数据挖掘技术在客户关系管理中的应用研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 客户关系管理国内外发展现状 | 第11-12页 |
| 1.2.2 数据挖掘技术国内外发展现状 | 第12-13页 |
| 1.3 论文主要研究内容 | 第13-14页 |
| 1.4 论文结构安排 | 第14-16页 |
| 第二章 相关理论和技术研究 | 第16-25页 |
| 2.1 客户关系管理 | 第16-18页 |
| 2.1.1 客户关系管理的分析模型 | 第16-17页 |
| 2.1.2 数据挖掘技术在CRM中的应用 | 第17-18页 |
| 2.2 数据挖掘技术 | 第18-20页 |
| 2.2.1 数据挖掘分析方法 | 第18-19页 |
| 2.2.2 数据挖掘的一般过程 | 第19-20页 |
| 2.3 深度学习 | 第20-24页 |
| 2.3.1 深度学习发展过程 | 第20-21页 |
| 2.3.2 深度学学习的经典算法 | 第21-23页 |
| 2.3.3 深度学习与机器学习 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于k-means的客户细分模型 | 第25-30页 |
| 3.1 客户聚类分析模型 | 第25-26页 |
| 3.1.1 传统RFM分析模型 | 第25页 |
| 3.1.2 多指标分析模型 | 第25-26页 |
| 3.2 数据描述与实验设计 | 第26-27页 |
| 3.2.1 数据预处理 | 第26-27页 |
| 3.2.2 实验设计 | 第27页 |
| 3.3 实验结果 | 第27-29页 |
| 3.3.1 实验评估标准 | 第27-28页 |
| 3.3.2 实验结果展示 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 基于DNN的预测模型研究 | 第30-39页 |
| 4.1 DNN 模型 | 第30-33页 |
| 4.1.1 前向传播 | 第30-31页 |
| 4.1.2 后向传播 | 第31-32页 |
| 4.1.3 参数选择 | 第32-33页 |
| 4.2 实验设计 | 第33-34页 |
| 4.2.1 数据处理 | 第33-34页 |
| 4.2.2 实验设计 | 第34页 |
| 4.3 实验结果 | 第34-38页 |
| 4.3.1 实验评估标准 | 第34-35页 |
| 4.3.2 实验结果展示 | 第35-38页 |
| 4.4 木章小结 | 第38-39页 |
| 第五章 基于CNN的预测模型研究 | 第39-50页 |
| 5.1 CNN 模型 | 第39-45页 |
| 5.1.1 前向传播 | 第39-42页 |
| 5.1.2 后向传播 | 第42-44页 |
| 5.1.3 参数选择 | 第44-45页 |
| 5.2 实验设计 | 第45-48页 |
| 5.2.1 数据处理 | 第45页 |
| 5.2.2 模型建立 | 第45-47页 |
| 5.2.3 实验设计 | 第47-48页 |
| 5.3 实验结果 | 第48-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第六章 研究内容在电子商务中的应用 | 第50-56页 |
| 6.1 实际应用场景介绍 | 第50-51页 |
| 6.1.1 软硬件环境 | 第50页 |
| 6.1.2 系统数据 | 第50-51页 |
| 6.2 客户细分功能 | 第51-53页 |
| 6.2.1 数据处理 | 第51页 |
| 6.2.2 功能设计 | 第51-52页 |
| 6.2.3 实验结果展示 | 第52-53页 |
| 6.2.4 结果分析 | 第53页 |
| 6.3 客户识别功能 | 第53-55页 |
| 6.3.1 数据处理 | 第53-54页 |
| 6.3.2 功能设计 | 第54页 |
| 6.3.3 结果展示 | 第54页 |
| 6.3.4 结果分析 | 第54-55页 |
| 6.4 本章小结 | 第55-56页 |
| 第七章 总结与展望 | 第56-58页 |
| 7.1 总结 | 第56页 |
| 7.2 展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 在学期间的研究成果 | 第63-64页 |
| 致谢 | 第64页 |
