| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 引言 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 文献综述 | 第12-15页 |
| 1.2.1 个人客户关系管理的定义 | 第12-13页 |
| 1.2.2 关系营销理论 | 第13-14页 |
| 1.2.3 数据库营销理论 | 第14页 |
| 1.2.4 互联网金融理论 | 第14-15页 |
| 1.3 研究方法 | 第15-16页 |
| 1.3.1 聚类分析 | 第15页 |
| 1.3.2 关联分析 | 第15页 |
| 1.3.3 RFM模型 | 第15-16页 |
| 1.4 论文结构安排 | 第16-17页 |
| 第2章 商业银行个人客户管理现状及问题 | 第17-23页 |
| 2.1 商业银行个人客户管理的现状 | 第17-18页 |
| 2.1.1 商业银行个人客户关系管理的主要维度 | 第17页 |
| 2.1.2 商业银行个人客户关系管理的主要流程 | 第17-18页 |
| 2.2 商业银行个人客户管理存在的问题 | 第18-20页 |
| 2.2.1 数据标准化成为大数据首要解决的问题 | 第18-19页 |
| 2.2.2 对客户的分类维度还比较单一 | 第19页 |
| 2.2.3 高端客户并未带来高价值 | 第19页 |
| 2.2.4 潜藏高价值客户被忽视 | 第19-20页 |
| 2.3 互联网金融对商业银行个人客户关系管理的挑战 | 第20-23页 |
| 2.3.1 互联网金融公司积极利用自身平台侵蚀银行客户 | 第21页 |
| 2.3.2 互联网金融利用大数据产品冲击银行业各类个人客户业务 | 第21-22页 |
| 2.3.3 互联网金融对银行形成客户交易数据壁垒 | 第22-23页 |
| 第3章 以交易信息为核心分析客户行为 | 第23-33页 |
| 3.1 交易信息在个人客户关系管理中的价值 | 第23-24页 |
| 3.1.1 利用交易信息加强客户关系管理的必要性 | 第23-24页 |
| 3.1.2 利用交易信息加强客户管理的有利条件 | 第24页 |
| 3.2 利用交易信息进行客户维度管理 | 第24-26页 |
| 3.2.1 收集基础数据 | 第24-25页 |
| 3.2.2 设置聚类分析标签 | 第25页 |
| 3.2.3 设置产品购买行为标签 | 第25-26页 |
| 3.2.4 客户群体总体特征 | 第26页 |
| 3.3 利用交易信息进行客户群体聚类分析 | 第26-29页 |
| 3.3.1 "服务尊享"和"优质教育"聚类群体特点 | 第26-27页 |
| 3.3.2 "城市新贵"和"理财达人"聚类群体特点 | 第27-28页 |
| 3.3.3 "乐享一族"和"互联平民"聚类群体特点 | 第28-29页 |
| 3.3.4 "便利缴费"和"勤俭持家"聚类群体特点 | 第29页 |
| 3.4 重点营销客群的产品营销策略 | 第29-33页 |
| 3.4.1 "服务尊享"客群 | 第29-30页 |
| 3.4.2 "优质教育"客群 | 第30-31页 |
| 3.4.3 "理财达人"客群 | 第31页 |
| 3.4.4 "城市新贵"客群 | 第31-33页 |
| 第4章 商业银行个人客户管理的改进建议 | 第33-39页 |
| 4.1 建立企业级数据库作为个人客户管理的数据基础 | 第33-34页 |
| 4.1.1 整合建立统一数据分析平台 | 第33页 |
| 4.1.2 积极引入外部数据完善数据库 | 第33-34页 |
| 4.2 利用大数据技术加强基于客户行为分析 | 第34-35页 |
| 4.2.1 构建多维度的客户分析属性 | 第34页 |
| 4.2.2 结合业务需求对客户进行大数据分析 | 第34-35页 |
| 4.3 配合数据分析改进以客户为中心的管理流程和机制 | 第35-36页 |
| 4.3.1 完善精细化的客户分层管理体系 | 第35-36页 |
| 4.3.2 完善客户关系管理的配套机制 | 第36页 |
| 4.3.3 加大对基层机构的营销工作的支持辅助 | 第36页 |
| 4.4 与互联网企业开展战略性合作实现信息互补 | 第36-39页 |
| 4.4.1 推进移动优先战略 | 第37页 |
| 4.4.2 开展跨界合作 | 第37-39页 |
| 第5章 结论 | 第39-40页 |
| 参考文献 | 第40-41页 |
| 致谢 | 第41-42页 |
| 个人简历在读期间发表的学术论文与研究成果 | 第42页 |
