| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究的背景和意义 | 第8-9页 |
| ·客户细分的国内外研究现状 | 第9-12页 |
| ·客户细分指标选择的研究 | 第10-11页 |
| ·客户细分方法的研究 | 第11-12页 |
| ·论文的主要内容与结构安排 | 第12-14页 |
| 第二章 客户细分和数据挖掘相关理论 | 第14-24页 |
| ·客户细分基本原理 | 第14-15页 |
| ·客户细分的概念 | 第14页 |
| ·客户细分的步骤 | 第14-15页 |
| ·数据挖掘基本原理 | 第15-23页 |
| ·数据挖掘的概念 | 第15页 |
| ·数据挖掘的步骤 | 第15-17页 |
| ·数据挖掘的功能 | 第17-18页 |
| ·数据挖掘中客户细分的方法 | 第18-22页 |
| ·客户细分方法比较 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 客户细分指标体系的构建 | 第24-31页 |
| ·指标体系构建的步骤 | 第24页 |
| ·指标选择的原则 | 第24-25页 |
| ·客户细分指标的分析思路 | 第25-28页 |
| ·基于客户价值细分指标体系的设计 | 第25-27页 |
| ·基于客户忠诚度细分指标体系的设计 | 第27-28页 |
| ·基于客户价值与客户忠诚度的物流客户细分指标体系建立 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基于数据挖掘的客户细分模型框架构建 | 第31-46页 |
| ·数据预处理 | 第31-41页 |
| ·主成分分析法(Principal Component Analysis, PCA) | 第32-33页 |
| ·粗糙集(Rough Set, RS)理论 | 第33-38页 |
| ·基于 Rough-PCA 相结合的属性约简方法 | 第38-41页 |
| ·客户细分模型的确立 | 第41-44页 |
| ·K-means 算法的核心步骤 | 第42-44页 |
| ·K-means 算法流程 | 第44页 |
| ·客户细分模型的框架结构设计 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 实例验证 | 第46-55页 |
| ·描述 HK 物流企业的现状 | 第46页 |
| ·数据预处理 | 第46-52页 |
| ·数据准备 | 第46-47页 |
| ·属性约简 | 第47-52页 |
| ·基于 K-means 算法的客户细分 | 第52-53页 |
| ·结果分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| ·全文总结 | 第55页 |
| ·不足与展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 在学期间发表的论著及取得的科研成果 | 第62页 |