| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景、意义 | 第10-13页 |
| 1.1.1 企业营销资源分类与特征 | 第10-11页 |
| 1.1.2 营销资源分配的国内外现状 | 第11-13页 |
| 1.2 主要研究内容 | 第13页 |
| 1.3 论文框架 | 第13-15页 |
| 第二章 相关技术和理论的介绍 | 第15-23页 |
| 2.1 数据分析与挖掘 | 第15-18页 |
| 2.1.1 数据挖掘定义 | 第15页 |
| 2.1.2 数据挖掘处理过程 | 第15-18页 |
| 2.2 数据挖掘相关技术介绍 | 第18-21页 |
| 2.2.1 聚类算法 | 第18-20页 |
| 2.2.2 决策树 | 第20页 |
| 2.2.3 人工神经网络 | 第20-21页 |
| 2.3 数据分析步骤 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 市场海量数据的采集和处理 | 第23-33页 |
| 3.1 引言 | 第23页 |
| 3.2 海量数据的采集 | 第23-27页 |
| 3.2.1 数据来源 | 第23-26页 |
| 3.2.2 数据采集方法 | 第26页 |
| 3.2.3 数据规范化 | 第26-27页 |
| 3.3 海量数据的处理 | 第27-28页 |
| 3.4 数据同步加工后台 | 第28-33页 |
| 3.4.1 数据接收 | 第28-29页 |
| 3.4.2 数据处理 | 第29-31页 |
| 3.4.3 数据服务提供 | 第31-33页 |
| 第四章 企业营销资源分配 | 第33-50页 |
| 4.1 决策变量的提取 | 第33-37页 |
| 4.1.1 随机森林的原理 | 第33-34页 |
| 4.1.2 随机森林用于提取决策变量 | 第34-37页 |
| 4.2 基于聚类算法的市场细分 | 第37-42页 |
| 4.2.1 数据规范化处理 | 第37-38页 |
| 4.2.2 构建基于层次聚类和k-means算法的客户聚类 | 第38-42页 |
| 4.3 资源分配模型 | 第42-50页 |
| 4.3.1 市场值函数 | 第42-43页 |
| 4.3.2 效用函数设计 | 第43-44页 |
| 4.3.3 属性权值的计算 | 第44页 |
| 4.3.4 营销资源配置模型 | 第44-50页 |
| 第五章 销量预测对于营销资源分配修正与验证 | 第50-64页 |
| 5.1 引言 | 第50页 |
| 5.2 回归分析 | 第50-53页 |
| 5.2.1 多元线性回归分析算法描述 | 第51页 |
| 5.2.2 回归分析算法在销售预测中的应用 | 第51-53页 |
| 5.3 时间序列概述 | 第53-58页 |
| 5.3.1 时间序列分析 | 第53-54页 |
| 5.3.2 时间序列因素分析 | 第54-55页 |
| 5.3.3 移动平均法 | 第55页 |
| 5.3.4 指数平滑法 | 第55-56页 |
| 5.3.5 AR模型算法在销售预测中的应用 | 第56-58页 |
| 5.4 神经网络分析 | 第58-62页 |
| 5.4.1 BP神经网络算法描述 | 第58-60页 |
| 5.4.2 BP神经网络在销售预测中的应用 | 第60-62页 |
| 5.5 营销资源配置模型系数修正 | 第62页 |
| 5.6 本章小结 | 第62-64页 |
| 第六章 企业营销资源集成平台的实现 | 第64-70页 |
| 6.1 平台架构 | 第64-65页 |
| 6.2 数据整合：数据标准规范化 | 第65页 |
| 6.3 数据交换的实现 | 第65-66页 |
| 6.4 数据库和数据仓库设计 | 第66-67页 |
| 6.5 系统模块设计 | 第67-70页 |
| 第七章 总结与展望 | 第70-72页 |
| 7.1 研究总结 | 第70-71页 |
| 7.2 展望未来 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间的研究成果 | 第77页 |