聚类分析算法在电信行业交叉销售中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·研究的背景和意义 | 第9-11页 |
| ·研究现状 | 第11-12页 |
| ·研究目标和主要内容 | 第12-13页 |
| ·研究目标 | 第12页 |
| ·研究的主要内容 | 第12-13页 |
| 2 电信行业交叉销售综述 | 第13-22页 |
| ·交叉销售问题描述 | 第13-15页 |
| ·交叉销售的定义 | 第13-14页 |
| ·交叉销售的优点 | 第14页 |
| ·交叉销售与其他销售的区别 | 第14-15页 |
| ·交叉销售的理论基础和技术支持 | 第15-17页 |
| ·交叉销售机会识别的方法 | 第17-20页 |
| ·潜在特质模型 | 第17页 |
| ·获得模式 | 第17-18页 |
| ·生存分析 | 第18页 |
| ·NPTB 模型 | 第18-19页 |
| ·市场细分 | 第19-20页 |
| ·基于客户细分方法实施交叉销售的理论基础 | 第20-22页 |
| ·根据客户细分方法实施交叉销售的理论依据 | 第20-21页 |
| ·根据客户细分方法实施交叉销售的意义 | 第21-22页 |
| 3 数据挖掘技术在交叉销售中的应用 | 第22-29页 |
| ·数据挖掘的概念 | 第22页 |
| ·数据挖掘的功能 | 第22-24页 |
| ·发现与预测 | 第22-23页 |
| ·关联规则挖掘 | 第23页 |
| ·数据聚类 | 第23页 |
| ·概念描述 | 第23-24页 |
| ·偏差分析 | 第24页 |
| ·演变分析 | 第24页 |
| ·数据挖掘过程模型 | 第24-25页 |
| ·数据挖掘在交叉销售中的应用 | 第25-29页 |
| ·交叉销售机会识别算法 | 第26-29页 |
| 4 聚类算法在电信行业交叉销售中的应用模型 | 第29-47页 |
| ·电信行业实施交叉销售的可行性 | 第29-30页 |
| ·电信行业实施交叉销售的条件 | 第29页 |
| ·电信行业实施交叉销售的可行性分析 | 第29-30页 |
| ·聚类分析方法综述 | 第30-33页 |
| ·聚类算法概念 | 第30页 |
| ·聚类分析方法的分类 | 第30-33页 |
| ·交叉销售建模的总体思路 | 第33-34页 |
| ·数据预处理技术 | 第34-36页 |
| ·数据清洗 | 第34-36页 |
| ·数据集成 | 第36页 |
| ·细分属性的选取 | 第36-38页 |
| ·客户基本属性 | 第36-37页 |
| ·客户价值属性 | 第37页 |
| ·客户消费行为属性 | 第37页 |
| ·基于消费行为的客户细分 | 第37-38页 |
| ·聚类算法应用于细分客户 | 第38-45页 |
| ·K-means 算法 | 第39-43页 |
| ·K-means 算法的工作原理 | 第43-44页 |
| ·聚类算法应用于细分客户步骤 | 第44-45页 |
| ·聚类评价准则 | 第45-46页 |
| ·实施交叉销售营销策略 | 第46-47页 |
| 5 交叉销售模型应用实证 | 第47-56页 |
| ·总体客户群体的细分分析 | 第47-54页 |
| ·数据预处理 | 第47页 |
| ·细分属性的选取 | 第47-49页 |
| ·聚类个数 K 值的确定 | 第49页 |
| ·聚类初始中心点的确定 | 第49-51页 |
| ·K-means 聚类结果 | 第51-54页 |
| ·增值业务交叉销售 | 第54-56页 |
| 6 结论与展望 | 第56-58页 |
| ·结论 | 第56-57页 |
| ·展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间发表的论文 | 第62页 |
