| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.1.1 选题背景 | 第9-10页 |
| 1.1.2 选题意义 | 第10页 |
| 1.2 研究主要内容及基本方法 | 第10-11页 |
| 1.2.1 本文的主要研究内容及各章内容分述 | 第10-11页 |
| 1.2.2 本文研究方法 | 第11页 |
| 1.3 本文可能存在的创新点 | 第11-12页 |
| 第二章 相关理论概述 | 第12-16页 |
| 2.1 精准营销概念的界定 | 第12页 |
| 2.2 国内外保险营销发展现状 | 第12-13页 |
| 2.2.1 国内保险业营销现状 | 第12-13页 |
| 2.2.2 国外保险业营销现状 | 第13页 |
| 2.3 国内外运用数据挖掘对保险营销的研究 | 第13-16页 |
| 2.3.1 数据挖掘在商业领域中的应用 | 第13-14页 |
| 2.3.2 数据挖掘在国内保险业营销中的应用研究 | 第14页 |
| 2.3.3 数据挖掘在国外保险业营销中的应用研究 | 第14-16页 |
| 第三章 PA养老险公司营销现状分析 | 第16-22页 |
| 3.1 商业养老险相关概念概述 | 第16-17页 |
| 3.1.1 商业养老险的基本概念 | 第16页 |
| 3.1.2 商业养老险的分类 | 第16-17页 |
| 3.2 PA养老险公司市场营销现状 | 第17-19页 |
| 3.2.1 PA养老险公司简介 | 第17页 |
| 3.2.2 PA养老险营销概述 | 第17-19页 |
| 3.3 PA养老险营销存在的问题 | 第19-21页 |
| 3.4 解决PA养老险公司营销存在问题的思路 | 第21-22页 |
| 第四章 基于数据挖掘的PA养老险公司精准营销方案设计 | 第22-41页 |
| 4.1 K-means聚类算法简介 | 第22-23页 |
| 4.1.1 聚类算法原理简介 | 第22页 |
| 4.1.2 K-means聚类分析法简介 | 第22-23页 |
| 4.2 数据准备及相关变量定性分析 | 第23-29页 |
| 4.2.1 本文K-means聚类算法的具体思路 | 第23页 |
| 4.2.2 数据描述 | 第23-27页 |
| 4.2.3 各变量与投保行为的定性分析 | 第27-29页 |
| 4.3 模型建立及验证 | 第29-33页 |
| 4.3.1 模型建立 | 第29-32页 |
| 4.3.2 K—Means分析操作过程简述 | 第32-33页 |
| 4.4 聚类结果分析 | 第33-34页 |
| 4.4.1 聚类结果概述 | 第33页 |
| 4.4.2 聚类具体结果分析 | 第33-34页 |
| 4.5 客户分群与营销机会识别 | 第34-39页 |
| 4.5.1 客户细分 | 第34-35页 |
| 4.5.2 各分类客户主要特征 | 第35-36页 |
| 4.5.3 各子类别客户群体特征业务的确定 | 第36-38页 |
| 4.5.4 各类别客户群体特征分析 | 第38页 |
| 4.5.5 潜在营销机会识别 | 第38-39页 |
| 4.6 PA养老险公司精准营销方案设计 | 第39-41页 |
| 4.6.1 数据准备及客户精确分类 | 第39页 |
| 4.6.2 特征业务分析 | 第39-40页 |
| 4.6.3 潜在营销机会识别 | 第40-41页 |
| 第五章 推进PA养老险公司精准营销方案实施的措施 | 第41-46页 |
| 5.1 进一步推进客户关系管理 | 第41-43页 |
| 5.1.1 加强客户关系管理认识 | 第41-42页 |
| 5.1.2 客户关系管理的关键因素 | 第42-43页 |
| 5.2 PA养老险公司客户信息管理制度的构建 | 第43-44页 |
| 5.2.1 确定客户信息收集的目标和内容 | 第43页 |
| 5.2.2 健全客户信息管理机制 | 第43页 |
| 5.2.3 完善客户信息查询制度 | 第43-44页 |
| 5.3 PA养老险公司数据分析人才队伍建设 | 第44-46页 |
| 5.3.1 数据分析专业人才招聘 | 第44页 |
| 5.3.2 PA养老险数据分析人才储备 | 第44-46页 |
| 第六章 结论 | 第46-48页 |
| 6.1 本文主要结论 | 第46-47页 |
| 6.2 不足与展望 | 第47-48页 |
| 参考文献 | 第48-50页 |
| 致谢 | 第50页 |