基于客户数据挖掘的电信客户关系管理研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究问题的背景 | 第10-11页 |
| 1.2 研究目标 | 第11-12页 |
| 1.3 研究意义 | 第12页 |
| 1.4 研究方法 | 第12-14页 |
| 第2章 相关文献综述 | 第14-31页 |
| 2.1 客户关系管理研究综述 | 第14-22页 |
| 2.1.1 客户关系管理的概念 | 第14-16页 |
| 2.1.2 客户关系管理的基础：客户细分 | 第16-19页 |
| 2.1.3 客户关系管理在电信行业的应用研究 | 第19-22页 |
| 2.2 数据挖掘研究综述 | 第22-31页 |
| 2.2.1 数据挖掘的概念 | 第22-24页 |
| 2.2.2 数据挖掘的功能 | 第24-26页 |
| 2.2.3 数据挖掘的流程和工具 | 第26-31页 |
| 第3章 本文所用的数据挖掘技术和算法 | 第31-39页 |
| 3.1 基于K-means算法的聚类分析 | 第31-32页 |
| 3.1.1 K-means算法的原理 | 第31-32页 |
| 3.1.2 K-means算法的特点 | 第32页 |
| 3.2 基于Apriori算法的关联规则获取 | 第32-35页 |
| 3.2.1 关联规则的确定 | 第33-34页 |
| 3.2.2 Apriori算法的使用 | 第34-35页 |
| 3.2.3关联规则分析的特点 | 第35页 |
| 3.3 决策树归纳 | 第35-39页 |
| 3.3.1 决策树的构建原理 | 第36页 |
| 3.3.2 基于ID3算法的决策树设计 | 第36-38页 |
| 3.3.3 决策树的特点 | 第38-39页 |
| 第4章 基于客户数据挖掘的电信客户关系管理研究 | 第39-57页 |
| 4.1 基于聚类模型的移动4G业务推广 | 第39-49页 |
| 4.1.1 案例背景 | 第39-40页 |
| 4.1.2 数据准备 | 第40-45页 |
| 4.1.3 分析流程 | 第45-46页 |
| 4.1.4 聚类分析结果 | 第46-48页 |
| 4.1.5 应用分析 | 第48-49页 |
| 4.2 基于关联规则的移动增值业务推广 | 第49-53页 |
| 4.2.1 案例背景 | 第49-50页 |
| 4.2.2 数据准备 | 第50-51页 |
| 4.2.3 分析流程 | 第51页 |
| 4.2.4 关联规则分析结果 | 第51-52页 |
| 4.2.5 应用分析 | 第52-53页 |
| 4.3 基于决策树模型的终端捆绑到期客户离网判定 | 第53-57页 |
| 4.3.1 案例背景 | 第53页 |
| 4.3.2 数据准备 | 第53-54页 |
| 4.3.3 分析流程 | 第54-55页 |
| 4.3.4 决策树分析结果 | 第55-56页 |
| 4.3.5 应用分析 | 第56-57页 |
| 结论 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-62页 |
