| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 本论文选题的背景和意义 | 第10-12页 |
| 1.1.1 选题背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 研究方法 | 第12-13页 |
| 1.3 研究内容与主要创新点 | 第13-15页 |
| 1.3.1 研究内容与框架结构 | 第13页 |
| 1.3.2 本文的主要创新点 | 第13-15页 |
| 第2章 相关概念与理论综述 | 第15-21页 |
| 2.1 客户价值理论概述 | 第15-17页 |
| 2.1.1 客户感知价值 | 第15-16页 |
| 2.1.2 企业感知价值 | 第16-17页 |
| 2.2 RFM模型在客户细分中的应用 | 第17-21页 |
| 2.2.1 客户细分概述 | 第17-18页 |
| 2.2.2 基于RFM模型的客户细分 | 第18-21页 |
| 第3章 基于网约车平台客户RFM模型改进研究 | 第21-33页 |
| 3.1 模型设计思路 | 第21-26页 |
| 3.1.1 传统RFM模型计算网约车客户价值时存在的缺陷 | 第21-22页 |
| 3.1.2 基于改进RFM模型的网约车客户价值计算 | 第22-24页 |
| 3.1.3 基于改进RFMS模型的网约车客户价值细分 | 第24-26页 |
| 3.2 网约车客户价值细分模型构建 | 第26-33页 |
| 3.2.1 数据收集与预处理 | 第27-29页 |
| 3.2.2 K-means聚类算法 | 第29页 |
| 3.2.3 RFMS模型指标权重的确定 | 第29-32页 |
| 3.2.4 网约车客户价值分层与计算 | 第32-33页 |
| 第4章 基于改进RFM模型的网约车客户细分与价值计算 | 第33-52页 |
| 4.1 数据准备 | 第33-35页 |
| 4.1.1 数据统计 | 第33页 |
| 4.1.2 数据预处理 | 第33-35页 |
| 4.2 数据统计描述 | 第35-37页 |
| 4.3 RFMS指标权重的计算 | 第37-39页 |
| 4.4 基于聚类算法的网约车客户RFMS细分 | 第39-50页 |
| 4.4.1 网约车客户的RFM聚类以及细分 | 第39-40页 |
| 4.4.2 网约车细分客户群体的属性与行为分析 | 第40-48页 |
| 4.4.3 客户的RFMS细分 | 第48-50页 |
| 4.5 客户价值计算以及与细分结果的交叉验证 | 第50-52页 |
| 第5章 结论与展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57页 |
