零售业顾客忠诚度的模型研究与聚类挖掘
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-21页 |
| ·问题的提出 | 第10-11页 |
| ·本文的研究背景 | 第11-13页 |
| ·我国零售业顾客忠诚度研究的重要性及现实意义 | 第13-14页 |
| ·国内外相关研究现状 | 第14-17页 |
| ·国外研究现状 | 第14-16页 |
| ·国内研究现状 | 第16-17页 |
| ·本课题的来源及研究内容 | 第17页 |
| ·数据挖掘 | 第17-19页 |
| ·数据挖掘定义 | 第17-18页 |
| ·数据挖掘发展现状 | 第18-19页 |
| ·数据挖掘方法 | 第19页 |
| ·论文结构安排 | 第19-21页 |
| 第二章 零售业现状分析 | 第21-30页 |
| ·零售业规模经济性分析 | 第21-22页 |
| ·我国零售业现状及发展趋势分析 | 第22-29页 |
| ·我国零售业现状分析 | 第22-24页 |
| ·我国零售业发展趋势分析 | 第24-25页 |
| ·我国零售企业优劣势分析 | 第25-27页 |
| ·我国零售企业顾客忠诚度现状分析 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 顾客忠诚度及新忠诚度模型提出 | 第30-39页 |
| ·顾客忠诚度 | 第30-34页 |
| ·顾客忠诚度分类 | 第30-33页 |
| ·零售业顾客忠诚度研究特殊性 | 第33-34页 |
| ·零售业顾客忠诚度研究方法 | 第34页 |
| ·顾客分析指标模型 | 第34-35页 |
| ·“人口统计数据”模型分析法 | 第35页 |
| ·“生活阶段”模型分析法 | 第35页 |
| ·RFM 模型分析法 | 第35页 |
| ·RFM 指标模型简介及分析 | 第35-36页 |
| ·RFM 顾客忠诚度模型 | 第35-36页 |
| ·对RFM 忠诚度模型的分析 | 第36页 |
| ·新顾客忠诚度模型的建立 | 第36-37页 |
| ·SMP 与RFM 忠诚度模型的比较分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于NK-MEANS 聚类算法的改进 | 第39-52页 |
| ·顾客忠诚度的数据挖掘方法 | 第39页 |
| ·聚类算法的理论研究 | 第39-41页 |
| ·聚类算法的分类 | 第39-40页 |
| ·聚类算法的评价标准 | 第40-41页 |
| ·基于K-MEANS 的顾客细分 | 第41-42页 |
| ·K-means 算法 | 第41-42页 |
| ·基于K-means 顾客细分的不足 | 第42页 |
| ·基于近邻密度的初始中心点选择算法 | 第42-50页 |
| ·NK-means 算法的基本原理 | 第42页 |
| ·NK-means 算法的主要步骤 | 第42-47页 |
| ·NK-means 算法的性能评价 | 第47-50页 |
| ·应用NK-MEANS 进行顾客细分的流程 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 零售业顾客忠诚度的聚类挖掘分析 | 第52-64页 |
| ·数据准备 | 第52-53页 |
| ·数据清洗 | 第52页 |
| ·数据整合 | 第52页 |
| ·数据筛选 | 第52-53页 |
| ·数据转换 | 第53页 |
| ·SMP 的CLV 指标因素权重的确立 | 第53-56页 |
| ·AHP 方法简介 | 第53-54页 |
| ·用AHP 方法计算SMP 的权重值 | 第54-56页 |
| ·顾客忠诚度聚类挖掘分析 | 第56-58页 |
| ·RFM 与SMP 模型挖掘结果与分析 | 第58-62页 |
| ·聚类挖掘结果分析及提高顾客忠诚度建议 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
