摘要 | 第1-7页 |
Abstract | 第7-9页 |
目录 | 第9-12页 |
Contents | 第12-14页 |
附表清单 | 第14-16页 |
Bills of Tables | 第16-17页 |
插图清单 | 第17-18页 |
Bills of Figures | 第18-19页 |
第1章 绪论 | 第19-31页 |
·课题来源及研究背景 | 第19-20页 |
·国内外研究综述 | 第20-26页 |
·国内外交叉销售研究综述 | 第20-23页 |
·主要研究成果对比 | 第23-25页 |
·对现有研究的评述 | 第25-26页 |
·研究内容、意义、思路及架构 | 第26-29页 |
·研究内容 | 第26页 |
·研究意义 | 第26-27页 |
·技术路线 | 第27-29页 |
·论文架构 | 第29页 |
·本文主要创新点 | 第29-31页 |
第2章 本文研究相关理论 | 第31-44页 |
·交叉销售的概念 | 第31-32页 |
·交叉销售的定义 | 第31-32页 |
·交叉销售的内涵及意义 | 第32页 |
·交叉销售的理论基础和技术支持 | 第32-35页 |
·交叉销售的主要形式 | 第35-37页 |
·本文研究采用的交叉销售机会识别模型 | 第37-41页 |
·NPTB 模型 | 第37-40页 |
·神经网络模型 | 第40页 |
·K-Means 网络聚类模型 | 第40-41页 |
·数据挖掘常用软件 | 第41-43页 |
·数据挖掘常用软件分类 | 第41页 |
·SPSS Clementine 特点 | 第41页 |
·SPSS Clementine 应用 | 第41-43页 |
·本章小结 | 第43-44页 |
第3章 基于 NPTB 模型的影视网站交叉销售模型构建 | 第44-51页 |
·基于 NPTB 模型的影视网站交叉销售模型构建的影响因素 | 第44-46页 |
·交叉销售在影视网站行业应用的制约因素 | 第44页 |
·影视观众历史观看数据 | 第44-45页 |
·数据质量 | 第45-46页 |
·基于 NPTB 模型的影视网站交叉销售研究方案设计 | 第46-49页 |
·交叉销售产品的确定 | 第46页 |
·确定时间段 | 第46页 |
·统计模型的选取 | 第46-47页 |
·模型检验 | 第47页 |
·研究方案 | 第47-49页 |
·基于 NPTB 模型的影视网站交叉销售模型构建 | 第49-50页 |
·NPTB 模型的变量确定 | 第49-50页 |
·基于 NPTB 模型的影视网站交叉销售模型的实现 | 第50页 |
·本章小结 | 第50-51页 |
第4章 基于 NPTB 模型的影视网站交叉销售实证研究 | 第51-80页 |
·数据来源及数据介绍 | 第51页 |
·数据预处理 | 第51-55页 |
·数据描述 | 第55-66页 |
·观众人口统计变量描述 | 第55-57页 |
·其他特征描述 | 第57-60页 |
·自变量检验 | 第60-66页 |
·神经网络模型的应用 | 第66-69页 |
·组合预测模型的应用 | 第69-72页 |
·组合预测模型的构建 | 第69-70页 |
·组合预测模型的效果及评价 | 第70页 |
·组合预测模型的结果 | 第70-72页 |
·K-Means 网络聚类模型的应用 | 第72-78页 |
·K-Means 网络聚类模型的构建 | 第73-75页 |
·K-Means 网络聚类模型的效果 | 第75-78页 |
·本章小结 | 第78-80页 |
第5章 组合预测模型融入到 NPTB 模型后在影视网站经营管理中的应用 | 第80-84页 |
·构建营销数据库 | 第80-81页 |
·影视网站在构建营销数据库时需考虑的因素 | 第80页 |
·加强数据分析管理实现信息共享 | 第80-81页 |
·交叉销售的分类 | 第81-82页 |
·交叉销售产品分类 | 第82页 |
·交叉销售观众分类 | 第82页 |
·组合预测模型在影视网站经营管理中的应用及其有效性 | 第82-83页 |
·本章小结 | 第83-84页 |
第6章 结论与展望 | 第84-87页 |
·研究结论 | 第84页 |
·研究贡献 | 第84-85页 |
·局限性 | 第85页 |
·未来研究方向 | 第85-87页 |
参考文献 | 第87-91页 |
附录 | 第91-110页 |
攻读硕士学位期间所取得的相关科研成果 | 第110-111页 |
致谢 | 第111-112页 |
详细摘要 | 第112-116页 |