基于数据挖掘的电信业CRM的客户细分研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-12页 |
| ·研究的背景 | 第10页 |
| ·选题的意义 | 第10-11页 |
| ·研究的目标 | 第11页 |
| ·研究的思路与方法 | 第11页 |
| ·论文的结构 | 第11-12页 |
| 第2章 数据挖掘与客户细分文献综述 | 第12-22页 |
| ·数据挖掘的概念与方法 | 第12-13页 |
| ·数据挖掘的概念 | 第12页 |
| ·数据挖掘的方法 | 第12-13页 |
| ·CRM的定义、组成及工具 | 第13-18页 |
| ·CRM的定义 | 第13-15页 |
| ·CRM的组成 | 第15-16页 |
| ·CRM的相关工具 | 第16-18页 |
| ·客户细分概念与方法 | 第18-21页 |
| ·客户细分的概念 | 第18页 |
| ·客户细分的原则 | 第18-19页 |
| ·客户细分的方法 | 第19-21页 |
| ·数据挖掘与客户细分 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第3章 数据挖掘与客户细分技术 | 第22-32页 |
| ·数据挖掘的常用技术与挖掘工具 | 第22-24页 |
| ·常用技术 | 第22-24页 |
| ·挖掘工具 | 第24页 |
| ·数据挖掘的常用算法 | 第24-27页 |
| ·决策树 | 第24-25页 |
| ·关联规则 | 第25页 |
| ·人工神经网络 | 第25-26页 |
| ·遗传算法 | 第26页 |
| ·K-means算法 | 第26-27页 |
| ·数据挖掘的任务 | 第27-29页 |
| ·客户细分中的技术 | 第29-30页 |
| ·客户细分中的数据挖掘应用 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 电信行业现行客户细分及建模方法 | 第32-37页 |
| ·电信行业业务特征 | 第32-33页 |
| ·电信业客户特点 | 第33-34页 |
| ·电信业客户细分方法 | 第34-35页 |
| ·电信业客户细分的建模方法 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第5章 基于改进的K平均算法的电信客户细分建模 | 第37-48页 |
| ·电信客户细分的基本模型 | 第37页 |
| ·原始算法的不足 | 第37-40页 |
| ·算法的改进 | 第40-41页 |
| ·改进后的细分模型 | 第41-47页 |
| ·选取数据 | 第41-42页 |
| ·建立模型 | 第42-47页 |
| ·本章小结 | 第47-48页 |
| 第6章 改进的电信客户细分模型应用实例 | 第48-52页 |
| ·数据源分析 | 第48页 |
| ·客户流失模型的建立 | 第48-49页 |
| ·模型的评估 | 第49页 |
| ·结果分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第7章 结论与展望 | 第52-54页 |
| ·研究总结 | 第52页 |
| ·研究展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 攻读硕士期间发表的论文 | 第60页 |
