基于K-means算法的贵州民营科技型企业客户细分研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 研究背景和研究意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 国内外研究综述 | 第9-14页 |
| 1.2.1 客户细分变量维度研究 | 第10-13页 |
| 1.2.2 客户细分技术研究 | 第13页 |
| 1.2.3 客户细分意义研究 | 第13-14页 |
| 1.3 研究内容、方法和技术路线 | 第14-16页 |
| 1.3.1 研究内容 | 第14页 |
| 1.3.2 研究方法 | 第14-15页 |
| 1.3.3 技术路线 | 第15-16页 |
| 1.4 创新之处 | 第16-17页 |
| 第2章 相关概念及理论的界定 | 第17-24页 |
| 2.1 客户关系管理概述 | 第17-18页 |
| 2.2 客户细分理论 | 第18-21页 |
| 2.2.1 客户细分概念 | 第18-19页 |
| 2.2.2 客户细分的作用 | 第19页 |
| 2.2.3 客户细分的标准 | 第19-21页 |
| 2.3 聚类分析相关理论概念 | 第21-24页 |
| 2.3.1 聚类分析的概念 | 第21-22页 |
| 2.3.2 聚类分析的方法 | 第22-24页 |
| 第3章 贵州民营科技型企业客户细分指标的设计 | 第24-31页 |
| 3.1 贵州民营科技型企业特征 | 第24-27页 |
| 3.1.1 贵州民营科技型企业发展现状 | 第24页 |
| 3.1.2 贵州民营科技型企业客户关系管理现状 | 第24-25页 |
| 3.1.3 贵州民营科技型企业客户细分现状 | 第25-26页 |
| 3.1.4 贵州民营科技型企业客户数据特征 | 第26-27页 |
| 3.2 基于改进的RFM客户细分指标体系的设计 | 第27-29页 |
| 3.2.1 指标选取原则 | 第27页 |
| 3.2.2 基于RFM客户细分指标的选择 | 第27-28页 |
| 3.2.3 改进的RFM客户细分指标解释 | 第28-29页 |
| 3.3 贵州民营科技型企业客户细分指标体系的构建 | 第29-31页 |
| 第4章 贵州民营科技型企业客户细分模型的构建 | 第31-37页 |
| 4.1 主成分分析 | 第31-33页 |
| 4.1.1 主成分分析概述 | 第31页 |
| 4.1.2 主成分分析基本原理 | 第31-33页 |
| 4.2 K-means算法 | 第33-34页 |
| 4.2.1 K-means算法简介 | 第33页 |
| 4.2.2 K-means算法的核心步骤 | 第33-34页 |
| 4.3 客户细分模型的构建 | 第34-37页 |
| 第5章 实证研究 | 第37-52页 |
| 5.1 样本选择与数据来源 | 第37-39页 |
| 5.1.1 样本选择 | 第37页 |
| 5.1.2 数据来源 | 第37-38页 |
| 5.1.3 数据的描述统计 | 第38-39页 |
| 5.2 主成分分析 | 第39-46页 |
| 5.2.1 数据标准化处理 | 第39-40页 |
| 5.2.2 KMO和Bartlett的检验 | 第40-41页 |
| 5.2.3 主成分提取 | 第41-46页 |
| 5.3 K-means聚类分析 | 第46-49页 |
| 5.4 细分解释与分析 | 第49-50页 |
| 5.5 模型的应用说明 | 第50-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 研究不足与展望 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士期间发表学术论文情况 | 第60-61页 |
