基于BP算法的客户关系管理能力的评估方法
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 CRM相关理论和研究现状 | 第10-13页 |
| 1.2.1 定义与内涵 | 第10页 |
| 1.2.2 国内外的研究现状 | 第10-13页 |
| 1.3 客户关系管理能力的分析框架 | 第13-15页 |
| 1.3.1 NCR分析框架 | 第13页 |
| 1.3.2 埃森哲分析框架 | 第13-14页 |
| 1.3.3 Buttle分析框架 | 第14-15页 |
| 1.4 论文主要内容 | 第15-16页 |
| 2 客户关系管理能力监测 | 第16-34页 |
| 2.1 评价指标的选择 | 第16-27页 |
| 2.1.1 客户互动 | 第17-18页 |
| 2.1.2 客户知识 | 第18-21页 |
| 2.1.3 客户满意 | 第21-24页 |
| 2.1.4 客户价值 | 第24-27页 |
| 2.2 CRMC决策表 | 第27-32页 |
| 2.2.1 变异系数 | 第27-28页 |
| 2.2.2 各指标权重计算 | 第28-30页 |
| 2.2.3 标准化 | 第30-31页 |
| 2.2.4 决策属性计算 | 第31-32页 |
| 2.3 本章小结 | 第32-34页 |
| 3 粗糙集数据预处理 | 第34-49页 |
| 3.1 粗糙集理论 | 第34-37页 |
| 3.2 连续属性离散化 | 第37-41页 |
| 3.2.1 常用的离散化方法 | 第37-38页 |
| 3.2.2 离散化问题的描述 | 第38-39页 |
| 3.2.3 离散化问题的分类分析 | 第39页 |
| 3.2.4 基于粗糙集的离散化 | 第39-41页 |
| 3.3 粗糙集属性约简 | 第41-48页 |
| 3.3.1 知识约简中的基础概念 | 第41-42页 |
| 3.3.2 常用的属性约简方法 | 第42-44页 |
| 3.3.3 核属性的计算 | 第44-46页 |
| 3.3.4 基于粗糙集的属性约简 | 第46-48页 |
| 3.4 本章小结 | 第48-49页 |
| 4 BP神经网络 | 第49-64页 |
| 4.1 人工神经网络的概述 | 第49-50页 |
| 4.2 BP神经网络 | 第50-56页 |
| 4.2.1 BP神经网络的结构 | 第50-52页 |
| 4.2.2 BP神经网络的原理 | 第52-56页 |
| 4.2.3 BP神经网络的不足和改进 | 第56页 |
| 4.3 BP神经网络的评价功能的实现与验证 | 第56-62页 |
| 4.3.1 网络模型的建立 | 第56-57页 |
| 4.3.2 网络学习 | 第57-61页 |
| 4.3.3 网络验证与结果分析 | 第61-62页 |
| 4.4 本章小结 | 第62-64页 |
| 5 客户关系管理系统的实现 | 第64-80页 |
| 5.1 系统整体架构 | 第64-65页 |
| 5.2 关键技术研究 | 第65-66页 |
| 5.3 功能实现 | 第66-73页 |
| 5.3.1 系统流程图 | 第66-67页 |
| 5.3.2 客户关系管理系统功能实现 | 第67-69页 |
| 5.3.3 数据库设计 | 第69-73页 |
| 5.4 运行实例 | 第73-79页 |
| 5.4.1 市场管理模块 | 第73-76页 |
| 5.4.2 营销管理模块 | 第76-78页 |
| 5.4.3 服务管理模块 | 第78-79页 |
| 5.5 本章小结 | 第79-80页 |
| 结论 | 第80-82页 |
| 参考文献 | 第82-85页 |
| 攻读硕士学位期间发表学术论文情况 | 第85-86页 |
| 致谢 | 第86-87页 |
