基于商务智能的客户流失预测模型与算法研究
| 摘要 | 第1-9页 |
| Abstract | 第9-17页 |
| 第1章 绪论 | 第17-35页 |
| ·研究背景和意义 | 第17-18页 |
| ·客户流失管理的相关研究 | 第18-25页 |
| ·客户流失影响因素分析 | 第18-20页 |
| ·客户流失预测研究 | 第20-25页 |
| ·商务智能的相关研究 | 第25-32页 |
| ·引言 | 第25页 |
| ·商务智能的应用与研究发展 | 第25-27页 |
| ·商务智能在中国的研究趋势分析 | 第27-28页 |
| ·商务智能核心技术的研究 | 第28-31页 |
| ·本节结论 | 第31-32页 |
| ·论文研究的内容和方法 | 第32-33页 |
| ·论文研究角度与内容 | 第32-33页 |
| ·研究方法 | 第33页 |
| ·论文结构安排 | 第33-35页 |
| 第2章 客户流失预测模型结构 | 第35-40页 |
| ·引言 | 第35页 |
| ·现用预测模型结构 | 第35-36页 |
| ·新预测模型结构 | 第36-40页 |
| 第3章 客户流失管理策略模型 | 第40-51页 |
| ·引言 | 第40页 |
| ·Delta模型 | 第40-41页 |
| ·客户流失管理策略模型 | 第41-43页 |
| ·模型的验证和分析 | 第43-46页 |
| ·模型进一步分析 | 第46-49页 |
| ·本章小结 | 第49-51页 |
| 第4章 客户流失数据的特征提取和属性选择 | 第51-73页 |
| ·引言 | 第51页 |
| ·基于核主成分特征选择的客户流失预测研究 | 第51-57页 |
| ·研究的出发点 | 第51-52页 |
| ·核主成分分析理论 | 第52-55页 |
| ·实证结果分析 | 第55-57页 |
| ·基于信息增益属性选择的客户流失预测 | 第57-64页 |
| ·研究的出发点 | 第57-58页 |
| ·信息论基础 | 第58-59页 |
| ·信息增益神经网络预测模型 | 第59-60页 |
| ·实证结果分析 | 第60-64页 |
| ·基于满意属性选择的客户流失预测 | 第64-71页 |
| ·研究的出发点 | 第64-65页 |
| ·满意属性的评价与选择 | 第65-68页 |
| ·实证研究 | 第68-71页 |
| ·本章小结 | 第71-73页 |
| 第5章 客户流失预测模型 | 第73-101页 |
| ·引言 | 第73页 |
| ·基于支持向量机的客户流失预测模型 | 第73-85页 |
| ·研究的出发点 | 第73-74页 |
| ·机器学习 | 第74-76页 |
| ·统计学习理论中VC维与模型推广性的界 | 第76-78页 |
| ·支持向量机原理及算法 | 第78-82页 |
| ·实证研究 | 第82-85页 |
| ·改进的支持向量机在客户流失预测中的应用 | 第85-90页 |
| ·研究的出发点 | 第85页 |
| ·改进C-支持向量分类机 | 第85-88页 |
| ·实证研究 | 第88-90页 |
| ·基于简易支持向量机的客户流失预测研究 | 第90-94页 |
| ·研究的出发点 | 第90-91页 |
| ·简易支持向量机 | 第91页 |
| ·实证研究 | 第91-94页 |
| ·客户流失预测中两类错误的平衡控制研究 | 第94-98页 |
| ·研究的出发点 | 第94-95页 |
| ·客户流失预测中的两类错误 | 第95-96页 |
| ·基于改进支持向量机的客户流失预测模型 | 第96页 |
| ·实证研究 | 第96-98页 |
| ·本章小结 | 第98-101页 |
| 第6章 控制客户流失的策略研究 | 第101-109页 |
| ·引言 | 第101页 |
| ·客户流失类型 | 第101-102页 |
| ·控制客户流失的策略制定原则 | 第102-103页 |
| ·控制客户流失的策略 | 第103-108页 |
| ·导致客户流失的受力分析 | 第103-104页 |
| ·基于受力分析的控制客户流失的策略 | 第104-108页 |
| ·本章小结 | 第108-109页 |
| 第7章 结论与展望 | 第109-113页 |
| ·论文的结论 | 第109-111页 |
| ·论文的主要创新点 | 第111-112页 |
| ·研究展望 | 第112-113页 |
| 致谢 | 第113-114页 |
| 参考文献 | 第114-129页 |
| 攻读博士学位期间发表的论文 | 第129-130页 |
