高端客户细分及营销策略研究--以上海移动为例
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 导论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目的及意义 | 第11-12页 |
| 1.2.1 研究目的 | 第12页 |
| 1.2.2 研究意义 | 第12页 |
| 1.3 国内外研究综述 | 第12-15页 |
| 1.3.1 客户细分研究现状 | 第12-14页 |
| 1.3.2 客户消费预测现状 | 第14-15页 |
| 1.4 研究内容及结构 | 第15-16页 |
| 1.5 研究方法 | 第16-17页 |
| 1.6 创新与不足 | 第17-18页 |
| 1.6.1 创新之处 | 第17页 |
| 1.6.2 不足之处 | 第17-18页 |
| 第2章 相关理论介绍 | 第18-24页 |
| 2.1 数据挖掘理论 | 第18-21页 |
| 2.1.1 数据挖掘功能 | 第18-19页 |
| 2.1.2 数据挖掘流程 | 第19-20页 |
| 2.1.3 数据挖掘在电信行业的应用 | 第20-21页 |
| 2.2 消费者行为研究 | 第21-22页 |
| 2.2.1 消费者行为特点 | 第21页 |
| 2.2.2 消费行为影响因素 | 第21-22页 |
| 2.3 市场营销研究 | 第22-24页 |
| 第3章 移动高端客户属性特征及营销现状 | 第24-31页 |
| 3.1 高端客户特征分析 | 第24-29页 |
| 3.1.1 数据准备 | 第24-25页 |
| 3.1.2 数据预处理 | 第25-27页 |
| 3.1.3 高端客户基本特征 | 第27-28页 |
| 3.1.4 高端客户消费行为特征 | 第28-29页 |
| 3.2 营销现状及存在问题 | 第29-31页 |
| 第4章 基于聚类分析的客户细分模型 | 第31-38页 |
| 4.1 K-means算法简介 | 第31-33页 |
| 4.1.1 聚类算法原理 | 第31页 |
| 4.1.2 聚类算法实现过程 | 第31-32页 |
| 4.1.3 K-means算法优缺点 | 第32-33页 |
| 4.2 分类指标选取 | 第33-34页 |
| 4.3 高端客户细分结果 | 第34-36页 |
| 4.4 细分客户特征行为分析 | 第36-38页 |
| 第5章 基于关联规则的客户消费模式分析 | 第38-45页 |
| 5.1 关联规则原理 | 第38-40页 |
| 5.2 细分客户消费模式分析 | 第40-42页 |
| 5.2.1 高忠诚度-低消费客户消费模式分析 | 第40-41页 |
| 5.2.2 高价值-高消费客户消费模式分析 | 第41-42页 |
| 5.2.3 可能流失客户消费模式分析 | 第42页 |
| 5.3 高端客户营销策略 | 第42-45页 |
| 第6章 结论及建议 | 第45-48页 |
| 6.1 结论 | 第45-46页 |
| 6.1.1 高端客户消费行为规律 | 第45页 |
| 6.1.2 高端客户营销策略 | 第45-46页 |
| 6.2 建议 | 第46-48页 |
| 6.2.1 高端客户整体营销建议 | 第46-47页 |
| 6.2.2 细分市场客户营销建议 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 后记 | 第51页 |
