大数据时代下零售行业客户分析模型研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第8-11页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究意义 | 第8-9页 |
| 1.3 研究方法 | 第9页 |
| 1.4 研究框架 | 第9-11页 |
| 2 零售业客户管理理论及相关研究文献综述 | 第11-19页 |
| 2.1 零售业客户管理理论综述 | 第11-15页 |
| 2.2 零售业客户分析的文献综述 | 第15-18页 |
| 2.3 当前客户分析理论研究面临的挑战 | 第18-19页 |
| 3 零售业客户分析方法 | 第19-27页 |
| 3.1 传统分析方法 | 第19-20页 |
| 3.1.1 直接聚类法 | 第19-20页 |
| 3.1.2 最短距离聚类法 | 第20页 |
| 3.1.3 最远距离聚类法 | 第20页 |
| 3.2 大数据分析方法 | 第20-27页 |
| 3.2.1 大数据分析方法的数据源构成 | 第20-21页 |
| 3.2.2 大数据分析方法的核心数据维度 | 第21页 |
| 3.2.3 大数据分析方法的核心指标 | 第21-27页 |
| 4 零售业大数据客户分析模型设计 | 第27-31页 |
| 4.1 客户价值模型（RFM） | 第27-28页 |
| 4.2 客户生命周期模型（NESS） | 第28-29页 |
| 4.3 客户粘性模型（RFD） | 第29-30页 |
| 4.4 客户身份模型（CIM） | 第30-31页 |
| 5 北京朝阳大悦城客户分析模型应用的案例分析 | 第31-37页 |
| 5.1 案例背景 | 第31页 |
| 5.2 模型建立及应用 | 第31-35页 |
| 5.3 应用总结 | 第35-37页 |
| 6 结论 | 第37-38页 |
| 6.1 主要结论 | 第37页 |
| 6.2 研究不足 | 第37-38页 |
| 参考文献 | 第38-42页 |
| 致谢 | 第42页 |
