首页--经济论文--经济计划与管理论文--企业经济论文--企业供销管理论文

基于数据挖掘的客户智能研究

摘要第1-9页
Abstract第9-20页
引言第20-31页
   ·写作的背景和意义第20-23页
     ·问题的提出第20-22页
     ·写作的目的和意义第22-23页
   ·国内外相关研究现状分析第23-29页
     ·客户智能的研究现状第23-27页
     ·数据挖掘的研究现状第27-28页
     ·数据挖掘与客户智能的结合第28-29页
   ·研究的方法和内容第29-31页
     ·研究方法和思路第29-30页
     ·论文的主要内容和结构第30-31页
1 客户智能基本理论第31-60页
   ·客户智能产生的背景第31-33页
     ·市场竞争环境的变化第31-32页
     ·“知识=资产”新观念的建立第32-33页
     ·信息技术发展带来的挑战和机遇第33页
   ·客户智能的定义第33-35页
   ·客户智能的本质第35-41页
     ·客户知识第36-38页
     ·客户价值第38-41页
   ·客户智能的理论基础第41-49页
     ·客户理论第41-42页
     ·知识管理理论第42-44页
     ·商务智能理论第44-47页
     ·客户智能与CRM、CKM 的关系第47-49页
   ·客户智能的支撑技术第49-57页
     ·数据挖掘技术第49-52页
     ·数据仓库和OLAP 技术第52-56页
     ·人工智能技术第56-57页
   ·客户智能的功能和优势第57-60页
     ·客户智能的功能第57-58页
     ·客户智能的优势第58-60页
2 基于数据挖掘的客户智能体系第60-122页
   ·基于数据挖掘的客户智能体系结构第60-61页
   ·客户分析理论与方法第61-81页
     ·客户生命周期分析第62-68页
     ·客户价值分析第68-73页
     ·客户满意度分析第73-76页
     ·客户忠诚度分析第76-81页
   ·客户数据源第81-85页
     ·企业内部客户数据源第81-84页
     ·企业外部客户数据源第84-85页
   ·客户信息的多维组织第85-96页
     ·客户信息视图第85-89页
     ·客户数据仓库系统第89-93页
     ·客户信息的整合第93-96页
   ·客户知识发现的基本方法第96-120页
     ·统计回归第96-98页
     ·聚类第98-108页
     ·决策树第108-113页
     ·神经网络第113-115页
     ·关联规则挖掘第115-118页
     ·遗传算法第118-120页
   ·客户管理决策第120-122页
     ·战略决策第120页
     ·战术决策第120-122页
3 基于数据挖掘的客户智能方法论第122-173页
   ·基于数据挖掘的客户智能流程第122-126页
   ·客户智能中的挖掘目标分析第126-136页
     ·识别业务相关者第127-129页
     ·识别业务需求第129-131页
     ·设定业务分析目标第131-132页
     ·分析数据挖掘环境第132-134页
     ·确定数据挖掘目标第134-135页
     ·制定客户智能项目计划第135-136页
   ·客户智能中的数据准备第136-152页
     ·客户数据的选择第136-137页
     ·客户数据的检验第137-140页
     ·客户数据的修复第140-143页
     ·客户数据的转换第143-148页
     ·准备建模数据集第148-152页
   ·客户智能中的数据挖掘建模第152-173页
     ·建立初始数据挖掘模型第152-157页
     ·检测初始数据挖掘模型第157-173页
4 基于数据挖掘的客户知识获取与预测第173-191页
   ·贯穿客户生命周期的数据挖掘第173-175页
     ·基于生命周期的客户类型第173-174页
     ·围绕生命周期的客户业务活动第174-175页
     ·数据挖掘对生命周期各阶段的支持第175页
   ·客户盈利能力分析第175-178页
     ·评价客户盈利能力第176页
     ·预测潜在客户的未来盈利能力第176-177页
     ·预测客户盈利能力的变化第177页
     ·以客户盈利能力为导向的市场策略第177-178页
   ·客户响应预测第178-182页
     ·客户响应行为模式第179-180页
     ·潜在客户的数据第180-181页
     ·建立响应预测模型第181-182页
   ·客户细分第182-185页
     ·客户细分的意义第183页
     ·数据驱动的细分第183-184页
     ·数据挖掘在客户细分中的应用第184-185页
     ·客户细分的应用策略第185页
   ·客户增值消费预测第185-188页
     ·客户消费习惯数据第186页
     ·建立交叉销售预测模型第186-188页
   ·客户流失预测第188-191页
     ·客户流失数据第188-189页
     ·建立流失预测模型第189-191页
5 基于数据挖掘的客户智能应用实例第191-210页
   ·实例说明第191-193页
     ·业务目标和数据说明第191-192页
     ·工具软件说明第192-193页
   ·分析过程第193-210页
     ·创建工程第193-194页
     ·定义数据源第194-195页
     ·探察数据第195-197页
     ·准备建模数据集第197-203页
     ·建立数据挖掘模型第203-206页
     ·评估模型第206-207页
     ·应用模型第207-210页
6 结束语第210-212页
   ·总结第210-211页
   ·展望第211-212页
参考文献第212-222页
读博期间相关科研成果第222页

论文共222页,点击 下载论文
上一篇:宽带综合业务网的呼损性能分析及其容量规划方法研究
下一篇:从缺失到回归--透过灾难性报道看新闻传播中的人文关怀