| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 概述 | 第9-15页 |
| ·课题的背景与意义 | 第9-10页 |
| ·课题研究目标与意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·论文的研究内容以及论文结构 | 第13-15页 |
| 2 相关关键技术 | 第15-23页 |
| ·电信 CRM | 第15-16页 |
| ·CRM 的分类 | 第16-18页 |
| ·电信客户分类在 CRM 中的作用 | 第17-18页 |
| ·数据挖掘 | 第18-20页 |
| ·数据挖掘的定义 | 第18-19页 |
| ·数据挖掘的任务 | 第19-20页 |
| ·聚类分析 | 第20-23页 |
| ·聚类分析的概念 | 第20-21页 |
| ·聚类分析算法 | 第21-22页 |
| ·聚类分析中的数据类型 | 第22-23页 |
| 3 电信客户分类的分析与设计 | 第23-37页 |
| ·客户分类 | 第23-26页 |
| ·客户分类的概念 | 第23页 |
| ·客户分类的目的 | 第23-24页 |
| ·客户分类的方式 | 第24页 |
| ·客户分类的重要性 | 第24-26页 |
| ·电信客户分类问题及其解决方案 | 第26-29页 |
| ·目前电信业客户分类存在的问题 | 第26-27页 |
| ·电信客户分类解决方案 | 第27-29页 |
| ·客户分类流程设计 | 第29-37页 |
| ·数据挖掘的对象 | 第31-32页 |
| ·数据挖掘的过程 | 第32-33页 |
| ·基于数据挖掘的客户分类流程 | 第33-37页 |
| 4 电信客户分类建模及算法研究 | 第37-52页 |
| ·分类模型的建立 | 第37-46页 |
| ·数据的抽取 | 第37-38页 |
| ·分类变量及分群设计 | 第38-41页 |
| ·分类变量选择 | 第41页 |
| ·数据的清洗 | 第41-46页 |
| ·算法研究 | 第46-52页 |
| ·K-means 算法 | 第46-47页 |
| ·算法的优化 | 第47-52页 |
| 5 电信客户分类实现与应用 | 第52-64页 |
| ·客户分类模型的应用 | 第52-60页 |
| ·SPSS Clementine 7.0 软件简介 | 第52页 |
| ·客户分类模型应用 | 第52-59页 |
| ·模型评估 | 第59-60页 |
| ·结果分析及策略制定 | 第60-64页 |
| ·客户分类数据的生成与梳理 | 第61页 |
| ·短信高使用率群的分析 | 第61页 |
| ·制定推广计划 | 第61-63页 |
| ·资费设计 | 第63-64页 |
| 总结与展望 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间发表的学术论文目录 | 第68-71页 |
| 附件 | 第71页 |