基于数据挖掘的生鲜行业客户行为分析研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 客户行为分析研究现状 | 第11-12页 |
| 1.2.2 数据挖掘研究现状 | 第12-14页 |
| 1.3 研究内容与结构 | 第14-16页 |
| 第二章 客户行为分析理论 | 第16-23页 |
| 2.1 客户关系管理 | 第16-18页 |
| 2.1.1 客户关系管理的定义 | 第16页 |
| 2.1.2 客户关系管理的体系结构 | 第16-17页 |
| 2.1.3 CRM运作流程 | 第17-18页 |
| 2.2 客户行为分析 | 第18-19页 |
| 2.2.1 客户行为分析的内涵 | 第18页 |
| 2.2.2 客户行为分析的优势 | 第18-19页 |
| 2.3 数据挖掘模型在CRM中的应用 | 第19-23页 |
| 2.3.1 营销活动响应模型 | 第19-20页 |
| 2.3.2 客户价值评估模型 | 第20-21页 |
| 2.3.3 交叉销售模型 | 第21页 |
| 2.3.4 客户流失模型 | 第21-23页 |
| 第三章 数据挖掘中的聚类分析和分类问题 | 第23-33页 |
| 3.1 数据挖掘基础 | 第23-24页 |
| 3.1.1 数据挖掘概念及其方法 | 第23-24页 |
| 3.1.2 数据挖掘的过程 | 第24页 |
| 3.2 聚类分析 | 第24-27页 |
| 3.2.1 K-means聚类的算法 | 第25-26页 |
| 3.2.2 聚类有效性度量 | 第26-27页 |
| 3.3 决策树算法 | 第27-33页 |
| 3.3.1 创建决策树 | 第28-29页 |
| 3.3.2 分裂属性选择方法 | 第29-30页 |
| 3.3.3 决策树分类模型的评估 | 第30-31页 |
| 3.3.4 修剪决策树 | 第31-33页 |
| 第四章 实证分析 | 第33-49页 |
| 4.1 数据预处理 | 第33-35页 |
| 4.2 K-means模型运用 | 第35-41页 |
| 4.2.1 确定聚类个数 | 第35-36页 |
| 4.2.2 聚类结果输出 | 第36-39页 |
| 4.2.3 聚类结果分析 | 第39-41页 |
| 4.3 决策树模型运用 | 第41-49页 |
| 4.3.1 数据预处理 | 第41页 |
| 4.3.2 决策树模型的建立 | 第41-46页 |
| 4.3.3 决策树模型的选择与评估 | 第46-47页 |
| 4.3.4 分类规则结果分析 | 第47-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 总结 | 第49-50页 |
| 5.2 展望 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 附录 | 第53-55页 |
| 致谢 | 第55-56页 |
