| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-13页 |
| 1.1 选题的背景和意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 客户关系管理国内外研究现状 | 第8-10页 |
| 1.2.2 数据挖掘国内外研究现状 | 第10-11页 |
| 1.3 本文的主要研究方法及结构 | 第11-13页 |
| 2 相关理论综述 | 第13-24页 |
| 2.1 客户关系管理理论概述 | 第13-15页 |
| 2.1.1 客户关系管理理论 | 第13-14页 |
| 2.1.2 银行客户关系管理内涵 | 第14-15页 |
| 2.2 客户价值理论 | 第15-19页 |
| 2.2.1 客户价值概述 | 第15-17页 |
| 2.2.2 客户价值研究 | 第17-19页 |
| 2.3 客户细分理论 | 第19-20页 |
| 2.4 数据挖掘技术理论概述 | 第20-24页 |
| 2.4.1 数据挖掘技术基本概念 | 第20-21页 |
| 2.4.2 数据挖掘方法研究 | 第21-22页 |
| 2.4.3 数据挖掘在银行客户管理中的商业应用价值 | 第22-24页 |
| 3 数据挖掘与客户价值评价 | 第24-36页 |
| 3.1 银行客户关系管理系统研究 | 第24-26页 |
| 3.1.1 银行客户关系管理实施内容 | 第24-25页 |
| 3.1.2 国内银行客户关系管理系统发展现状 | 第25-26页 |
| 3.2 客户价值评价体系 | 第26-29页 |
| 3.2.1 网络发展与客户价值 | 第26-27页 |
| 3.2.2 客户价值评价体系 | 第27-29页 |
| 3.3 数据挖掘过程 | 第29-30页 |
| 3.4 主要采用的数据挖掘技术 | 第30-36页 |
| 3.4.1 数据挖掘算法选择 | 第30页 |
| 3.4.2 K-Means算法 | 第30-31页 |
| 3.4.3 决策树C&RT算法 | 第31-33页 |
| 3.4.4 神经网络算法 | 第33-36页 |
| 4 基于数据挖掘的银行客户关系管理实证研究 | 第36-50页 |
| 4.1 Clementine软件简介 | 第36页 |
| 4.2 商业理解 | 第36-37页 |
| 4.3 数据理解与数据准备 | 第37-38页 |
| 4.3.1 数据来源 | 第37页 |
| 4.3.2 数据处理 | 第37-38页 |
| 4.4 客户模型的实现 | 第38-46页 |
| 4.4.1 模型建立 | 第39-44页 |
| 4.4.2 模型评估 | 第44-46页 |
| 4.5 银行客户关系管理策略 | 第46-49页 |
| 4.6 小结 | 第49-50页 |
| 5 总结与展望 | 第50-52页 |
| 5.1 结论 | 第50-51页 |
| 5.2 研究不足与未来展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间完成的科研成果 | 第55-56页 |
| 致谢 | 第56页 |