基于数据挖掘的某男装终端客户关系管理研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-14页 |
| 1.1.1 研究背景 | 第10-13页 |
| 1.1.2 研究目的和意义 | 第13-14页 |
| 1.2 研究思路与方法 | 第14-16页 |
| 1.2.1 研究思路 | 第14-15页 |
| 1.2.2 研究方法 | 第15-16页 |
| 1.3 本研究的创新点 | 第16-17页 |
| 1.4 研究框架 | 第17-18页 |
| 2 客户关系管理与数据挖掘理论研究 | 第18-27页 |
| 2.1 客户关系管理的理论基础及研究现状 | 第18-20页 |
| 2.1.1 客户关系管理的内涵 | 第18-19页 |
| 2.1.2 客户关系管理的研究现状 | 第19-20页 |
| 2.2 数据挖掘的理论基础及主要方法 | 第20-22页 |
| 2.2.1 数据挖掘概述 | 第21页 |
| 2.2.2 数据挖掘的主要算法 | 第21-22页 |
| 2.3 数据挖掘在服装客户关系管理中的应用现状 | 第22-24页 |
| 2.4 本章小结 | 第24-27页 |
| 3 服装终端CRM应用现状案例分析 | 第27-37页 |
| 3.1 服装终端CRM系统构成要素 | 第27-28页 |
| 3.2 某男装终端CRM系统构成 | 第28-32页 |
| 3.2.1 客户数据建立功能 | 第29-30页 |
| 3.2.2 客户识别与分级功能 | 第30-31页 |
| 3.2.3 客户日常服务功能 | 第31-32页 |
| 3.2.4 客户数据分析功能 | 第32页 |
| 3.3 客户流失因素分析与解决思路 | 第32-34页 |
| 3.3.1 流失因素分析 | 第32-34页 |
| 3.3.2 解决思路 | 第34页 |
| 3.4 本章小结 | 第34-37页 |
| 4 CRM日常服务管理中的数据挖掘分析与研究 | 第37-63页 |
| 4.1 CRM日常服务访谈 | 第37-38页 |
| 4.1.1 访谈安排与访谈内容 | 第37-38页 |
| 4.1.2 访谈结果 | 第38页 |
| 4.2 问卷设计与实施 | 第38-40页 |
| 4.2.1 调研问卷设计与调研情况说明 | 第38-39页 |
| 4.2.2 量表设计 | 第39-40页 |
| 4.3 信度与效度分析 | 第40-41页 |
| 4.4 被调查者基本情况分析 | 第41-44页 |
| 4.5 各因素与日常服务的相关性分析 | 第44-57页 |
| 4.5.1 主成分分析 | 第44页 |
| 4.5.2 性别与日常服务相关性分析 | 第44-46页 |
| 4.5.3 年龄与日常服务相关性分析 | 第46-49页 |
| 4.5.4 学历与日常服务相关性分析 | 第49-51页 |
| 4.5.5 职业与日常服务相关性分析 | 第51-53页 |
| 4.5.6 收入与日常服务相关性分析 | 第53-57页 |
| 4.6 服务需求度整合分析 | 第57-60页 |
| 4.7 本章小结 | 第60-63页 |
| 5 CRM产品连带销售中的数据挖掘分析与研究 | 第63-77页 |
| 5.1 数据挖掘的内涵及其流程 | 第63-64页 |
| 5.1.1 数据挖掘软件Clemetine介绍 | 第63-64页 |
| 5.1.2 数据挖掘流程介绍 | 第64页 |
| 5.2 数据采集与统计 | 第64-69页 |
| 5.2.1 某男装店铺消费者信息获取 | 第64-66页 |
| 5.2.2 消费者信息统计 | 第66页 |
| 5.2.3 购买信息统计 | 第66-69页 |
| 5.3 数据挖掘关联规则 | 第69-76页 |
| 5.3.1 关联规则在本研究中的应用 | 第69-70页 |
| 5.3.2 关联规则结果 | 第70-72页 |
| 5.3.3 结果与解释 | 第72-76页 |
| 5.4 本章小结 | 第76-77页 |
| 6 研究结论与展望 | 第77-79页 |
| 6.1 研究结论 | 第77-78页 |
| 6.2 研究不足及展望 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 附录 | 第82-84页 |
| 作者攻读学位期间发表学术论文清单 | 第84-85页 |
| 致谢 | 第85页 |
