| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第9-12页 |
| 1. 绪论 | 第12-19页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 客户流失文献综述 | 第13-16页 |
| 1.2.1 客户流失国外研究 | 第13-14页 |
| 1.2.2 客户流失国内研究 | 第14-16页 |
| 1.3 主要研究内容 | 第16-17页 |
| 1.4 本研究的创新点 | 第17页 |
| 1.5 研究思路 | 第17-19页 |
| 2. 数据挖掘概述 | 第19-37页 |
| 2.1 数据挖掘的内涵 | 第19-20页 |
| 2.2 数据挖掘工具 | 第20-22页 |
| 2.2.1 IBM Intelligent Miner | 第20-21页 |
| 2.2.2 SPSS Clementine | 第21页 |
| 2.2.3 SAS Enterprise Miner | 第21-22页 |
| 2.2.4 其他挖掘工具 | 第22页 |
| 2.3 数据挖掘算法 | 第22-31页 |
| 2.3.1 关联规则 | 第23页 |
| 2.3.2 聚类分析 | 第23-24页 |
| 2.3.3 决策树 | 第24-26页 |
| 2.3.4 Logistic回归 | 第26-31页 |
| 2.4 数据挖掘建模方法论 | 第31-37页 |
| 2.4.1 CRISP-DM建模标准 | 第31-33页 |
| 2.4.2 Logistic回归建模过程 | 第33-37页 |
| 3. 移动客户流失理论分析 | 第37-45页 |
| 3.1 移动客户流失概念 | 第37-39页 |
| 3.2 客户流失相关理论 | 第39-43页 |
| 3.2.1 客户价值理论 | 第39-40页 |
| 3.2.2 客户关系生命周期理论 | 第40-43页 |
| 3.3 移动客户流失的原因分析 | 第43-45页 |
| 4. 移动客户流失实证分析 | 第45-59页 |
| 4.1 模型的总体思路 | 第45页 |
| 4.2 数据来源 | 第45页 |
| 4.3 业务理解 | 第45-47页 |
| 4.3.1 预测客户群范围 | 第45-46页 |
| 4.3.2 流失客户定义 | 第46-47页 |
| 4.4 数据准备 | 第47-50页 |
| 4.4.1 数据描述 | 第47-49页 |
| 4.4.2 模型时间窗口 | 第49页 |
| 4.4.3 数据探索 | 第49-50页 |
| 4.5 变量选择 | 第50-53页 |
| 4.5.1 基于区分度的筛选 | 第50页 |
| 4.5.2 基于WOE值和IV值的筛选 | 第50-53页 |
| 4.5.3 基于相关性的筛选 | 第53页 |
| 4.6 模型构建与选择 | 第53-57页 |
| 4.6.1 目标客户群的细分 | 第53-55页 |
| 4.6.2 模型构建 | 第55-56页 |
| 4.6.3 模型选择 | 第56-57页 |
| 4.7 模型评估 | 第57-58页 |
| 4.8 模型结果分析 | 第58-59页 |
| 5. 移动客户流失管理策略 | 第59-62页 |
| 5.1 考察期低价值客户 | 第59-60页 |
| 5.2 稳定期低价值客户 | 第60页 |
| 5.3 退化期高价值客户 | 第60-62页 |
| 6. 总结与展望 | 第62-65页 |
| 6.1 研究总结 | 第62-63页 |
| 6.2 研究展望 | 第63-65页 |
| 参考文献 | 第65-67页 |
| 致谢 | 第67-68页 |
| 在读期间科研成果目录 | 第68页 |