基于数据挖掘的电信用户稳定性营销策略研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究目的、背景及意义 | 第10-16页 |
| 1.1.1 研究目的 | 第10页 |
| 1.1.2 研究背景 | 第10-14页 |
| 1.1.3 研究意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 国外研究现状 | 第16-17页 |
| 1.2.2 国内研究现状 | 第17-18页 |
| 1.3 研究内容与安排结构 | 第18-20页 |
| 第二章 基本理论与方法 | 第20-30页 |
| 2.1 数据挖掘技术的发展现状及未来展望 | 第20-22页 |
| 2.1.1 数据挖掘技术的出现 | 第20-21页 |
| 2.1.2 数据挖掘的定义及步骤 | 第21页 |
| 2.1.3 数据挖掘技术的未来 | 第21-22页 |
| 2.2 常用的数据挖掘技术及方法概述 | 第22-27页 |
| 2.2.1 Logistic回归 | 第23-24页 |
| 2.2.2 决策树 | 第24-26页 |
| 2.2.3 随机森林 | 第26-27页 |
| 2.3 算法选择 | 第27-30页 |
| 第三章 预测模型的建立 | 第30-50页 |
| 3.1 数据说明和软件介绍 | 第30-31页 |
| 3.1.1 数据背景介绍 | 第30页 |
| 3.1.2 本文应用软件介绍 | 第30-31页 |
| 3.2 模型建立过程 | 第31-41页 |
| 3.2.1 变量选取 | 第31-35页 |
| 3.2.2 数据预处理 | 第35-37页 |
| 3.2.3 Logistic回归模型的建立 | 第37-38页 |
| 3.2.4 决策树模型的建立 | 第38-40页 |
| 3.2.5 随机森林模型的建立 | 第40-41页 |
| 3.2.6 模型的评估 | 第41页 |
| 3.3 模型预测结果分析 | 第41-50页 |
| 3.3.1 分指标预测分析 | 第41-47页 |
| 3.3.2 企业现有营销策略的分析 | 第47-50页 |
| 第四章 用户分类与价值挖掘 | 第50-58页 |
| 4.1 K均值算法与用户分类 | 第50页 |
| 4.2 用户分类及特征分析 | 第50-54页 |
| 4.2.1 用户的分类及稳定性打分 | 第50-52页 |
| 4.2.2 用户的特征分析 | 第52-54页 |
| 4.3 用户价值及需求挖掘 | 第54-58页 |
| 第五章 企业营销策略建议 | 第58-66页 |
| 5.1 营销组合的设计与实施 | 第58-63页 |
| 5.2 企业营销建议 | 第63-64页 |
| 5.3 总结与思考 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 附录：攻读学位期间发表论文 | 第72页 |
