基于消费行为的客户细分模型应用研究
| 摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 第一章 前言 | 第10-16页 |
| ·研究目的和意义 | 第10页 |
| ·国内外研究现状 | 第10-14页 |
| ·课题来源 | 第14页 |
| ·研究目标和本文的主要内容 | 第14-15页 |
| ·本文的组织结构 | 第15-16页 |
| 第二章 信用卡数据预处理 | 第16-22页 |
| ·数据预处理技术 | 第16-17页 |
| ·数据预处理过程 | 第17-22页 |
| ·数据准备 | 第17-18页 |
| ·数据清理 | 第18-19页 |
| ·数据归约和数据集成 | 第19-22页 |
| 第三章 基于消费行为的客户细分模型及其实现 | 第22-41页 |
| ·客户细分 | 第22-28页 |
| ·客户细分的概念 | 第22页 |
| ·进行客户细分的意义 | 第22-23页 |
| ·客户细分的原则 | 第23页 |
| ·客户细分模型及其分类 | 第23-24页 |
| ·基于消费行为的客户细分模型比较 | 第24-28页 |
| ·聚类分析 | 第28-33页 |
| ·聚类分析的概念 | 第28页 |
| ·聚类算法分类 | 第28-29页 |
| ·本文所用的聚类算法 | 第29-33页 |
| ·实验 | 第33-41页 |
| ·实验环境和系统界面 | 第33-34页 |
| ·实验目的 | 第34页 |
| ·实验过程 | 第34-40页 |
| ·实验结果对比 | 第40-41页 |
| 第四章 EF 模型在市场营销方面的应用 | 第41-48页 |
| ·关联规则挖掘 | 第41-44页 |
| ·关联规则的基本概念 | 第41-42页 |
| ·Apriori 算法介绍 | 第42-44页 |
| ·挖掘客户消费行为和客户个人属性关联关系 | 第44-46页 |
| ·数据挖掘的目的 | 第44页 |
| ·挖掘关联规则 | 第44-46页 |
| ·客户消费行为关联分析及相应的营销战略 | 第46-48页 |
| ·基于日期的特约商户之间的关联 | 第46页 |
| ·基于日期的特约商户营销策略 | 第46页 |
| ·基于信用卡账号的特约商户之间的关联 | 第46-47页 |
| ·基于信用卡账号的特约商户营销策略 | 第47-48页 |
| 第五章 EF 模型在欺诈探测中的应用 | 第48-54页 |
| ·BP 神经网络 | 第48-52页 |
| ·BP 神经网络结构 | 第48页 |
| ·BP（Back Propagation）算法 | 第48-52页 |
| ·使用 BP 神经网络构建欺诈探测模型 | 第52页 |
| ·实验 | 第52-54页 |
| ·实验数据的选择 | 第52-53页 |
| ·实验结果对比与评价 | 第53-54页 |
| 第六章 总结与展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间发表的论文和参加的科研项目 | 第60页 |
