数据挖掘技术在电信企业存量经营中的应用
| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 研究现状及发展趋势 | 第8-10页 |
| 1.3 研究内容及论文结构 | 第10-12页 |
| 第二章 数据挖掘理论及工具 | 第12-21页 |
| 2.1 数据挖掘理论 | 第12-14页 |
| 2.1.1 数据挖掘概述 | 第12页 |
| 2.1.2 数据挖掘流程 | 第12-14页 |
| 2.2 数据挖掘方法和技术 | 第14-19页 |
| 2.2.1 聚类分析 | 第14-15页 |
| 2.2.2 决策树 | 第15-17页 |
| 2.2.3 人工神经网络 | 第17-19页 |
| 2.2.4 关联分析 | 第19页 |
| 2.3 SPSS Modeler简介 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 基于聚类分析的客户细分模型建立与评估 | 第21-39页 |
| 3.1 基于聚类分析的电信客户细分 | 第21-22页 |
| 3.1.1 客户细分概念及方法 | 第21页 |
| 3.1.2 电信客户划分 | 第21-22页 |
| 3.2 客户细分模型数据准备 | 第22-24页 |
| 3.2.1 数据维度及样本量的确定 | 第22-23页 |
| 3.2.2 数据提取 | 第23-24页 |
| 3.3 客户细分模型建立 | 第24-29页 |
| 3.4 客户细分模型评估 | 第29-38页 |
| 3.4.1 建立决策树 | 第29-33页 |
| 3.4.2 通过关联分析验证聚类 | 第33-35页 |
| 3.4.3 客户细分模型验证 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 客户流失预警模型的建立与评估 | 第39-59页 |
| 4.1 客户流失预警概念及方法 | 第39-40页 |
| 4.2 电信客户流失数据准备 | 第40-44页 |
| 4.2.1 数据集选取 | 第40-44页 |
| 4.3 电信客户流失预警模型建立 | 第44-46页 |
| 4.4 电信客户流失预警模型评估 | 第46-54页 |
| 4.4.1 C&RT模型评估 | 第47-49页 |
| 4.4.2 C5.0模型评估 | 第49-51页 |
| 4.4.3 人工神经网络模型评估 | 第51-54页 |
| 4.5 客户流失预警模型综合分析 | 第54-58页 |
| 4.5.1 客户流失预测模型评估和比较 | 第54-55页 |
| 4.5.2 客户流失预测指标确定 | 第55-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第五章 数据挖掘模型在电信行业的应用 | 第59-65页 |
| 5.1 客户细分模型的应用 | 第59-62页 |
| 5.2 客户流失预测模型的应用 | 第62-64页 |
| 5.2.1 客户流失预测模型应用 | 第62-64页 |
| 5.2.2 基于客户流失预警模型的客户挽留策略 | 第64页 |
| 5.3 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 在学期间的研究成果 | 第70-71页 |
| 致谢 | 第71页 |
