大数据背景下商业银行精准营销的设计与应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第15-27页 |
| 1.1 研究背景 | 第15-20页 |
| 1.1.1 宏观、中观及微观背景 | 第15-17页 |
| 1.1.2 问题的提出 | 第17-18页 |
| 1.1.3 发展的趋势 | 第18-20页 |
| 1.2 研究目的与意义 | 第20-22页 |
| 1.2.1 研究目的 | 第20-21页 |
| 1.2.2 研究意义 | 第21-22页 |
| 1.3 研究框架 | 第22-23页 |
| 1.4 研究方法 | 第23-24页 |
| 1.5 论文可行性 | 第24页 |
| 1.6 技术路线 | 第24-25页 |
| 1.7 论文创新性 | 第25-27页 |
| 第二章 相关概念与文献综述 | 第27-40页 |
| 2.1 精准营销的国内外文献综述与评析 | 第27-28页 |
| 2.1.1 精准营销的国外文献综述 | 第27页 |
| 2.1.2 精准营销的国内文献综述 | 第27页 |
| 2.1.3 国内外学术研究的不足 | 第27-28页 |
| 2.2 大数据背景下的精准营销 | 第28-32页 |
| 2.2.1 大数据与精准营销的相关概念 | 第28-30页 |
| 2.2.2 传统营销与精准营销的比较 | 第30-31页 |
| 2.2.3 大数据驱动的精准营销 | 第31-32页 |
| 2.3 客户画像 | 第32-34页 |
| 2.3.1 客户画像与其构建思路 | 第32-33页 |
| 2.3.2 客户画像驱动的精准营销 | 第33-34页 |
| 2.4 个性化推荐 | 第34-37页 |
| 2.4.1 个性化推荐与其算法 | 第34-36页 |
| 2.4.2 个性化推荐驱动的精准营销 | 第36-37页 |
| 2.5 客户价值 | 第37-39页 |
| 2.5.1 客户价值分类 | 第37页 |
| 2.5.2 精准营销与客户价值提升 | 第37-39页 |
| 2.6 本章小结 | 第39-40页 |
| 第三章 商业银行精准营销总体架构 | 第40-55页 |
| 3.1 银行营销决策支持系统 | 第40-41页 |
| 3.2 数据采集系统架构 | 第41-47页 |
| 3.2.1 网点数据采集流程 | 第41-43页 |
| 3.2.2 个人渠道数据采集流程 | 第43-44页 |
| 3.2.3 数据构建 | 第44-47页 |
| 3.2.4 数据的逻辑模型与维表分析 | 第47页 |
| 3.3 客户画像的架构 | 第47-50页 |
| 3.3.1 基于需求的客户画像架构 | 第47-48页 |
| 3.3.2 基于客群的客户画像架构 | 第48-50页 |
| 3.4 推荐系统架构 | 第50-53页 |
| 3.4.1 基于显性的推荐系统 | 第50-52页 |
| 3.4.2 基于隐性的推荐系统 | 第52-53页 |
| 3.5 精准营销逻辑架构 | 第53-54页 |
| 3.6 本章小结 | 第54-55页 |
| 第四章 商业银行客户画像的精准构建与生成 | 第55-75页 |
| 4.1 客户画像及其构建方法 | 第55-61页 |
| 4.1.1 客户画像构建原则 | 第55页 |
| 4.1.2 客户画像的数据来源 | 第55-57页 |
| 4.1.3 客户画像构建的基础分类 | 第57-59页 |
| 4.1.4 客户画像标识及标签层级设计 | 第59-60页 |
| 4.1.5 客户画像的计算引擎 | 第60-61页 |
| 4.2 商业银行客户画像的全景图构建 | 第61页 |
| 4.3 基于神经网络的客户画像生成实验案例 | 第61-74页 |
| 4.3.1 G银行的目标 | 第61-62页 |
| 4.3.2 基于神经网络的算法 | 第62-66页 |
| 4.3.3 训练样本数据 | 第66-68页 |
| 4.3.4 训练样本数据预处理 | 第68-69页 |
| 4.3.5 模型构建 | 第69-71页 |
| 4.3.6 模型评价 | 第71-74页 |
| 4.4 本章小结 | 第74-75页 |
| 第五章 商业银行的产品个性化推荐 | 第75-90页 |
| 5.1 协同过滤推荐面临的挑战及对策 | 第75-77页 |
| 5.1.1 数据稀疏 | 第75-76页 |
| 5.1.2 冷启动 | 第76页 |
| 5.1.3 实时性与多样性 | 第76-77页 |
| 5.2 基于客户聚类的协同过滤推荐 | 第77-80页 |
| 5.2.1 基于客户聚类的协同过滤推荐计算 | 第77-80页 |
| 5.2.2 混合推荐方法及流程 | 第80页 |
| 5.3 基于客户基础特征与历史购买数据的精准推荐 | 第80-83页 |
| 5.3.1 数据准备 | 第80-81页 |
| 5.3.2 数据预处理 | 第81页 |
| 5.3.3 算法流程 | 第81-83页 |
| 5.3.4 算法流程改进 | 第83页 |
| 5.4 算法对比实验及评价标准 | 第83-88页 |
| 5.4.1 算法对比实验 | 第83-85页 |
| 5.4.2 算法评价标准 | 第85-88页 |
| 5.5 本章小结 | 第88-90页 |
| 第六章 精准营销效果评估指标与客户价值 | 第90-114页 |
| 6.1 精准营销的效果评价指标体系构建的原则 | 第90-91页 |
| 6.1.1 普遍性 | 第90页 |
| 6.1.2 科学性 | 第90页 |
| 6.1.3 逻辑性 | 第90页 |
| 6.1.4 可量性 | 第90-91页 |
| 6.2 精准营销效果评价指标体系的构建 | 第91-97页 |
| 6.2.1 个性化推荐引起注意阶段 | 第91-92页 |
| 6.2.2 内容推荐激发兴趣阶段 | 第92-93页 |
| 6.2.3 产品搜索阶段 | 第93页 |
| 6.2.4 购买行动阶段 | 第93-94页 |
| 6.2.5 信息分享阶段 | 第94-95页 |
| 6.2.6 熵值法的指标权重 | 第95-97页 |
| 6.3 精准营销提升五大客户价值效果图 | 第97-105页 |
| 6.3.1 新客户导入价值 | 第99-100页 |
| 6.3.2 潜在客户挖掘价值 | 第100-101页 |
| 6.3.3 竞争对手客户转移价值 | 第101-102页 |
| 6.3.4 老客户保留价值 | 第102-103页 |
| 6.3.5 流失客户挽留价值 | 第103-104页 |
| 6.3.6 可行性与可靠性 | 第104-105页 |
| 6.4 应用场景的设计 | 第105-113页 |
| 6.4.1 产品投放与产品推荐问答自动化 | 第105-107页 |
| 6.4.2 个性化需求推荐自动化 | 第107-108页 |
| 6.4.3 产品销售管理的规划应用 | 第108-110页 |
| 6.4.4 五种客户价值的应用模块 | 第110-113页 |
| 6.5 本章小结 | 第113-114页 |
| 总结与展望 | 第114-119页 |
| 研究总结 | 第114-116页 |
| 研究展望 | 第116-119页 |
| 参考文献 | 第119-133页 |
| 附录 | 第133-137页 |
| 攻读博士学位期间取得的研究成果 | 第137-138页 |
| 致谢 | 第138-139页 |
| 附件 | 第139页 |
