摘要 | 第1-6页 |
ABSTRACT | 第6-7页 |
目录 | 第7-11页 |
第一章 绪论 | 第11-18页 |
·课题背景 | 第11-12页 |
·国内外研究现状 | 第12-16页 |
·国外研究现状 | 第12-13页 |
·国内研究现状 | 第13-14页 |
·eCRM 的问题分析 | 第14-16页 |
·本文研究目标和内容 | 第16页 |
·研究目标 | 第16页 |
·研究内容 | 第16页 |
·论文结构 | 第16-18页 |
第二章 电子化客户关系管理(eCRM) | 第18-26页 |
·传统 CRM 面临的问题 | 第18-19页 |
·eCRM 的特性 | 第19-20页 |
·eCRM 的目标 | 第20-21页 |
·eCRM 策略 | 第21页 |
·eCRM 分类 | 第21页 |
·eCRM 体系结构 | 第21-22页 |
·eCRM 的发展趋势 | 第22-24页 |
·社交型 CRM 势不可挡 | 第22-23页 |
·基于云的 eCRM 服务将继续获得进一步发展 | 第23页 |
·根据客户反馈及时调整流程改进顺序 | 第23-24页 |
·eCRM 将与其它关键业务系统整合在一起 | 第24页 |
·CRM 将成为信息的汇聚地 | 第24页 |
·结论 | 第24-26页 |
第三章 eCRM 系统中数据挖掘相关技术 | 第26-32页 |
·eCRM 系统中数据挖掘相关技术现状 | 第26页 |
·数据仓库技术 | 第26-27页 |
·数据挖掘的技术 | 第27-29页 |
·数据挖掘技术在 eCRM 系统中的应用 | 第29-30页 |
·客户获取、流失和保持分析 | 第29页 |
·客户背景和信用分析 | 第29-30页 |
·客户细分 | 第30页 |
·交叉销售 | 第30页 |
·本章小结 | 第30-32页 |
第四章 eCRM 系统数据挖掘主要算法 | 第32-47页 |
·eCRM 中使用的数据挖掘算法 | 第32-36页 |
·传统 ID3 决策树算法 | 第32-33页 |
·加权 ID3 决策树改进后的算法 | 第33-34页 |
·K-平均聚类分析算法 | 第34页 |
·Apriori 的算法 | 第34-36页 |
·加权 ID3 决策树算法进行剖析客户的流失 | 第36-40页 |
·分析过程 | 第37-39页 |
·结果分析 | 第39-40页 |
·利用 K-平均聚类分析算法和加权 ID3 决策树算法分析客户价值 | 第40-44页 |
·通过 K-平均聚类分析算法对客户价值进行聚类 | 第42-43页 |
·通过加权 ID3 算法解释聚类结果 | 第43-44页 |
·结果分析 | 第44页 |
·利用 Apriori 算法管理交叉销售 | 第44-46页 |
·算法过程 | 第45-46页 |
·结果分析 | 第46页 |
·本章小结 | 第46-47页 |
第五章 eCRM 系统需求分析 | 第47-54页 |
·问题分析 | 第47-48页 |
·可行性分析 | 第48-50页 |
·技术可行性 | 第48-50页 |
·经济可行性 | 第50页 |
·eCRM 系统需求分析 | 第50-53页 |
·系统功能需求分析 | 第51-52页 |
·系统特性需求分析 | 第52-53页 |
·本章小结 | 第53-54页 |
第六章 系统分析与设计 | 第54-66页 |
·系统开发思想 | 第54页 |
·系统设计原则 | 第54页 |
·系统业务流程分析 | 第54-56页 |
·登录管理模块业务流程 | 第55页 |
·客户管理模块业务流程 | 第55页 |
·产品管理模块业务流程 | 第55-56页 |
·销售管理模块业务流程 | 第56页 |
·库存管理模块业务流程 | 第56页 |
·客户投诉管理模块业务流程 | 第56页 |
·数据分析模块业务流程 | 第56页 |
·系统数据流分析 | 第56-58页 |
·系统功能结构图及系统文件结构图 | 第58-59页 |
·系统功能设计 | 第59-61页 |
·客户管理模块功能设计 | 第59-60页 |
·产品管理模块功能设计 | 第60页 |
·销售模块功能设计 | 第60页 |
·库存模块功能设计 | 第60页 |
·客户投诉模块功能设计 | 第60页 |
·数据分析模块功能设计 | 第60-61页 |
·系统维护模块功能设计 | 第61页 |
·系统数据库设计 | 第61-65页 |
·系统 E-R 模型图 | 第61-63页 |
·数据表的设计 | 第63-65页 |
·本章小结 | 第65-66页 |
第七章 系统实现和测试 | 第66-75页 |
·系统运行 | 第66页 |
·系统功能实现 | 第66-73页 |
·主要功能模块实现 | 第66-70页 |
·数据挖掘及数据分析实现 | 第70-73页 |
·系统测试 | 第73-74页 |
·本章小结 | 第74-75页 |
第八章 总结与展望 | 第75-77页 |
·论文总结 | 第75-76页 |
·工作展望 | 第76-77页 |
致谢 | 第77-78页 |
参考文献 | 第78-81页 |