| 前言 | 第1-8页 |
| 第一章 客户关系管理概述 | 第8-24页 |
| 1．1 客户关系管理的产生和发展 | 第8-11页 |
| 1．2 客户关系管理的定义与本质 | 第11-16页 |
| 1．3 客户关系管理的分类 | 第16-18页 |
| 1．4 我国CRM研究的重要性和紧迫性 | 第18-24页 |
| 第二章 分析型CRM | 第24-32页 |
| 2．1 分析型CRM概述 | 第24-28页 |
| 2．1．1 分析型CRM的定义 | 第24-25页 |
| 2．1．2 分析型CRM的应用方式 | 第25-26页 |
| 2．1．3 分析型CRM的应用过程 | 第26-28页 |
| 2．2 数据挖掘技术在分析型CRM中的重要作用 | 第28-32页 |
| 2．2．1 数据挖掘是分析型CRM的核心技术 | 第29-30页 |
| 2．2．2 数据挖掘技术的典型应用 | 第30-31页 |
| 2．2．3 数据挖掘应用中的四大环节 | 第31-32页 |
| 第三章 分析型CRM建模基础 | 第32-48页 |
| 3．1 粗糙集理论 | 第32-37页 |
| 3．1．1 粗糙集理论的基本概念 | 第32-35页 |
| 3．1．2 决策表的粗糙集简化及算法 | 第35-37页 |
| 3．2 预测方法概述 | 第37-39页 |
| 3．3 层次分析法 | 第39-42页 |
| 3．4 MUSA方法简介 | 第42-45页 |
| 3．5 聚类分析 | 第45-46页 |
| 3．6 数据仓库技术概述 | 第46-48页 |
| 第四章 分析型CRM的方法与模型研究 | 第48-72页 |
| 4．1 基于粗集的组合预测模型 | 第48-53页 |
| 4．1．1 引言 | 第48-49页 |
| 4．1．2 选择预测方法并初步估计权重 | 第49-51页 |
| 4．1．3 组合模型的建立 | 第51-52页 |
| 4．1．4 算例分析 | 第52-53页 |
| 4．2 基于MUSA模型的客户满意度分析 | 第53-61页 |
| 4．2．1 引言 | 第53-54页 |
| 4．2．2 基本模型 | 第54-57页 |
| 4．2．3 实施客户满意情况调查 | 第57-58页 |
| 4．2．4 调查结果分析 | 第58-61页 |
| 4．3 基于层次分析法的湖南电信客户信用度分析 | 第61-67页 |
| 4．3．1 引言 | 第61-62页 |
| 4．3．2 湖南电信客户信用度分析指标体系 | 第62-63页 |
| 4．3．3 用层次分析法确定各指标的权重 | 第63-65页 |
| 4．3．4 计算出电信客户的信用度 | 第65页 |
| 4．3．5 应用实例 | 第65-67页 |
| 4．4 基于粗集的客户聚类分析 | 第67-72页 |
| 4．4．1 客户聚类分析中的数据挖掘 | 第67页 |
| 4．4．2 客户聚类分析中的属性约简和客户模糊聚类分析 | 第67-69页 |
| 4．4．3 客户聚类分析的实例——湖南电信的客户聚类分析 | 第69-72页 |
| 第五章 实证分析 | 第72-83页 |
| 5．1 拓维电信CRM概述 | 第73-78页 |
| 5．1．1 总体思路 | 第73页 |
| 5．1．2 系统总体框架 | 第73-78页 |
| 5．1．2．1 拓维电信CRM业务模型 | 第73-74页 |
| 5．1．2．2 系统逻辑框图 | 第74-75页 |
| 5．1．2．3 系统网络结构 | 第75-77页 |
| 5．1．2．4 系统软件实现 | 第77-78页 |
| 5．1．3 系统实现的功能 | 第78页 |
| 5．2 分析型CRM模型和方法在拓维电信CRM系统中应用 | 第78-83页 |
| 5．2．1 组合预测模型在拓维电信CRM中的应用 | 第78-80页 |
| 5．2．2 拓维电信CRM中的客户满意度分析 | 第80-81页 |
| 5．2．3 拓维电信CRM中的客户信用度分析 | 第81页 |
| 5．2．4 拓维电信CRM中的客户聚类分析 | 第81-83页 |
| 结束语 | 第83-84页 |
| 附录1 | 第84-86页 |
| 参考文献 | 第86-91页 |
| 致谢 | 第91页 |
