基于数据挖掘的零售客户细分模型的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景和意义 | 第9-10页 |
| ·课题来源 | 第10页 |
| ·国内外现状 | 第10-12页 |
| ·主要研究内容 | 第12-13页 |
| ·论文结构 | 第13-14页 |
| 第二章 数据挖掘与零售客户细分概述 | 第14-23页 |
| ·数据挖掘的简介 | 第14-19页 |
| ·数据挖掘的概念 | 第14-16页 |
| ·数据挖掘的过程 | 第16-17页 |
| ·数据挖掘的功能 | 第17-19页 |
| ·零售客户关系管理中的客户细分 | 第19-23页 |
| ·数据挖掘在客户关系管理中的应用 | 第19-20页 |
| ·客户细分的目的与意义 | 第20-21页 |
| ·不同视角的客户细分 | 第21-23页 |
| 第三章 数据预处理 | 第23-31页 |
| ·数据预处理技术 | 第23-24页 |
| ·数据准备 | 第24-27页 |
| ·零售数据抽取 | 第24-27页 |
| ·新属性添加 | 第27页 |
| ·数据清理 | 第27-28页 |
| ·数据集成和变换 | 第28-29页 |
| ·离散化和二元化 | 第29-31页 |
| 第四章 基于购买行为的客户细分模型及其算法 | 第31-43页 |
| ·行为细分变量的选取 | 第31-33页 |
| ·RFM 分析 | 第31页 |
| ·客户价值矩阵分析 | 第31-32页 |
| ·行为忠诚变量 | 第32-33页 |
| ·客户细分的技术 | 第33-43页 |
| ·聚类分析 | 第33-34页 |
| ·SOM 神经网络 | 第34-39页 |
| ·K-均值算法 | 第39-41页 |
| ·SOM 与K-均值两种算法的结合 | 第41-43页 |
| 第五章 零售客户细分实验系统 | 第43-63页 |
| ·实验系统的建立 | 第43-48页 |
| ·模块与流程设计 | 第43-44页 |
| ·实验平台与界面 | 第44-48页 |
| ·零售客户细分模型的建模实施 | 第48-52页 |
| ·基于SOM 网络的细分建模 | 第48-49页 |
| ·基于K-均值的细分建模 | 第49-50页 |
| ·基于SOM 和K-均值结合算法的细分建模 | 第50-52页 |
| ·模型评估 | 第52页 |
| ·零售客户细分模型的应用 | 第52-63页 |
| ·基于决策树算法的客户特征提取 | 第52-58页 |
| ·基于Apriori 的客户特征与购买关联挖掘 | 第58-63页 |
| 第六章 总结与展望 | 第63-64页 |
| ·总结 | 第63页 |
| ·展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 读研期间发表的论文及科研情况 | 第69页 |
