首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

智能化零售业客户特征分析研究

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

论文共109页,点击 下载论文
上一篇:“长安画派”及其影响力研究
下一篇:骨癌通泰方对恶性骨肿瘤化疗减毒增效作用研究