基于消费行为认知的电信企业客户细分方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-20页 |
| ·选题背景及意义 | 第11-13页 |
| ·研究背景 | 第11-12页 |
| ·研究目的和意义 | 第12-13页 |
| ·国内外研究现状 | 第13-18页 |
| ·客户细分国内外研究现状及其应用领域 | 第13-15页 |
| ·数据挖掘在客户细分中的应用 | 第15-16页 |
| ·电信企业客户细分应用现状 | 第16-18页 |
| ·研究中存在的问题 | 第18页 |
| ·本文主要内容及创新点 | 第18-20页 |
| ·主要研究内容、采用的技术路线 | 第18-19页 |
| ·主要创新点 | 第19-20页 |
| 第二章 客户细分与数据挖掘理论基础 | 第20-31页 |
| ·客户细分相关理论 | 第20-25页 |
| ·客户细分的概念 | 第20页 |
| ·客户细分的原则 | 第20-22页 |
| ·客户细分的作用 | 第22-23页 |
| ·客户细分的步骤 | 第23-25页 |
| ·数据挖掘技术分析 | 第25-30页 |
| ·数据挖掘的定义 | 第25页 |
| ·数据挖掘的功能 | 第25-27页 |
| ·数据挖掘的算法 | 第27-29页 |
| ·数据挖掘的工具 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 电信企业客户细分需求分析 | 第31-42页 |
| ·电信企业客户消费行为分析 | 第31-37页 |
| ·电信企业客户定义与内涵 | 第31页 |
| ·电信企业客户分类 | 第31-32页 |
| ·电信企业客户特征 | 第32-35页 |
| ·电信企业客户消费行为与需求 | 第35-37页 |
| ·电信企业客户细分的必要性 | 第37-41页 |
| ·客户细分在电信市场营销中的应用 | 第37-39页 |
| ·电信企业客户细分的必要性 | 第39-40页 |
| ·电信企业客户细分存在的问题 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 电信企业客户细分方法与模型建立 | 第42-60页 |
| ·电信企业客户数据/信息分类 | 第42-43页 |
| ·客户属性 | 第42页 |
| ·客户消费 | 第42页 |
| ·客户行为 | 第42-43页 |
| ·客户状态 | 第43页 |
| ·客户数据获取与清洗方法 | 第43-45页 |
| ·客户数据获取 | 第43-44页 |
| ·数据清洗方法 | 第44-45页 |
| ·基于消费行为的客户细分模型建立 | 第45-52页 |
| ·电信企业常用的客户细分方法 | 第45-47页 |
| ·现有基于行为的客户细分矩阵 | 第47-49页 |
| ·基于消费行为的电信企业客户细分模型设计 | 第49-52页 |
| ·聚类方法分析与模型建立 | 第52-59页 |
| ·聚类方法分析和对比 | 第52-54页 |
| ·因子分析法和K-means 算法 | 第54-57页 |
| ·基于改进的K-means 算法模型设计 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 电信企业客户细分方法应用 | 第60-75页 |
| ·广东电信简介 | 第60-61页 |
| ·广东电信客户细分概况 | 第60页 |
| ·广东电信客户细分需求分析 | 第60-61页 |
| ·实证研究 | 第61-73页 |
| ·数据采集和数据预处理 | 第62-65页 |
| ·K-means 算法实现客户充值行为细分 | 第65-66页 |
| ·基于改进的K-means 算法的客户细分 | 第66-73页 |
| ·本章小结 | 第73-75页 |
| 结论及展望 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 攻读硕士学位期间取得的成果 | 第81-82页 |
| 致谢 | 第82-83页 |
| 附件 | 第83页 |
