中文摘要 | 第1-3页 |
ABSTRACT | 第3-6页 |
1.绪论 | 第6-9页 |
1.1 研究背景与问题的提出 | 第6-7页 |
1.2 研究目的和意义 | 第7-9页 |
2.数据挖掘与客户关系管理概述 | 第9-16页 |
2.1 数据挖掘概念及其研究概况 | 第9-10页 |
2.2 客户关系管理概述 | 第10-11页 |
2.3 数据挖掘技术在CRM中的应用概述 | 第11-16页 |
3.复杂数据挖掘统计分析框架 | 第16-25页 |
3.1 复杂数据层次结构的提炼 | 第16-19页 |
3.1.1 Boosting算法 | 第16-18页 |
3.1.2 MART方法 | 第18-19页 |
3.2 依因变量的分布类型选取适当的统计方法 | 第19-23页 |
3.2.1 MCMC方法 | 第19-20页 |
3.2.2 混合模型 | 第20-22页 |
3.2.3 Bootstrap方法 | 第22-23页 |
3.3 复杂数据挖掘方法的一般分析框架 | 第23-25页 |
4.MART与客户细分 | 第25-41页 |
4.1 应用MART的过程 | 第25-28页 |
4.2 酒店业CRM的复杂数据挖掘 | 第28-31页 |
4.3 西藏饭店客户细分 | 第31-41页 |
4.3.1 西藏饭店数据采样 | 第31-32页 |
4.3.2 协议客户细分 | 第32-36页 |
4.3.3 Walk-In散客细分 | 第36-41页 |
5.MCMC与客户价值模拟预测 | 第41-59页 |
5.1 应用MCMC方法的过程 | 第41-42页 |
5.2 协议客户模拟价值预测 | 第42-49页 |
5.2.1 不分季节的协议客户模拟价值预测 | 第42-44页 |
5.2.2 分季节的协议客户模拟价值预测 | 第44-49页 |
5.3 Walk-In散客模拟价值预测 | 第49-57页 |
5.3.1 不分季节的Walk-In散客模拟价值预测 | 第49-52页 |
5.3.2 分季节Walk-In散客模拟价值预测 | 第52-57页 |
5.4 讨论和对策建议 | 第57-59页 |
6.结束语 | 第59-61页 |
6.1 主要工作成果 | 第59-60页 |
6.2 今后研究工作展望 | 第60-61页 |
附件 | 第61-65页 |
附件1 用于整理数据的SAS程序 | 第61-64页 |
附件2 用于细分协议客户的R程序 | 第64-65页 |
参考文献 | 第65-69页 |
致谢 | 第69-70页 |
四川大学学位论文创新性声明 | 第70-71页 |
攻读硕士学位期间完成的学术论文 | 第71页 |