| 摘要 | 第1-6页 |
| Abstract | 第6-13页 |
| 第1章 绪论 | 第13-26页 |
| ·课题研究背景与研究意义 | 第13-16页 |
| ·理论研究背景 | 第13-15页 |
| ·应用背景 | 第15-16页 |
| ·数据挖掘系统的发展 | 第16-18页 |
| ·国内外研究现状 | 第18-20页 |
| ·数据挖掘软件生产厂商和产品 | 第20-22页 |
| ·本研究的主要内容 | 第22-23页 |
| ·本论文研究的框架 | 第23-26页 |
| 第2章 联机分析挖掘和分析型CRM的基础理论 | 第26-37页 |
| ·数据挖掘和OLAP | 第26-27页 |
| ·联机分析挖掘(OLAM)模型及可视化 | 第27-31页 |
| ·OLAM与OLAP和数据挖掘的比较 | 第28页 |
| ·OLAM机制 | 第28-29页 |
| ·OLAM可视化 | 第29-31页 |
| ·OLAM技术和算法概述 | 第31-33页 |
| ·数据挖掘和分析型CRM | 第33-36页 |
| ·分析型客户关系管理 | 第33-34页 |
| ·分析型CRM的核心技术—数据挖掘 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 构建分析型CRM的数据仓库 | 第37-53页 |
| ·数据仓库在分析型CRM中的作用 | 第37-38页 |
| ·数据仓库理论 | 第38-39页 |
| ·多维数据仓库的规范化处理(雪花处理) | 第39-41页 |
| ·构建实例数据仓库 | 第41-52页 |
| ·客户分析挖掘系统功能设计 | 第41-43页 |
| ·数据仓库逻辑模型设计 | 第43-44页 |
| ·构建的部分主题数据仓库 | 第44-49页 |
| ·SQL Sever 2005中数据仓库的建设 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第4章 基于支出分配的客户终生价值计算研究 | 第53-70页 |
| ·客户终生价值理论 | 第53-57页 |
| ·客户终生价值的组成 | 第53-54页 |
| ·影响客户终生价值因素 | 第54-57页 |
| ·客户终生价值模型研究 | 第57-61页 |
| ·考虑客户支出分配的原因 | 第58-59页 |
| ·考虑支出分配的客户终生价值模型 | 第59-61页 |
| ·基于马尔可夫链的客户购买转换研究 | 第61-63页 |
| ·马尔可夫链相关理论 | 第61页 |
| ·转移矩阵 | 第61-63页 |
| ·基于马尔可夫链研究客户支出分配实例 | 第63-69页 |
| ·基于马尔可夫链计算客户支出分配变化的实例 | 第63-66页 |
| ·定量计算客户支出分配对客户终生价值影响的实例 | 第66-69页 |
| ·客户终生价值的软件实现 | 第69页 |
| ·本章小结 | 第69-70页 |
| 第5章 客户忠诚度预测及客户资信综合评价研究 | 第70-104页 |
| ·客户忠诚度理论 | 第70-72页 |
| ·客户忠诚度的评价算法 | 第72-82页 |
| ·神经网络模型 | 第72-76页 |
| ·基于模糊神经网络的客户忠诚度预测 | 第76-77页 |
| ·基于属性重要性理论确定模糊神经网络初始权重 | 第77-79页 |
| ·模糊信息处理与模糊神经网络评价步骤 | 第79-82页 |
| ·基于模糊神经网络的客户忠诚度的计算实例 | 第82-91页 |
| ·建立客户忠诚度指标体系 | 第82页 |
| ·利用择优比较法确定客户忠诚度的各指标权重 | 第82-84页 |
| ·构建客户忠诚度的模糊神经网络模型 | 第84-85页 |
| ·指标数据的模糊规范化及软件实现 | 第85-89页 |
| ·客户忠诚度的模糊神经网络预测 | 第89-91页 |
| ·基于模糊评价法的客户资信计算研究 | 第91-103页 |
| ·模糊综合评价法的数学模型 | 第91-94页 |
| ·基于模糊综合评价的客户资信计算实例 | 第94-103页 |
| ·本章小结 | 第103-104页 |
| 第6章 基于数据挖掘的客户细分研究 | 第104-126页 |
| ·客户分类理论 | 第104-108页 |
| ·客户分类的目的及管理的意义 | 第104-105页 |
| ·CRM中有关客户分类的常用指标 | 第105-106页 |
| ·常用的客户分类模型 | 第106-108页 |
| ·客户终生价值/客户忠诚度/客户资信(CLV/CL/CC)的客户分类模型 | 第108-118页 |
| ·客户细分算法 | 第108-109页 |
| ·数据挖掘中的客户聚类算法 | 第109-110页 |
| ·聚类分析的缺陷及解决思路 | 第110-112页 |
| ·聚类实现 | 第112-118页 |
| ·基于聚类结果的客户分类预测研究 | 第118-125页 |
| ·加权的扩展贝叶斯模型分类 | 第118-124页 |
| ·软件实现及分析 | 第124-125页 |
| ·结果验证与分析 | 第125页 |
| ·本章小结 | 第125-126页 |
| 第7章 基于OLAM的购物序列模式发现研究 | 第126-140页 |
| ·模糊时序关联规则的理论 | 第126-131页 |
| ·关联规则 | 第126-127页 |
| ·关联规则的分类 | 第127页 |
| ·序列模式关联规则挖掘 | 第127-128页 |
| ·模糊序列的关联规则 | 第128-130页 |
| ·关联规则的相关参数 | 第130-131页 |
| ·基于关联规则的购买模式发现研究 | 第131-139页 |
| ·关联规则算法的实现过程 | 第131-132页 |
| ·销售业务技术及源数据分析 | 第132-133页 |
| ·购物序列模式发现挖掘及在线分析实例 | 第133-139页 |
| ·本章小结 | 第139-140页 |
| 第8章 基于数据仓库的OLAP及多维可视化研究 | 第140-161页 |
| ·可视化技术 | 第140-144页 |
| ·可视化的主要方法 | 第141页 |
| ·多维数据可视化中主要采用的视图变换方法 | 第141-142页 |
| ·目前主要的多维数据可视化技术 | 第142-144页 |
| ·联机分析处理OLAP及其可视化 | 第144-147页 |
| ·OLAP技术 | 第144-145页 |
| ·OLAP可视化 | 第145-147页 |
| ·多维数据分析及其OLAP可视化实例 | 第147-160页 |
| ·客户总体概况分析 | 第148页 |
| ·单维度下钻分析 | 第148-154页 |
| ·某维度多属性的指标数据纵向切片分析可视化 | 第154-155页 |
| ·多维度多层上卷、旋转及横(纵)向切片综合分析及可视化 | 第155-159页 |
| ·某维度对分析指标沿时间预测分析的可视化 | 第159-160页 |
| ·本章小结 | 第160-161页 |
| 第9章 总结和展望 | 第161-164页 |
| ·总结 | 第161-162页 |
| ·取得的成果 | 第161-162页 |
| ·创新点 | 第162页 |
| ·展望 | 第162-164页 |
| 致谢 | 第164-165页 |
| 参考文献 | 第165-171页 |
| 攻读博士学位期间科研情况及发表的论文 | 第171-172页 |