基于数据挖掘的客户细分在电信精准营销中的研究与应用
| 摘要 | 第4-5页 |
| Abstract | 第5-7页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究的目的和意义 | 第11-12页 |
| 1.1.1 研究目的 | 第11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究和应用现状 | 第12-17页 |
| 1.2.1 国外研究与应用现状 | 第13-14页 |
| 1.2.2 国内研究与应用现状 | 第14-17页 |
| 1.3 研究内容和组织结构 | 第17页 |
| 1.4 创新点 | 第17-19页 |
| 2 数据挖掘概述 | 第19-44页 |
| 2.1 数据挖掘的概念和方法 | 第19-24页 |
| 2.1.1 数据挖掘的概念 | 第19-20页 |
| 2.1.2 数据挖掘的过程模型CRISP-DM | 第20-22页 |
| 2.1.3 数据挖掘的常用方法 | 第22-24页 |
| 2.2 数据挖掘的任务 | 第24-26页 |
| 2.2.1 验证型任务 | 第24-25页 |
| 2.2.2 发现型任务 | 第25-26页 |
| 2.3 数据预处理 | 第26-28页 |
| 2.3.1 数据抽取 | 第26-27页 |
| 2.3.2 数据清理 | 第27-28页 |
| 2.3.3 数据转换 | 第28页 |
| 2.3.4 数据归约 | 第28页 |
| 2.4 数据质量评估 | 第28-30页 |
| 2.4.1 数据质量评估模型 | 第29页 |
| 2.4.2 数值属性的重要性评估 | 第29-30页 |
| 2.5 聚类分析 | 第30-40页 |
| 2.5.1 聚类分析的概念 | 第30页 |
| 2.5.2 聚类分析的方法 | 第30-32页 |
| 2.5.3 几种聚类算法及其比较 | 第32-35页 |
| 2.5.4 聚类算法的选择标准 | 第35-36页 |
| 2.5.5 K-means算法和EM算法 | 第36-40页 |
| 2.6 无指导聚类模型的评估 | 第40-44页 |
| 3 客户细分与精准营销 | 第44-49页 |
| 3.1 客户细分 | 第44-46页 |
| 3.1.1 客户细分的概念 | 第44页 |
| 3.1.2 客户细分方法的分类 | 第44-46页 |
| 3.2 精准营销 | 第46-49页 |
| 3.2.1 精准营销的定义和内涵 | 第46-47页 |
| 3.2.2 精准营销的思想方法 | 第47-49页 |
| 4 基于数据挖掘的电信客户细分 | 第49-53页 |
| 4.1 利用聚类技术进行客户细分 | 第49页 |
| 4.2 基于数据挖掘的电信客户细分的模型设计 | 第49-53页 |
| 4.2.1 基于数据挖掘的电信客户细分的设计目标 | 第50-51页 |
| 4.2.2 电信客户细分的数据挖掘算法的选择 | 第51-53页 |
| 5 基于数据挖掘客户细分的应用实例 | 第53-71页 |
| 5.1 实例背景 | 第53页 |
| 5.2 应用实例实现过程 | 第53-68页 |
| 5.2.1 实验环境 | 第53-54页 |
| 5.2.2 业务理解与目标 | 第54-56页 |
| 5.2.3 数据理解 | 第56-57页 |
| 5.2.4 数据准备 | 第57-58页 |
| 5.2.5 算法实现过程 | 第58-65页 |
| 5.2.6 模型评估 | 第65-68页 |
| 5.3 实现精准化营销的策略和建议 | 第68-71页 |
| 6 总结与展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 附录 | 第77-79页 |
