| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第1章 绪论 | 第10-14页 |
| ·研究背景 | 第10-11页 |
| ·数据挖掘技术在电信业受到高度重视 | 第10页 |
| ·客户质量决定了企业的收益 | 第10-11页 |
| ·客户关系管理逐步被各运营商视为培育核心竞争力的焦点 | 第11页 |
| ·客户流失问题是摆在各大电信运营商面前的一道难题 | 第11页 |
| ·研究意义 | 第11页 |
| ·研究内容 | 第11-12页 |
| ·论文框架 | 第12-14页 |
| 第2章 理论与文献综述 | 第14-30页 |
| ·数据挖掘理论 | 第14-19页 |
| ·数据挖掘的内涵 | 第14页 |
| ·数据挖掘的主要分析方法 | 第14-15页 |
| ·数据挖掘的应用 | 第15-16页 |
| ·数据挖掘在电信领域的应用 | 第16-17页 |
| ·数据挖掘的行业标准 | 第17-19页 |
| ·客户关系管理理论 | 第19-22页 |
| ·客户关系管理产生的经济学基础 | 第19-20页 |
| ·客户关系管理的定义 | 第20页 |
| ·电信企业客户关系管理的内涵 | 第20-22页 |
| ·高价值客户定位分析 | 第22-27页 |
| ·客户价值研究的三大视角 | 第22-23页 |
| ·国内外学者对客户价值的研究 | 第23-24页 |
| ·电信客户价值的评价指标 | 第24-25页 |
| ·本文对电信高价值客户的定位 | 第25-27页 |
| ·国内外对电信客户流失的研究 | 第27-30页 |
| ·电信客户流失原因研究 | 第27-28页 |
| ·电信客户流失预测研究 | 第28-30页 |
| 第3章 客户细分模型的构建 | 第30-40页 |
| ·数据挖掘工具的选择 | 第30页 |
| ·客户细分的依据与标准 | 第30-32页 |
| ·客户细分的理论依据 | 第30-31页 |
| ·客户细分的标准 | 第31-32页 |
| ·客户细分的K-Means算法 | 第32-35页 |
| ·客户细分模型的构建 | 第35-40页 |
| ·客户细分指标的选择 | 第35-36页 |
| ·客户细分数据流的构建 | 第36-37页 |
| ·模型结果分析 | 第37-40页 |
| 第4章 客户流失预警模型的构建 | 第40-62页 |
| ·客户流失的定义 | 第41页 |
| ·客户流失的分类 | 第41-42页 |
| ·移动客户流失压力计算 | 第42-43页 |
| ·运用的数据挖掘技术概述 | 第43-48页 |
| ·C5.0决策树算法 | 第43-46页 |
| ·人工神经网络技术 | 第46-48页 |
| ·应用C5.0决策树模型预测客户流失 | 第48-54页 |
| ·构建数据流 | 第48-49页 |
| ·决策树模型预测结果 | 第49-52页 |
| ·C5.0模型的评价 | 第52-54页 |
| ·应用神经网络模型预测客户流失 | 第54-57页 |
| ·构建神经网络数据流 | 第54-55页 |
| ·神经网络模型预测结果 | 第55-56页 |
| ·神经网络模型的评价 | 第56-57页 |
| ·两类模型的评估 | 第57-60页 |
| ·收益图表评估 | 第57-58页 |
| ·响应图表评估 | 第58页 |
| ·功效图表评估 | 第58-59页 |
| ·利润图表评估 | 第59-60页 |
| ·投资报酬率图表评估 | 第60页 |
| ·本章小结 | 第60-62页 |
| 第5章 结论与展望 | 第62-64页 |
| ·工作结论 | 第62-63页 |
| ·下一步工作要点 | 第63-64页 |
| 参考文献 | 第64-66页 |
| 攻读学位期间取得的研究成果 | 第66-68页 |
| 致谢 | 第68-69页 |