摘要 | 第4-5页 |
Abstract | 第5页 |
第一章 绪论 | 第8-17页 |
1.1 选题背景 | 第8-9页 |
1.2 研究意义 | 第9页 |
1.2.1 理论意义 | 第9页 |
1.2.2 实践意义 | 第9页 |
1.3 国内外研究现状及分析 | 第9-14页 |
1.3.1 国外研究现状 | 第10-11页 |
1.3.2 国内研究现状 | 第11-14页 |
1.3.3 简要评述 | 第14页 |
1.4 研究思路 | 第14-15页 |
1.5 研究方法 | 第15-17页 |
第二章 客户关系与数据挖掘的理论概述 | 第17-26页 |
2.1 客户关系管理理论概述 | 第17-20页 |
2.1.1 客户关系管理的起源 | 第17页 |
2.1.2 客户关系管理的定义 | 第17-19页 |
2.1.3 客户关系管理的作用 | 第19-20页 |
2.2 数据挖掘理论概述 | 第20-23页 |
2.2.1 数据挖掘的概念 | 第20页 |
2.2.2 数据挖掘的分析方法 | 第20-22页 |
2.2.3 数据挖掘的经典技术 | 第22-23页 |
2.3 数据挖掘与客户关系管理 | 第23-25页 |
2.3.1 数据挖掘是银行进行客户关系管理的关键要素 | 第23-24页 |
2.3.2 数据挖掘是银行客户关系管理系统的核心组成 | 第24-25页 |
2.4 本章小结 | 第25-26页 |
第三章 CRM数据的定义及数据挖掘的方法优选 | 第26-34页 |
3.1 商业银行客户数据概况 | 第26页 |
3.1.1 客户关系管理的数据内容和类型 | 第26页 |
3.1.2 本文数据的定义和来源 | 第26页 |
3.2 数据挖掘任务中主要挖掘方法的适用性比较 | 第26-32页 |
3.2.1 人工神经网络法 | 第26-28页 |
3.2.2 遗传算法 | 第28-29页 |
3.2.3 决策树法 | 第29-30页 |
3.2.4 三种方法的理论比较与实际应用比较 | 第30-32页 |
3.3 决策树法的基本原理 | 第32-33页 |
3.3.1 数据挖掘的分类过程 | 第32页 |
3.3.2 决策树法的构成要素 | 第32-33页 |
3.4 本章小结 | 第33-34页 |
第四章 商业银行CRM中客户分类模型的构建 | 第34-46页 |
4.1 商业银行客户数据预处理 | 第34-35页 |
4.1.1 缺失和异常数据的处理 | 第34页 |
4.1.2 多数据源中的数据合并 | 第34页 |
4.1.3 无关数据的剔除过程 | 第34页 |
4.1.4 数据的一致性操作 | 第34-35页 |
4.2 A银行发展现状及客户特征分析 | 第35-38页 |
4.2.1 A银行的发展现状概述 | 第35页 |
4.2.2 A银行客户特征分析 | 第35-38页 |
4.3 商业银行决策树分类模型的建立 | 第38-43页 |
4.3.1 CHAID算法的基本原理 | 第38-39页 |
4.3.2 CHAID算法决策树模型的构建 | 第39-43页 |
4.3.3 决策树模型的准确性评价 | 第43页 |
4.4 基于数据挖掘结果的客户类型特征分析 | 第43-45页 |
4.5 本章小结 | 第45-46页 |
第五章 基于决策树分类模型的商业银行客户关系管理策略 | 第46-53页 |
5.1 针对不同客户类型的CRM管理策略 | 第46-48页 |
5.2 基于数据挖掘结论的客户关系管理措施 | 第48-51页 |
5.2.1 客户类别细分及差别化管理 | 第48-49页 |
5.2.2 客户维系及接触管理 | 第49-50页 |
5.2.3 客户导向型的产品及服务开发 | 第50-51页 |
5.3 运用数据挖掘工具的建议 | 第51-52页 |
5.3.1 明确挖掘目标,严控数据质量 | 第51页 |
5.3.2 注重算法选择,依靠数据说话 | 第51-52页 |
5.3.3 理性对待结论,实践检验对错 | 第52页 |
5.4 本章小结 | 第52-53页 |
第六章 论文总结及展望 | 第53-55页 |
6.1 研究结论及创新之处 | 第53页 |
6.1.1 研究结论 | 第53页 |
6.1.2 创新之处 | 第53页 |
6.2 不足与展望 | 第53-55页 |
参考文献 | 第55-58页 |
附录 | 第58-60页 |
致谢 | 第60-61页 |
作者简介 | 第61-62页 |
导师评阅表 | 第62页 |