客户管理与分类方法的研究与实现
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 论文的背景 | 第8页 |
| 1.2 研究目的和意义 | 第8-9页 |
| 1.3 CRM相关理论及国内外研究现状 | 第9-12页 |
| 1.3.1 CRM内涵与概念 | 第9-11页 |
| 1.3.2 客户价值评价体系的研究概况 | 第11页 |
| 1.3.3 基于客户价值的客户分类的研究概况 | 第11-12页 |
| 1.4 论文主要内容 | 第12-14页 |
| 2 基于企业客户价值的客户分类指标构建 | 第14-24页 |
| 2.1 客户分类指标的选取原则 | 第14-15页 |
| 2.2 企业业务流程分析 | 第15-16页 |
| 2.3 企业客户价值评价指标体系 | 第16-20页 |
| 2.3.1 当前客户价值 | 第18页 |
| 2.3.2 企业与客户的互动情况 | 第18-19页 |
| 2.3.3 客户对企业的忠诚度 | 第19-20页 |
| 2.4 企业客户价值评价指标体系分析 | 第20-23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 客户分类方法的设计 | 第24-35页 |
| 3.1 K均值聚类 | 第24-27页 |
| 3.1.1 K均值算法基本原理 | 第24-25页 |
| 3.1.2 K均值算法流程 | 第25-26页 |
| 3.1.3 K均值算法的不足及改进 | 第26-27页 |
| 3.2 粒子群算法 | 第27-30页 |
| 3.2.1 粒子群算法基本原理 | 第27-28页 |
| 3.2.2 粒子群算法流程 | 第28-29页 |
| 3.2.3 参数分析 | 第29-30页 |
| 3.3 基于K均值与粒子群的混合聚类算法 | 第30-33页 |
| 3.3.1 编码方式及适应度函数 | 第30-31页 |
| 3.3.2 确定K均值操作时机 | 第31-32页 |
| 3.3.3 随机变异操作 | 第32页 |
| 3.3.4 粒子群和K均值混合聚类算法流程 | 第32-33页 |
| 3.4 混合聚类算法的验证 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 基于混合聚类算法的客户分类研究 | 第35-43页 |
| 4.1 数据清洗 | 第35-36页 |
| 4.2 数据预处理 | 第36-39页 |
| 4.3 基于混合聚类算法的客户分类 | 第39-41页 |
| 4.4 客户分类结果分析 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 5 客户关系管理系统设计 | 第43-65页 |
| 5.1 CRM系统整体架构 | 第43-44页 |
| 5.2 开发环境平台 | 第44-45页 |
| 5.3 功能实现 | 第45-50页 |
| 5.3.1 系统要求 | 第45-47页 |
| 5.3.2 功能模块 | 第47-48页 |
| 5.3.3 系统事务编号规则 | 第48-50页 |
| 5.4 数据库设计 | 第50-55页 |
| 5.4.1 数据库的选择 | 第50页 |
| 5.4.2 数据库关键表设计 | 第50-55页 |
| 5.5 系统各模块实现 | 第55-64页 |
| 5.5.1 客户信息管理模块 | 第56-58页 |
| 5.5.2 销售管理模块 | 第58-61页 |
| 5.5.3 服务管理模块 | 第61-62页 |
| 5.5.4 客户分类管理模块 | 第62-64页 |
| 5.6 本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
