| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1. 绪论 | 第11-19页 |
| 1.1. 研究背景及意义 | 第11-13页 |
| 1.1.1. 电子商务行业现状 | 第11页 |
| 1.1.2. 电子商务客户流失提出 | 第11-12页 |
| 1.1.3. 研究意义 | 第12-13页 |
| 1.2. 国内外研究现状 | 第13-16页 |
| 1.2.1. 客户流失研究现状 | 第13-15页 |
| 1.2.2. 电商客户流失研究现状 | 第15页 |
| 1.2.3. 文献评述 | 第15-16页 |
| 1.3. 研究思路与论文框架 | 第16-19页 |
| 1.3.1. 研究内容 | 第16-17页 |
| 1.3.2. 研究方法 | 第17-19页 |
| 2. 相关理论综述 | 第19-35页 |
| 2.1. 客户流失理论概述 | 第19-25页 |
| 2.1.1. 客户流失问题分析 | 第19-20页 |
| 2.1.2. 客户流失概念定义 | 第20-21页 |
| 2.1.3. 客户流失原因分析 | 第21-24页 |
| 2.1.4. 客户价值细分理论 | 第24-25页 |
| 2.2. 数据挖掘理论及方法概述 | 第25-29页 |
| 2.2.1. 数据挖掘概念 | 第25页 |
| 2.2.2. 流失预测的模型方法 | 第25-27页 |
| 2.2.3. 预测模型的评价方法 | 第27-29页 |
| 2.3. 随机森林算法 | 第29-34页 |
| 2.3.1. CART决策树 | 第29-30页 |
| 2.3.2. Bagging算法 | 第30页 |
| 2.3.3. 随机森林 | 第30-34页 |
| 2.4. 本章小结 | 第34-35页 |
| 3. 电商企业客户流失预警模型框架设计 | 第35-41页 |
| 3.1. 电商企业客户流失问题描述 | 第35-39页 |
| 3.1.1. 电商企业及其客户行为特征分析 | 第35-37页 |
| 3.1.2. 电商企业客户流失的定义 | 第37-38页 |
| 3.1.3. 电商企业客户流失的分类 | 第38-39页 |
| 3.2. 电商客户流失预警机制设计 | 第39-40页 |
| 3.3. 本章小结 | 第40-41页 |
| 4. 电商客户流失预警模型的构建与评价 | 第41-57页 |
| 4.1. 流失预警模型的构建流程 | 第41-42页 |
| 4.2. 特征工程的构建 | 第42-45页 |
| 4.2.1. 特征工程的设计原则 | 第42-43页 |
| 4.2.2. 多周期训练数据集的设定 | 第43-44页 |
| 4.2.3. 构建特征工程指标体系 | 第44-45页 |
| 4.3. 数据预处理 | 第45-50页 |
| 4.3.1. 数据收集 | 第45-49页 |
| 4.3.2. 数据描述 | 第49-50页 |
| 4.4. 基于SKLEARN框架随机森林分类器的构建 | 第50-55页 |
| 4.4.1. 参数选择及分类器构建 | 第50-51页 |
| 4.4.2. 模型效果评价 | 第51-54页 |
| 4.4.3. 重要性指标 | 第54-55页 |
| 4.5. 本章小结 | 第55-57页 |
| 5. 电商客户流失预警模型的应用 | 第57-66页 |
| 5.1. KMEANS算法 | 第57-58页 |
| 5.2. 基于RFM模型的客户价值细分 | 第58-61页 |
| 5.2.1. 指标数据标准化 | 第58页 |
| 5.2.2. 聚类结果及预警目标确认 | 第58-61页 |
| 5.3. 电商客户流失挽留策略的设计 | 第61-65页 |
| 5.3.1. 客户流失策略的设计原则 | 第61-62页 |
| 5.3.2. 客户流失挽留策略 | 第62-64页 |
| 5.3.3. 客户的全生命周期管理 | 第64-65页 |
| 5.4. 本章小结 | 第65-66页 |
| 6. 总结与展望 | 第66-68页 |
| 6.1. 全文总结 | 第66-67页 |
| 6.2. 研究展望 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73页 |