| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 引言 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 研究内容及思路 | 第10-11页 |
| 1.3 数据挖掘在交叉销售中的研究现状 | 第11-12页 |
| 1.3.1 国外研究现状 | 第11-12页 |
| 1.3.2 国内研究现状 | 第12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 2 零售业交叉销售与数据挖掘 | 第14-22页 |
| 2.1 以客户为中心的零售营销 | 第14-15页 |
| 2.2 交叉销售与零售业 | 第15-18页 |
| 2.2.1 交叉销售的基本概念 | 第15-16页 |
| 2.2.2 交叉销售在零售业的应用前景 | 第16页 |
| 2.2.3 交叉销售在零售业的具体实施 | 第16-18页 |
| 2.3 交叉销售与数据挖掘 | 第18-20页 |
| 2.3.1 数据挖掘的定义 | 第18-19页 |
| 2.3.2 数据挖掘过程 | 第19-20页 |
| 2.3.3 交叉销售主要数据挖掘技术 | 第20页 |
| 2.4 本章小结 | 第20-22页 |
| 3 零售企业交叉销售商品组合的优化研究 | 第22-36页 |
| 3.1 客户细分 | 第22-23页 |
| 3.1.1 客户细分的必要性 | 第22页 |
| 3.1.2 客户细分的主要方法 | 第22-23页 |
| 3.2 基于 RFM 的客户促销参与模型 | 第23-28页 |
| 3.2.1 RFM 模型 | 第23-24页 |
| 3.2.2 RFM 模型的改进 | 第24-25页 |
| 3.2.3 层次分析法 | 第25-27页 |
| 3.2.4 构建客户促销参与模型 | 第27-28页 |
| 3.3 关联规则数据挖掘模型 | 第28-33页 |
| 3.3.1 关联规则定义 | 第28-29页 |
| 3.3.2 关联规则挖掘算法的步骤 | 第29-30页 |
| 3.3.3 分层搜索经典算法——Apriori 算法 | 第30-33页 |
| 3.4 基于关联规则挖掘的交叉销售商品选择 | 第33-34页 |
| 3.5 零售企业交叉销售模型的构建 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 4 零售企业交叉销售商品组合优化实证分析 | 第36-48页 |
| 4.1 交叉销售整体解决方案 | 第36-37页 |
| 4.1.1 项目背景及建模目标 | 第36页 |
| 4.1.2 模型构建工具的选择 | 第36页 |
| 4.1.3 建模相关算法的选择 | 第36-37页 |
| 4.2 数据准备 | 第37页 |
| 4.3 基于 RFM 的客户促销参与模型构建 | 第37-42页 |
| 4.3.1 基于 AHP 方法对 RFM 模型的改进 | 第37-39页 |
| 4.3.2 RFM 模型变量的计算 | 第39页 |
| 4.3.3 建立高促销参与客户案例库 | 第39-42页 |
| 4.4 基于关联规则算法的交叉销售模型构建 | 第42-46页 |
| 4.4.1 泛化关联规则 | 第42页 |
| 4.4.2 建模数据转换 | 第42-43页 |
| 4.4.3 关联规则模型构建 | 第43-44页 |
| 4.4.4 关联结果分析 | 第44-45页 |
| 4.4.5 确定交叉销售最优组合 | 第45-46页 |
| 4.5 本章小结 | 第46-48页 |
| 5 总结与展望 | 第48-50页 |
| 5.1 全文总结 | 第48-49页 |
| 5.2 今后研究展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 在学期间发表的学术论文及研究成果 | 第54-55页 |
| 详细摘要 | 第55-70页 |