数据挖掘在客户关系管理综合决策中的应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究背景及意义 | 第9-10页 |
| ·数据挖掘国内外研究现状 | 第10-12页 |
| ·数据挖掘国外研究现状 | 第10-12页 |
| ·数据挖掘国内研究现状 | 第12页 |
| ·CRM国内外发展状况 | 第12-13页 |
| ·国外发展情况 | 第12-13页 |
| ·国内发展情况 | 第13页 |
| ·面临的问题和研究的内容 | 第13-14页 |
| ·本文结构 | 第14-16页 |
| 第二章 客户关系管理基本理论 | 第16-21页 |
| ·客户关系管理的基本概念 | 第16-17页 |
| ·客户关系管理的定义 | 第16-17页 |
| ·客户关系管理 CRM的主要特征 | 第17-19页 |
| ·客户关系管理的意义 | 第19-21页 |
| ·在新时代保持企业的利润 | 第19-20页 |
| ·保持企业的判断能力 | 第20-21页 |
| 第三章 数据挖掘分类技术 | 第21-31页 |
| ·决策树分类技术 | 第21-26页 |
| ·决策树概述 | 第21-22页 |
| ·决策树算法的基本思想 | 第22页 |
| ·决策树的生成 | 第22-23页 |
| ·决策属性的选择方法 | 第23-24页 |
| ·决策树的修剪 | 第24-25页 |
| ·经典决策树算法ID3算法 | 第25-26页 |
| ·神经网络分类技术 | 第26-31页 |
| ·神经网络模型概述 | 第26-27页 |
| ·神经网络的分类和特点 | 第27页 |
| ·经典神经网络 BP神经网络 | 第27-31页 |
| 第四章 客户关系管理综合决策模型设计 | 第31-71页 |
| ·客户流失预警模块设计 | 第31-49页 |
| ·客户流失分类 | 第31-32页 |
| ·客户流失预警的意义 | 第32-33页 |
| ·建立客户流失模型—属性选择 | 第33-34页 |
| ·数据准备 | 第34-36页 |
| ·数据预处理 | 第36-39页 |
| ·构建决策树 | 第39-42页 |
| ·决策树模型结果与评估 | 第42-44页 |
| ·构建 BP神经网络 | 第44-46页 |
| ·BP神经网络模型结果与评估 | 第46-47页 |
| ·结果分析及模型比较 | 第47-49页 |
| ·潜在客户发现模型设计 | 第49-60页 |
| ·属性选择 | 第49-50页 |
| ·数据准备 | 第50-51页 |
| ·数据预处理 | 第51-53页 |
| ·构建决策树 | 第53-55页 |
| ·决策树模型结果与评估 | 第55-56页 |
| ·构建 BP神经网络 | 第56页 |
| ·BP神经网络模型结果与评估 | 第56-57页 |
| ·结果分析及模型比较 | 第57-60页 |
| ·客户等级评价模型设计 | 第60-71页 |
| ·属性选择 | 第60-61页 |
| ·数据准备 | 第61-62页 |
| ·数据预处理 | 第62-63页 |
| ·构建决策树 | 第63-65页 |
| ·决策树模型结果与评估 | 第65-66页 |
| ·构建 BP神经网络 | 第66页 |
| ·BP神经网络模型结果与评估 | 第66-68页 |
| ·结果分析及模型比较 | 第68-71页 |
| 第五章 客户关系管理综合决策模型实现 | 第71-76页 |
| ·客户关系管理系统 | 第71-75页 |
| ·客户流失预警 | 第72-73页 |
| ·潜在客户发现 | 第73-74页 |
| ·客户等级评价 | 第74-75页 |
| ·客户关系管理应用效果展示 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| ·论文主要工作概述 | 第76页 |
| ·进一步的工作 | 第76-78页 |
| 参考文献 | 第78-80页 |
| 致谢 | 第80-81页 |
| 作者攻读学位期间发表的学术论文目录 | 第81页 |
