| 摘要 | 第1-6页 |
| ABSTRACT | 第6-16页 |
| 第一章 绪论 | 第16-23页 |
| ·问题的研究背景 | 第16-18页 |
| ·我国零售业特别是大型超市行业面临的问题 | 第16页 |
| ·数据挖掘技术对提升零售业竞争能力的作用 | 第16-17页 |
| ·客户特征分析对零售业提高竞争力的重要作用 | 第17-18页 |
| ·国内外文献综述 | 第18-19页 |
| ·客户细分方法的现状 | 第18页 |
| ·客户特征分析研究现状 | 第18-19页 |
| ·本研究课题的主要研究内容 | 第19-23页 |
| ·研究内容 | 第19-20页 |
| ·研究思路 | 第20-22页 |
| ·论文创新点 | 第22-23页 |
| 第二章.零售超市的特点研究 | 第23-28页 |
| ·零售超市的行业特点 | 第23-24页 |
| ·零售超市的商品结构 | 第23页 |
| ·零售超市的销售策略: | 第23-24页 |
| ·零售超市的销售方式: | 第24页 |
| ·由行业特点决定的超级市场的数据特点 | 第24-28页 |
| 第三章.客户细分的智能分析方法 | 第28-48页 |
| ·智能分析方法:数据挖掘 | 第28-31页 |
| ·数据挖掘的发展 | 第28-30页 |
| ·数据挖掘的主要任务 | 第30-31页 |
| ·智能化分析的实施过程 | 第31-33页 |
| ·商业理解 | 第31-32页 |
| ·数据理解 | 第32页 |
| ·建立模型 | 第32页 |
| ·模型评估 | 第32页 |
| ·模型发布 | 第32-33页 |
| ·数据挖掘在CRM中的应用 | 第33-35页 |
| ·客户细分 | 第34页 |
| ·客户获得 | 第34页 |
| ·客户保持 | 第34-35页 |
| ·数据挖掘在零售业客户关系管理中的应用 | 第35-38页 |
| ·概念模型 | 第35-36页 |
| ·基于数据挖掘的数据仓库的设计与构造 | 第36页 |
| ·销售、顾客、产品、时间和地区的多维分析 | 第36-37页 |
| ·促销活动的有效性分析 | 第37页 |
| ·顾客保持力-顾客忠诚分析 | 第37页 |
| ·购买推荐和商品参照 | 第37页 |
| ·结合客户数据资源的营销整合应用 | 第37-38页 |
| ·聚类挖掘模型 | 第38-43页 |
| ·聚类分析概述 | 第38-39页 |
| ·聚类的概念与应用 | 第39-40页 |
| ·聚类方法分类 | 第40-41页 |
| ·k-means算法简介 | 第41-43页 |
| ·关联规则挖掘模型 | 第43-46页 |
| ·关联规则的基本概念 | 第43-44页 |
| ·关联规则算法 | 第44-46页 |
| ·数据处理的软件 | 第46-48页 |
| ·数据库及数据仓库软件:SQL Server 2005 | 第46页 |
| ·基本统计分析软件:SPSS13.0 | 第46页 |
| ·数据挖掘分析软件:Clementine | 第46-48页 |
| 第四章.超市数据的获取与预处理 | 第48-64页 |
| ·超市原始数据描述 | 第48-49页 |
| ·数据基本情况 | 第48-49页 |
| ·关于数据的初步分析: | 第49页 |
| ·数据预处理的重要性 | 第49-50页 |
| ·数据预处理的过程 | 第50-64页 |
| ·数据的收集和准备 | 第50-51页 |
| ·表的拆分 | 第51-52页 |
| ·数据清洗 | 第52-57页 |
| ·信息提取 | 第57-59页 |
| ·数据集成 | 第59-63页 |
| ·数据变换 | 第63-64页 |
| 第五章.基于消费行为的客户细分模型 | 第64-67页 |
| ·EF模型 | 第64-65页 |
| ·RFM分析 | 第65页 |
| ·客户价值矩阵模型 | 第65-67页 |
| 第六章.根据客户价值矩阵对客户的特征分析 | 第67-87页 |
| ·利用聚类模型实现根据客户价值的客户细分 | 第67-78页 |
| ·划分的目的 | 第67页 |
| ·根据"客户价值矩阵模型"进行聚类 | 第67-72页 |
| ·聚类模型评价及比较 | 第72-76页 |
| ·聚类划分的效果 | 第76-78页 |
| ·利用关联规则对客户价值的细分结果的客户特征分析 | 第78-87页 |
| ·对客户价值细分的商业理解 | 第78页 |
| ·对客户特征的数据理解 | 第78页 |
| ·客户价值细分与客户特征分析的数据准备 | 第78-79页 |
| ·根据客户价值细分建立基于关联规则的客户特征分析模型 | 第79-80页 |
| ·对关联规则的模型评估 | 第80-81页 |
| ·结果分析与建议 | 第81-87页 |
| 第七章.折扣促销营销活动的智能数据分析 | 第87-93页 |
| ·利用数理统计方法对客户折扣行为进行分类分析 | 第87-89页 |
| ·分析的目的 | 第87页 |
| ·数据处理过程 | 第87-89页 |
| ·利用关联规则实现对折扣客户的特征分析 | 第89-93页 |
| ·对折扣行为的商业理解 | 第89页 |
| ·对折扣客户特征的数据理解 | 第89页 |
| ·关联规则挖掘的数据准备 | 第89页 |
| ·建立基于关联规则的客户特征分析模型 | 第89-90页 |
| ·对关联规则模型的评估 | 第90页 |
| ·结果分析与建议 | 第90-93页 |
| 结论 | 第93-95页 |
| 本研究的结论 | 第93-94页 |
| 未来研究的展望 | 第94-95页 |
| 参考文献 | 第95-98页 |
| 附录:数据处理结果展现 | 第98-107页 |
| 攻读学位期间发表的学术论文 | 第107-109页 |
| 致谢 | 第109页 |