基于数据挖掘的电信企业客户关系管理研究
| 摘要 | 第1-7页 |
| Abstract | 第7-15页 |
| 第1章 绪论 | 第15-22页 |
| ·研究的背景及意义 | 第15-17页 |
| ·研究背景 | 第15-16页 |
| ·研究意义 | 第16-17页 |
| ·国内外研究现状 | 第17-18页 |
| ·客户细分挖掘主题研究现状 | 第17-18页 |
| ·客户流失预测挖掘主题研究现状 | 第18页 |
| ·研究内容及思路 | 第18-20页 |
| ·研究内容 | 第18-19页 |
| ·研究思路 | 第19-20页 |
| ·主要创新点 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第2章 客户关系管理理论 | 第22-27页 |
| ·客户关系管理的定义 | 第22-23页 |
| ·客户关系管理产生的背景 | 第23页 |
| ·客户关系管理的核心思想 | 第23-24页 |
| ·客户关系管理系统 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 数据挖掘理论与方法基础 | 第27-35页 |
| ·数据挖掘概述 | 第27-28页 |
| ·数据挖掘过程 | 第28-30页 |
| ·商业理解 | 第28页 |
| ·数据准备 | 第28-29页 |
| ·建立模型 | 第29页 |
| ·模型评估 | 第29页 |
| ·模型发布 | 第29-30页 |
| ·数据挖掘功能 | 第30-32页 |
| ·概念描述 | 第30页 |
| ·关联分析 | 第30-31页 |
| ·聚类分析 | 第31页 |
| ·分类和预测 | 第31-32页 |
| ·数据挖掘主要算法 | 第32-34页 |
| ·聚类算法 | 第32页 |
| ·人工神经网络 | 第32-33页 |
| ·关联规则 | 第33页 |
| ·决策树 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 电信企业客户细分模型及实证分析 | 第35-48页 |
| ·问题理解 | 第35-37页 |
| ·客户细分的意义 | 第35-36页 |
| ·客户细分方法论 | 第36-37页 |
| ·K-means 聚类算法 | 第37-38页 |
| ·K-means算法特点 | 第37页 |
| ·K-means算法基本思想 | 第37-38页 |
| ·K-means 算法的步骤 | 第38页 |
| ·电信企业客户细分实证分析 | 第38-46页 |
| ·数据准备 | 第39-42页 |
| ·建立与评估模型 | 第42-46页 |
| ·模型应用 | 第46页 |
| ·本章小结 | 第46-48页 |
| 第5章 电信企业客户流失预测模型及实证分析 | 第48-61页 |
| ·问题理解 | 第48-50页 |
| ·客户流失的分类 | 第48-49页 |
| ·客户流失的影响因素 | 第49-50页 |
| ·LVQ 神经网络概述 | 第50-52页 |
| ·LVQ神经网络的优点 | 第50页 |
| ·LVQ神经网络的结构 | 第50-51页 |
| ·LVQ神经网络的学习过程 | 第51-52页 |
| ·电信企业客户流失预测实证分析 | 第52-60页 |
| ·数据准备 | 第52-56页 |
| ·建立与评估模型 | 第56-58页 |
| ·模型应用 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 附录 | 第66-77页 |
| 攻读硕士学位期间所发表的学术论文 | 第77-78页 |
| 致谢 | 第78-79页 |
| 详细摘 要 | 第79-83页 |
