数据挖掘在客户关系管理中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·论文研究的背景和意义 | 第8-10页 |
| ·论文主要研究内容与基本框架 | 第10页 |
| ·论文研究思路与创新点 | 第10-12页 |
| 第二章 国内外研究现状 | 第12-22页 |
| ·国外研究现状 | 第12-16页 |
| ·客户关系管理理论研究现状 | 第12-14页 |
| ·CRM 及数据挖掘应用研究现状 | 第14-16页 |
| ·国内研究现状 | 第16-19页 |
| ·客户关系管理理论研究现状 | 第16-18页 |
| ·CRM 及数据挖掘应用研究现状 | 第18-19页 |
| ·存在问题分析 | 第19-20页 |
| ·CRM 的流行模式及发展趋势 | 第20-22页 |
| 第三章 分析型CRM 在零售业的应用 | 第22-37页 |
| ·客户关系管理介绍 | 第22-25页 |
| ·客户关系管理的核心思想 | 第22页 |
| ·CRM 系统 | 第22-25页 |
| ·CRM 系统基本功能 | 第22-24页 |
| ·CRM 系统特点 | 第24-25页 |
| ·数据挖掘综述 | 第25-30页 |
| ·数据挖掘过程 | 第25-27页 |
| ·数据源的类型 | 第27-28页 |
| ·数据挖掘的知识类型 | 第28-30页 |
| ·分析型CRM 在零售业的应用 | 第30-36页 |
| ·零售业发展现状与经营特点 | 第30-31页 |
| ·零售业分析型CRM 的实现框架 | 第31-33页 |
| ·零售业客户数据仓库构建 | 第33-35页 |
| ·主题/维度分析 | 第33-34页 |
| ·事实表－维表数据模型设计 | 第34-35页 |
| ·客户数据的采集 | 第35页 |
| ·数据挖掘在零售业CRM中的主要应用 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于聚类和决策树的客户细分研究 | 第37-47页 |
| ·基于购买行为的客户细分方法 | 第37-38页 |
| ·RFM 分析 | 第37页 |
| ·客户价值矩阵分析 | 第37-38页 |
| ·聚类分析 | 第38-40页 |
| ·聚类分析中的数据结构及相异度的计算方法 | 第38-40页 |
| ·k-means 算法 | 第40页 |
| ·决策树技术 | 第40-44页 |
| ·基本原理 | 第40-41页 |
| ·ID3 算法分析 | 第41-43页 |
| ·C4.5 对ID3 的改进 | 第43-44页 |
| ·客户细分模型的建立与分析 | 第44-46页 |
| ·问题描述与数据准备 | 第44-45页 |
| ·挖掘实施 | 第45页 |
| ·结果分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 客户行为分析中的数据挖掘建模研究 | 第47-66页 |
| ·交叉销售中的关联规则挖掘 | 第47-59页 |
| ·关联规则挖掘原理与算法 | 第47-50页 |
| ·基于约束的关联规则挖掘及应用 | 第50-53页 |
| ·过滤事务数据库 | 第50-51页 |
| ·一种前件固定后件受约束的关联规则 | 第51-53页 |
| ·数值关联规则挖掘及其应用 | 第53-59页 |
| ·数值关联规则挖掘任务定义 | 第53-54页 |
| ·数值属性值域的划分方法 | 第54-57页 |
| ·频繁项集的发现及关联规则挖掘应用 | 第57-59页 |
| ·客户流失分析的神经网络模型 | 第59-65页 |
| ·多层前馈神经网络原理 | 第59-60页 |
| ·数据预处理 | 第60-61页 |
| ·BP 算法 | 第61-62页 |
| ·应用实例 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 附录 | 第71-76页 |
| 在学期间发表的论文 | 第76页 |
