| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 引言 | 第9-16页 |
| ·问题提出 | 第9页 |
| ·选题背景及意义 | 第9-10页 |
| ·数据挖掘研究综述 | 第10-12页 |
| ·CRM 中客户流失分析研究的综述 | 第12-13页 |
| ·本文研究内容 | 第13-14页 |
| ·研究内容和意义 | 第13页 |
| ·研究框架和方法 | 第13-14页 |
| ·论文结构安排 | 第14-16页 |
| 第2章 客户流失的相关问题研究 | 第16-24页 |
| ·本章引论 | 第16页 |
| ·客户流失问题 | 第16-19页 |
| ·客户流失研究的必要性 | 第16-17页 |
| ·客户流失及其类型 | 第17-18页 |
| ·客户流失中的相关概念 | 第18-19页 |
| ·客户流失预测和客户全生命周期价值的关系 | 第19-20页 |
| ·客户流失预测 | 第19页 |
| ·客户全生命周期价值 | 第19-20页 |
| ·客户流失预测与客户全生命周期价值的逻辑关系 | 第20页 |
| ·客户流失预测问题分析 | 第20-22页 |
| ·客户流失预测分析框架 | 第20-21页 |
| ·客户流失数据特点 | 第21页 |
| ·基于改进SVM 的客户流失预测模型 | 第21-22页 |
| ·客户全生命周期价值模型 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 支持向量机SK 算法的研究及客户流失预测应用 | 第24-61页 |
| ·本章引论 | 第24页 |
| ·支持向量机方法 | 第24-30页 |
| ·SVM 方法简介 | 第24-29页 |
| ·传统SVM 方法的不足 | 第29-30页 |
| ·SK 算法研究 | 第30-51页 |
| ·SK 算法的理论基础 | 第31-37页 |
| ·SK 算法及软SK 算法 | 第37-42页 |
| ·SK 算法的改进 | 第42-51页 |
| ·利用改进SK 算法预测客户流失 | 第51-60页 |
| ·背景 | 第51-52页 |
| ·数据集描述 | 第52页 |
| ·数据预处理 | 第52-56页 |
| ·模型与参数选定 | 第56页 |
| ·实验过程 | 第56-57页 |
| ·实验结果和分析 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 第4章 利用Markov Chain 模型研究客户全生命周期价值问题 | 第61-76页 |
| ·本章引论 | 第61页 |
| ·CRM 研究中的两类马氏链模型 | 第61-65页 |
| ·CLV 的定义 | 第61-62页 |
| ·状态确定 | 第62页 |
| ·无状态维持项的CRM 马氏链模型 | 第62-64页 |
| ·有状态维持项的CRM 马氏链模型 | 第64-65页 |
| ·两种方案的期望收益和期望收益总值的计算与比较 | 第65-75页 |
| ·无状态维持项的 CRM 方案的期望收益值及期望收益总值计算和分析 | 第66-71页 |
| ·有状态维持项的 CRM 方案的期望收益值及期望收益总值计算和分析 | 第71-73页 |
| ·两方案期望收益总值的比较及分析 | 第73-75页 |
| ·本章小结 | 第75-76页 |
| 第5章 结论 | 第76-79页 |
| ·论文主要工作 | 第76-77页 |
| ·论文创新点 | 第77页 |
| ·工作展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-84页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第84页 |
