| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1 绪论 | 第11-17页 |
| 1.1 课题背景 | 第11-12页 |
| 1.2 研究的目的意义 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-15页 |
| 1.4 论文主要研究内容 | 第15-17页 |
| 2 电子商务客户忠诚度模型研究 | 第17-26页 |
| 2.1 客户忠诚度分析 | 第17-18页 |
| 2.2 电子商务中客户忠诚度的特点 | 第18-20页 |
| 2.2.1 顾客信任度 | 第18-19页 |
| 2.2.2 服务质量与满意度 | 第19页 |
| 2.2.3 顾客关注度 | 第19-20页 |
| 2.3 传统客户忠诚度模型 | 第20-21页 |
| 2.4 电子商务客户忠诚度模型 | 第21-25页 |
| 2.4.1 客户分析指标模型 | 第22-23页 |
| 2.4.2 RFM客户忠诚度模型 | 第23-24页 |
| 2.4.3 经典客户忠诚度模型的优缺点分析 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 聚类分析方法研究 | 第26-35页 |
| 3.1 数据挖掘技术 | 第26-28页 |
| 3.1.1 数据挖掘对于电子商务的意义 | 第26-27页 |
| 3.1.2 常用的数据挖掘分析方法 | 第27-28页 |
| 3.2 聚类分析算法 | 第28-30页 |
| 3.3 K-means算法 | 第30-32页 |
| 3.4 粗糙集理论 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 电子商务客户忠诚度聚类分析 | 第35-61页 |
| 4.1 电子商务顾客忠诚度分析模型的建立 | 第35-37页 |
| 4.2 数据的组织与存储 | 第37-48页 |
| 4.2.1 数据源 | 第38-42页 |
| 4.2.2 数据的预处理 | 第42-43页 |
| 4.2.3 关键字段的输入 | 第43页 |
| 4.2.4 数据清洗 | 第43-44页 |
| 4.2.5 数据转换 | 第44-48页 |
| 4.3 基于粗糙集的聚类算法顾客忠诚度分析 | 第48-52页 |
| 4.3.1 粗糙集 | 第48页 |
| 4.3.2 算法流程 | 第48-49页 |
| 4.3.3 改进的基于粗糙集的k-means聚类算法 | 第49-51页 |
| 4.3.4 算法测试 | 第51-52页 |
| 4.4 客户忠诚度分析的实现 | 第52-60页 |
| 4.4.1 数据的预处理 | 第52-56页 |
| 4.4.2 算法的实现 | 第56-58页 |
| 4.4.3 客户忠诚度分析 | 第58-60页 |
| 4.5 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 攻读学位期间发表的学术论文 | 第68-69页 |
| 致谢 | 第69页 |