电商企业的客户忠诚度模型挖掘研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题背景 | 第9-10页 |
| ·研究的目的及意义 | 第10-11页 |
| ·客户忠诚度国内外研究现状 | 第11-14页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12-14页 |
| ·聚类理论的国内外研究 | 第14页 |
| ·聚类算法应用于客户忠诚度测量的国内外研究 | 第14-15页 |
| ·论文的主要内容及组织结构 | 第15-17页 |
| 第2章 客户忠诚度模型研究 | 第17-30页 |
| ·CRM简介 | 第17-18页 |
| ·客户忠诚度分析 | 第18-23页 |
| ·客户忠诚度的定义和分类 | 第18-19页 |
| ·客户忠诚度的影响因素 | 第19-20页 |
| ·建立客户忠诚度测量模型 | 第20-23页 |
| ·AHP层次分析法 | 第23-25页 |
| ·电子商务行业客户忠诚度研究方法 | 第25-29页 |
| ·客户分析指标模型 | 第25-26页 |
| ·RFM客户忠诚度模型 | 第26-27页 |
| ·经典客户忠诚度模型的优缺点分析 | 第27-28页 |
| ·新的客户忠诚度模型的建立 | 第28页 |
| ·RSVP与RFM忠诚度模型的比较分析 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 聚类分析方法研究 | 第30-41页 |
| ·聚类统计量 | 第30-32页 |
| ·聚类算法 | 第32-34页 |
| ·K-means算法 | 第34-37页 |
| ·K-means算法概述 | 第34-36页 |
| ·K-means算法优缺点分析 | 第36-37页 |
| ·四种最经典的K-means聚类算法 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 电商企业客户数据预处理 | 第41-51页 |
| ·数据预处理方法 | 第41-43页 |
| ·电商企业客户数据获取 | 第43-45页 |
| ·电商企业客户数据清洗 | 第45-46页 |
| ·电商企业客户数据转换 | 第46-49页 |
| ·电商企业客户数据归约 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 电商企业的客户忠诚度聚类挖掘分析 | 第51-59页 |
| ·R软件提供的聚类分析方法 | 第51-52页 |
| ·RSVP模型与RFM模型挖掘结果与分析 | 第52-53页 |
| ·改进的K-means算法 | 第53-58页 |
| ·关于聚类个数预测的四种方法 | 第54-55页 |
| ·改进方法的实例应用 | 第55-57页 |
| ·改进方法的结果分析和提高客户忠诚度建议 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| ·全文总结 | 第59-60页 |
| ·研究展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
