂群优化模型 | 第68-77页 |
·基于预测收益的人工蚁群优化模型 | 第77-87页 |
·基于非线性优化集成多分类器的电信客户流失预测模型 | 第87-101页 |
·基于遗传算法优化BP 非线性集成模型 | 第88-95页 |
·基于粒子群算法优化BP 非线性集成模型 | 第95-101页 |
·基于动态优化集成多分类器的电信客户流失预测模型 | 第101-122页 |
·基于预测精度的动态集成模型 | 第101-110页 |
·基于预测收益的动态集成模型 | 第110-122页 |
·本章小结 | 第122-125页 |
第四章 基于MMOI 的电信客户流失挽留分析 | 第125-166页 |
·引言 | 第125-126页 |
·基于MMOI 的电信客户流失挽留分析 | 第126-129页 |
·基本概念 | 第126-128页 |
·假设条件 | 第128-129页 |
·基于预算限制的电信客户流失挽留模型 | 第129-144页 |
·客户保持动力学模型 | 第130-132页 |
·效应影响系数模型 | 第132-135页 |
·客户挽留周期模型 | 第135页 |
·客户挽留价值模型 | 第135-136页 |
·单个客户挽留费用模型 | 第136-138页 |
·一对一客户挽留模型 | 第138-139页 |
·模型实证分析 | 第139-144页 |
·基于竞争反击的电信客户流失挽留模型 | 第144-164页 |
·基本概念 | 第147-148页 |
·假设条件 | 第148页 |
·客户保持动力学模型 | 第148-150页 |
·客户保持率计算模型 | 第150-152页 |
·效应影响系数模型 | 第152-153页 |
·客户挽留周期模型 | 第153-154页 |
·客户挽留价值模型 | 第154-155页 |
·客户流失挽留模型 | 第155-157页 |
·模型实证分析 | 第157-164页 |
·本章小结 | 第164-166页 |
第五章 电信客户流失管理研究评论 | 第166-171页 |
·引言 | 第166页 |
·MMOI 的理论框架评论 | 第166-168页 |
·基于MMOI 框架的客户流失预测研究评论 | 第168-169页 |
·基于MMOI 框架的客户流失挽留研究评论 | 第169-170页 |
·本章小结 | 第170-171页 |
第六章 结束语 | 第171-176页 |
·全文总结 | 第171-172页 |
·创新点 | 第172-174页 |
·研究展望 | 第174-176页 |
致谢 | 第176-178页 |
参考文献 | 第178-200页 |
简历 | 第200-201页 |
作者攻读博士学位期间发表的论文 | 第201-203页 |
作者攻读博士学位期间参加的科研项目 | 第203-204页 |