| 1 导论 | 第9-13页 |
| 1．1 研究的背景和意义 | 第9-10页 |
| 1．2 研究内容、重点和创新点 | 第10-11页 |
| 1．3 论文的研究方法和框架 | 第11-13页 |
| 2 我国移动通信运营业的现状和竞争分析 | 第13-23页 |
| 2．1 移动通信运营业发展概况 | 第13-16页 |
| 2．1．1 我国移动通信运营业发展概况 | 第13-15页 |
| 2．1．2 WTO给我国移动通信运营业的带来的机遇和挑战 | 第15-16页 |
| 2．2 我国移动通信运营市场的竞争分析 | 第16-22页 |
| 2．2．1 五种力竞争模型 | 第16-19页 |
| 2．2．2 双寡头垄断市场竞争模型：价格竞争的博弈分析 | 第19-22页 |
| 2．3 我国移动通信运营业应用数据挖掘的必要性 | 第22-23页 |
| 3 数据挖掘、数据仓库及其在移动通信运营业中的应用 | 第23-45页 |
| 3．1 数据挖掘理论回顾与综述 | 第23-39页 |
| 3．1．1 数据挖掘技术的由来 | 第23-24页 |
| 3．1．2 数据挖掘的定义 | 第24-25页 |
| 3．1．3 数据挖掘的研究历史和现状 | 第25-26页 |
| 3．1．4 数据挖掘与传统分析方法的区别 | 第26-27页 |
| 3．1．5 数据挖掘的特点 | 第27页 |
| 3．1．6 描述型数据挖掘 | 第27-28页 |
| 3．1．7 预言型数据挖掘 | 第28-30页 |
| 3．1．8 数据挖掘模型和算法 | 第30-36页 |
| 3．1．9 数据挖掘的流程 | 第36-37页 |
| 3．1．10 数据挖掘所面临的挑战及发展趋势 | 第37-39页 |
| 3．2 数据仓库（Data Warehouse） | 第39-42页 |
| 3．2．1 什么是数据仓库 | 第39页 |
| 3．2．2 数据仓库的组成 | 第39-41页 |
| 3．2．3 数据挖掘库 | 第41-42页 |
| 3．2．4 数据仓库与事务数据库 | 第42页 |
| 3．3 国内外的应用现状 | 第42-45页 |
| 3．3．1 英国电信 | 第43页 |
| 3．3．2 US WEST基于数据挖掘的营销 | 第43-44页 |
| 3．3．3 客户保持 | 第44页 |
| 3．3．4 欠费和动态防欺诈行为分析 | 第44页 |
| 3．3．5 市场和用户行为分析（MASA）系统 | 第44-45页 |
| 4 基于数据挖掘的移动通信运营业决策支持系统设计 | 第45-58页 |
| 4．1 基于数据挖掘的DSS系统模型 | 第45-47页 |
| 4．1．1 DSS模型 | 第45-46页 |
| 4．1．2 DSS的功能设计 | 第46-47页 |
| 4．2 移动通信运营数据仓库建模 | 第47-52页 |
| 4．2．1 开发模型 | 第47页 |
| 4．2．2 以客户为中心的（Customer-centric）数据仓库 | 第47-48页 |
| 4．2．3 数据仓库的组成和表群划分 | 第48-49页 |
| 4．2．4 数据粒度（Granularity）划分 | 第49-50页 |
| 4．2．5 以客户为中心的数据整合—ODS的设计与实现 | 第50页 |
| 4．2．6 技术实现架构 | 第50-51页 |
| 4．2．7 OLAM | 第51-52页 |
| 4．3 数据挖掘主题的选取 | 第52-58页 |
| 4．3．1 客户价值分析 | 第52-53页 |
| 4．3．2 客户保持（Customer Retention） | 第53-54页 |
| 4．3．3 欺诈识别（Fraud Detection） | 第54-56页 |
| 4．3．4 市场和用户行为分析（Market and Customer Behavior Analysis） | 第56-58页 |
| 5 移动通信运营业数据挖掘模型的设计 | 第58-76页 |
| 5．1 CVM客户价值模型 | 第58-66页 |
| 5．1．1 生命周期价值（Lifetime Value，LTV） | 第58-62页 |
| 5．1．2 客户生命周期价值度量的模型与过程 | 第62-63页 |
| 5．1．3 客户价值度量的三个层次 | 第63-64页 |
| 5．1．4 客户贡献模型 | 第64-66页 |
| 5．2 客户保持模型 | 第66-68页 |
| 5．2．1 客户生命周期价值链 | 第66页 |
| 5．2．2 客户关系生命周期 | 第66-67页 |
| 5．2．3 基于数据挖掘的客户管理圈模型 | 第67页 |
| 5．2．4 客户保持收益模型 | 第67-68页 |
| 5．3 客户细分模型 | 第68-71页 |
| 5．3．1 决策树分析 | 第68页 |
| 5．3．2 聚类分析 | 第68页 |
| 5．3．3 客户贡献分析—C~2模型分析 | 第68-69页 |
| 5．3．4 客户风险分析—R~2模型分析 | 第69-70页 |
| 5．3．5 客户风险贡献联合分析—RC模型分析 | 第70页 |
| 5．3．6 客户贡献的分级—ABC模型分析 | 第70-71页 |
| 5．4 HRSF模型（The Hierarchical Regime-Switching Fraud Model） | 第71-74页 |
| 5．4．1 总体模型 | 第71-72页 |
| 5．4．2 Filtering & Smoothing | 第72-73页 |
| 5．4．3 EM学习机制（Expectation Maximization Learning Rules） | 第73-74页 |
| 5．5 促销方式选择模型 | 第74-76页 |
| 6 浙江移动电话消费者特征及其消费行为的实证分析 | 第76-98页 |
| 6．1 企业调研 | 第76-81页 |
| 6．1．1 浙江电信 | 第76-77页 |
| 6．1．2 浙江移动 | 第77-78页 |
| 6．1．3 温州电信 | 第78-80页 |
| 6．1．4 温州移动永嘉县分公司 | 第80-81页 |
| 6．2 问卷调研 | 第81-84页 |
| 6．2．1 数据说明 | 第81页 |
| 6．2．2 问卷的指标维度 | 第81-82页 |
| 6．2．3 网络调查法 | 第82-83页 |
| 6．2．4 数据预处理 | 第83-84页 |
| 6．3 模型的验证与评价 | 第84-98页 |
| 6．3．1 CVM模型 | 第84-87页 |
| 6．3．2 客户离网模型 | 第87-89页 |
| 6．3．3 客户细分模型 | 第89-92页 |
| 6．3．4 客户欠费模型 | 第92-94页 |
| 6．3．5 促销方式选择模型 | 第94-98页 |
| 7 结束语：总结和展望 | 第98-99页 |
| 参考文献 | 第99-104页 |
| 附录一： 企业调研调研提纲（例）：温州移动调研提纲 | 第104-105页 |
| 附录二： 移动电话消费者特征及其消费行为调查问卷 | 第105-111页 |
| 附录三： CVM模型的挖掘结果的详细规则 | 第111-116页 |
| 附录四： 离网模型的挖掘结果的详细规则 | 第116-120页 |
| 附录五： 客户细分模型挖掘结果的详细规则 | 第120-124页 |
| 附录六： 客户欠费模型挖掘结果的详细规则 | 第124-127页 |
| 附录七： 促销方式选择模型挖掘结果的详细规则 | 第127-130页 |
| 致谢 | 第130页 |
