基于数据挖掘的网络消费者价值研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第12-18页 |
| 1.1 课题背景 | 第12页 |
| 1.2 研究目的及意义 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-18页 |
| 1.3.1 国外研究现状 | 第13-15页 |
| 1.3.2 国内研究现状 | 第15-18页 |
| 2 相关理论基础 | 第18-33页 |
| 2.1 消费者价值理论概述 | 第18-23页 |
| 2.1.1 消费者价值定义 | 第18页 |
| 2.1.2 消费者价值分类方法 | 第18-21页 |
| 2.1.3 消费者价值计算方法 | 第21-23页 |
| 2.2 数据挖掘技术理论基础 | 第23-25页 |
| 2.2.1 数据挖掘的概念 | 第23页 |
| 2.2.2 数据挖掘的任务 | 第23-24页 |
| 2.2.3 数据挖掘的过程 | 第24-25页 |
| 2.3 聚类相关理论 | 第25-26页 |
| 2.3.1 聚类的概念 | 第25页 |
| 2.3.2 聚类的方法 | 第25-26页 |
| 2.4 决策树相关理论 | 第26-33页 |
| 2.4.1 C5.0算法 | 第26-29页 |
| 2.4.2 CART算法 | 第29-30页 |
| 2.4.3 CHAID算法 | 第30-31页 |
| 2.4.4 各算法对比分析 | 第31-33页 |
| 3 消费者价值数据处理及模型构建 | 第33-44页 |
| 3.1 数据准备 | 第33-34页 |
| 3.2 数据预处理 | 第34-37页 |
| 3.2.1 数据预处理的方法 | 第34页 |
| 3.2.2 数据标准化 | 第34-35页 |
| 3.2.3 数据清理与集成 | 第35-37页 |
| 3.3 消费者价值模型构建 | 第37-44页 |
| 3.3.1 基于RFM模型的指标确定 | 第38页 |
| 3.3.2 RFCP模型指标设计 | 第38-39页 |
| 3.3.3 网络消费者价值综合分析模型建立 | 第39-44页 |
| 4 网络消费者价值实证分析 | 第44-59页 |
| 4.1 运用聚类和DEA进行消费者价值分析 | 第44-47页 |
| 4.1.1 网络消费者聚类分析 | 第44-46页 |
| 4.1.2 网络消费者价值排序 | 第46-47页 |
| 4.2 网络消费者价值分类及预测 | 第47-59页 |
| 4.2.1 运用决策树进行消费者价值分类 | 第47-56页 |
| 4.2.2 新消费者价值挖掘 | 第56-59页 |
| 5 消费者价值层次策略分析 | 第59-63页 |
| 5.1 构建差异化服务的必要性 | 第59-60页 |
| 5.2 不同价值客户营销对策 | 第60-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读学位期间发表的学术论文 | 第68-69页 |
| 致谢 | 第69页 |
