| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 背景意义 | 第13-14页 |
| 1.2 研究现状 | 第14-17页 |
| 1.2.1CRM 概念 | 第14页 |
| 1.2.2 国内外发展现状 | 第14-17页 |
| 1.3 研究内容与取得的成果 | 第17-19页 |
| 1.3.1 研究目标 | 第17页 |
| 1.3.2 研究内容与取得的成果 | 第17-18页 |
| 1.3.3 创新点 | 第18-19页 |
| 1.4 论文结构 | 第19-20页 |
| 第二章 客户行为分析与企业销售预测技术分析 | 第20-35页 |
| 2.1 客户行为分析的研究综述 | 第20-25页 |
| 2.1.1 客户行为分析的内容 | 第20-22页 |
| 2.1.2 客户行为分析的目的 | 第22-23页 |
| 2.1.3 客户行为分析模型 | 第23-25页 |
| 2.2 企业销售预测研究综述 | 第25-29页 |
| 2.2.1 企业销售预测的涵义 | 第25页 |
| 2.2.2 企业销售预测的流程 | 第25-26页 |
| 2.2.3 企业销售预测方法与模型 | 第26-29页 |
| 2.3 二者结合研究的出发点 | 第29页 |
| 2.4 相关的理论算法与软件简介 | 第29-34页 |
| 2.4.1 相关的理论算法 | 第29-33页 |
| 2.4.2 相关的软件 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 客户行为分析与企业销售预测模型研究与设计 | 第35-53页 |
| 3.1 客户行为分析模型设计 | 第35-41页 |
| 3.1.1 客户行为分析模型设计的思路 | 第35页 |
| 3.1.2 RFM 中的 F 与 M 的分配设计 | 第35-37页 |
| 3.1.3 Dirichlet-Multinomial 模型及其应用 | 第37-39页 |
| 3.1.4 基于马尔科夫链蒙特卡洛模拟(MCMC)的参数估计与 Gibbs 抽样 | 第39-41页 |
| 3.2 企业销售预测模型设计 | 第41-51页 |
| 3.2.1 企业销售预测模型设计的思路 | 第41页 |
| 3.2.2 马尔可夫分析方法 | 第41-43页 |
| 3.2.3 马尔可夫状态的模糊性 | 第43-46页 |
| 3.2.4 模糊状态的转移概率矩阵的加权 | 第46-47页 |
| 3.2.5 加权预测模型中权重的优化 | 第47-51页 |
| 3.3 二者结合研究的思路设计 | 第51-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第四章 客户行为分析与企业销售预测模型实现与验证 | 第53-74页 |
| 4.1 数据来源说明 | 第53页 |
| 4.2 客户行为分析模型的实证 | 第53-59页 |
| 4.2.1 数据预处理 | 第53页 |
| 4.2.2 F 与 M 变量的选取 | 第53-54页 |
| 4.2.3 建立 RFM 模型给分标准 | 第54-56页 |
| 4.2.4 建立转移矩阵 | 第56-57页 |
| 4.2.5 预测效果评价 | 第57-59页 |
| 4.3 企业销售预测模型的实证 | 第59-68页 |
| 4.3.1 数据预处理 | 第59-60页 |
| 4.3.2 建立模糊状态并计算各模糊状态的隶属度 | 第60-63页 |
| 4.3.3 计算状态转移概率矩阵 | 第63-65页 |
| 4.3.4 最终状态转移概率矩阵的确定 | 第65-67页 |
| 4.3.5 预测效果评价 | 第67-68页 |
| 4.4 二者内在互动关系的分析实证 | 第68-73页 |
| 4.4.1 传统的单一式分析 | 第68-71页 |
| 4.4.2 双向的互为辨证分析 | 第71-73页 |
| 4.5 本章小结 | 第73-74页 |
| 第五章 总结与展望 | 第74-76页 |
| 5.1 本文总结 | 第74页 |
| 5.2 未来工作展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-81页 |
| 攻读硕士学位期间已发表或录用的论文 | 第81-83页 |