| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 文献综述 | 第11-13页 |
| 1.3.1 国外研究概述 | 第11-12页 |
| 1.3.2 国内研究概述 | 第12-13页 |
| 1.4 研究方法 | 第13-14页 |
| 1.5 研究思路 | 第14-15页 |
| 1.6 创新点 | 第15-16页 |
| 2 用户流失相关理论基础 | 第16-27页 |
| 2.1 用户生命周期理论 | 第16-18页 |
| 2.1.1 用户生命周期理论基本思想 | 第16-18页 |
| 2.1.2 用户生命周期理论与用户流失关系 | 第18页 |
| 2.2 RFM理论 | 第18-22页 |
| 2.2.1 RFM理论基本思想 | 第18-21页 |
| 2.2.2 RFM理论的改进 | 第21-22页 |
| 2.2.3 RFM理论与用户流失关系 | 第22页 |
| 2.3 用户增长理论 | 第22-25页 |
| 2.3.1 用户增长理论基本思想 | 第22-24页 |
| 2.3.2 用户增长理论与用户流失关系 | 第24-25页 |
| 2.4 用户终身价值（CLV）理论 | 第25-27页 |
| 2.4.1 用户终身价值（CLV）理论基本思想 | 第25页 |
| 2.4.2 基于流失概率的用户终身价值（CLV）的计算模型 | 第25-27页 |
| 3 用户流失预警模型相关数据挖掘算法 | 第27-34页 |
| 3.1 数据挖掘及工具介绍 | 第27-31页 |
| 3.1.1 数据挖掘含义 | 第27-28页 |
| 3.1.2 数据挖掘工具简介 | 第28页 |
| 3.1.3 数据挖掘一般流程 | 第28-31页 |
| 3.2 逻辑回归算法 | 第31-32页 |
| 3.2.1 逻辑回归算法理论基础 | 第31-32页 |
| 3.2.2 逻辑回归算法的业务应用 | 第32页 |
| 3.3 C5.0 算法 | 第32-34页 |
| 3.3.1 C5.0 算法简介 | 第32页 |
| 3.3.2 C5.0 算法的实现流程 | 第32-34页 |
| 4 浙江A服饰电商用户流失现状分析 | 第34-45页 |
| 4.1 浙江A服饰电商总体概况 | 第34-36页 |
| 4.2 浙江A服饰电商用户现状 | 第36-44页 |
| 4.2.1 浙江A服饰电商用户画像及分层 | 第36-39页 |
| 4.2.2 浙江A服饰电商用户生命周期 | 第39-41页 |
| 4.2.3 浙江A服饰电商用户复购 | 第41-42页 |
| 4.2.4 浙江A服饰电商用户管理 | 第42-44页 |
| 4.3 浙江A服饰电商用户流失现状分析 | 第44-45页 |
| 4.3.1 浙江A服饰电商用户流失定义 | 第44页 |
| 4.3.2 浙江A服饰电商导致用户流失的因素及对企业的影响 | 第44-45页 |
| 5 浙江A服饰电商用户流失预警模型构建及应用 | 第45-58页 |
| 5.1 准备业务数据 | 第45-47页 |
| 5.1.1 数据收集 | 第45-46页 |
| 5.1.2 数据清洗 | 第46-47页 |
| 5.1.3 数据集解析 | 第47页 |
| 5.2 建立业务模型 | 第47-54页 |
| 5.2.1 构建建模因子 | 第47-48页 |
| 5.2.3 训练数据模型 | 第48-54页 |
| 5.3 评估业务模型 | 第54-56页 |
| 5.3.1 评估数据模型 | 第54-55页 |
| 5.3.2 评估业务逻辑 | 第55-56页 |
| 5.4 业务模型应用 | 第56-58页 |
| 6 用户忠诚度维护策略及应用 | 第58-63页 |
| 6.1 用户价值-流失概率的用户分类矩阵 | 第58-59页 |
| 6.2 用户忠诚度维护策略及应用 | 第59-63页 |
| 6.2.1 用户忠诚度维护的具体策略 | 第59-60页 |
| 6.2.2 维护策略应用的相关支持 | 第60-63页 |
| 7.结论 | 第63-65页 |
| 7.1 结论 | 第63页 |
| 7.2 不足之处 | 第63-65页 |
| 参考文献 | 第65-67页 |
| 附录 1 | 第67-69页 |
| 附录 2 | 第69-71页 |
| 致谢 | 第71页 |