基于数据挖掘方法的客户细分及流失预测
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状综述 | 第11-13页 |
| 1.3 快递行业客户数据分析现状综述 | 第13页 |
| 1.4 研究内容与框架 | 第13-15页 |
| 第二章 相关理论和方法介绍 | 第15-25页 |
| 2.1 客户细分基本理论 | 第15-17页 |
| 2.2 客户流失基本理论 | 第17页 |
| 2.3 数据挖掘简介 | 第17-20页 |
| 2.4 数据挖掘模型简介 | 第20-23页 |
| 2.4.1 k-means聚类 | 第20-21页 |
| 2.4.2 two-step聚类 | 第21页 |
| 2.4.3 人工神经网络算法 | 第21-23页 |
| 2.4.4 分类回归树算法 | 第23页 |
| 2.5 本章小结 | 第23-25页 |
| 第三章 基于聚类方法的客户细分 | 第25-36页 |
| 3.1 数据提取与数据预处理 | 第25-28页 |
| 3.1.1 数据提取 | 第25-26页 |
| 3.1.2 数据预处理 | 第26-28页 |
| 3.2 客户细分模型建立 | 第28-33页 |
| 3.3 客户细分结果分析 | 第33-36页 |
| 第四章 客户流失分析 | 第36-43页 |
| 4.1 流失客户探索性分析 | 第36-37页 |
| 4.2 客户流失模型 | 第37-41页 |
| 4.2.1 人工神经网络建模 | 第37-39页 |
| 4.2.2 分类回归树建模 | 第39-40页 |
| 4.2.3 模型比较 | 第40-41页 |
| 4.3 流失客户预测 | 第41-43页 |
| 第五章 总结与展望 | 第43-45页 |
| 5.1 研究结果的意义 | 第43页 |
| 5.2 主要研究结论与展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48页 |
