摘要 | 第1-4页 |
Abstract | 第4-9页 |
第一章 绪论 | 第9-21页 |
·选题的背景与意义 | 第9-10页 |
·国内外研究综述 | 第10-16页 |
·客户细分 | 第10-13页 |
·数据挖掘 | 第13-15页 |
·数据挖掘在客户细分的应用 | 第15-16页 |
·论文的研究内容 | 第16-17页 |
·论文的研究方法 | 第17-18页 |
·论文的创新之处 | 第18-21页 |
第二章 客户细分相关理论 | 第21-41页 |
·客户价值内涵 | 第21-27页 |
·客户让渡价值理论 | 第21-23页 |
·客户生命周期价值理论 | 第23-27页 |
·基于客户行为的客户细分 | 第27-29页 |
·RFM 模型 | 第27-28页 |
·修正的RFM 模型 | 第28-29页 |
·基于客户生命周期的客户细分 | 第29-31页 |
·忠诚度阶梯分类法 | 第29-30页 |
·依据客户关系的不同阶段进行客户细分 | 第30-31页 |
·基于客户价值的客户细分 | 第31-37页 |
·定量分类方法研究 | 第31-33页 |
·定性分类方法研究 | 第33-37页 |
·客户忠诚度 | 第37-41页 |
·客户忠诚度概念 | 第37-38页 |
·客户忠诚度维度结构 | 第38-41页 |
第三章 客户细分中的数据挖掘 | 第41-69页 |
·数据挖掘的定义 | 第41-44页 |
·数据挖掘与数据仓库 | 第41-42页 |
·数据挖掘与OLAP 及商务智能 | 第42-44页 |
·数据挖掘任务及体系结构 | 第44-46页 |
·数据挖掘任务 | 第44-46页 |
·数据挖掘的体系结构 | 第46页 |
·数据挖掘过程及过程模型 | 第46-50页 |
·数据挖掘的过程 | 第46-48页 |
·数据挖掘过程模型 | 第48-50页 |
·数据挖掘算法 | 第50-62页 |
·关联规则 | 第50-53页 |
·聚类算法 | 第53-56页 |
·决策树算法 | 第56-60页 |
·神经网络算法 | 第60-62页 |
·数据挖掘在CRM 的应用 | 第62-65页 |
·营销 | 第62-63页 |
·销售 | 第63页 |
·客户服务 | 第63页 |
·客户保持 | 第63-64页 |
·风险评估和欺诈识别 | 第64-65页 |
·数据挖掘的工具 | 第65-69页 |
·Intelligent Miner | 第65页 |
·Enterprise Miner | 第65页 |
·SPSS Clementine | 第65-66页 |
·Microsoft Business Intelligence Development Studio | 第66-69页 |
第四章 客户细分建模 | 第69-76页 |
·客户细分模型 | 第69-71页 |
·细分模型的基础—客户生命周期价值(CLV) | 第69-70页 |
·以往细分模型的不足 | 第70-71页 |
·改进的细分模型 | 第71页 |
·当前价值的计算 | 第71-72页 |
·潜在价值的计算 | 第72页 |
·客户忠诚度的计量 | 第72-75页 |
·客户忠诚度的影响变量 | 第72-74页 |
·分类与聚类任务 | 第74-75页 |
·细分模型的挖掘过程 | 第75-76页 |
第五章 客户细分模型的实现 | 第76-91页 |
·源数据描述 | 第76-78页 |
·客户潜在价值挖掘数据 | 第76-77页 |
·客户忠诚度挖掘数据 | 第77-78页 |
·模型的构建 | 第78-79页 |
·客户潜在价值挖掘模型 | 第78页 |
·客户忠诚度挖掘模型 | 第78-79页 |
·模型的训练 | 第79-83页 |
·关联规则模型的挖掘结果 | 第80页 |
·客户忠诚度的聚类挖掘 | 第80-81页 |
·客户忠诚度的分类挖掘 | 第81-83页 |
·模型的预测 | 第83-86页 |
·关联规则模型预测 | 第83-85页 |
·决策树模型预测 | 第85-86页 |
·客户细分的实现 | 第86-88页 |
·客户现有价值的评价 | 第86-87页 |
·客户潜在价值的评价 | 第87页 |
·客户忠诚度的评价 | 第87-88页 |
·客户细分结果及市场策略 | 第88-91页 |
·客户细分结果 | 第88-89页 |
·市场策略 | 第89-91页 |
第六章 总结与展望 | 第91-93页 |
·全文总结 | 第91-92页 |
·进一步工作展望 | 第92-93页 |
参考文献 | 第93-96页 |
攻读硕士学位期间主要研究工作和成果 | 第96-97页 |
致谢 | 第97页 |