数据挖掘在零售业交叉销售中的应用研究
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第1章 绪论 | 第7-11页 |
| ·选题背景和意义 | 第7-8页 |
| ·数据挖掘在零售业交叉销售中的研究现状 | 第8-10页 |
| ·国内研究现状 | 第8-9页 |
| ·国外研究现状 | 第9-10页 |
| ·本文主要研究内容 | 第10-11页 |
| 第2章 零售业交叉销售基本理论 | 第11-14页 |
| ·交叉销售的概念 | 第11页 |
| ·零售业特点 | 第11-12页 |
| ·零售业交叉销售的作用 | 第12-13页 |
| ·交叉销售与数据挖掘 | 第13-14页 |
| 第3章 基于数据挖掘的零售业交叉销售模型 | 第14-36页 |
| ·数据挖掘经典技术 | 第14-23页 |
| ·数据挖掘定义和分类 | 第14页 |
| ·数据挖掘的步骤 | 第14-16页 |
| ·交叉销售主要挖掘技术 | 第16-23页 |
| ·数据仓库，OLAP 分析与数据挖掘 | 第23-27页 |
| ·数据仓库基本概念 | 第23-26页 |
| ·OLAP 的概念 | 第26-27页 |
| ·数据挖掘和OLAP 的关系 | 第27页 |
| ·数据挖掘和数据仓库 | 第27页 |
| ·数据挖掘工具分类 | 第27-28页 |
| ·基于聚类的客户细分模型 | 第28-32页 |
| ·客户细分的必要性 | 第28页 |
| ·Oracle 平台的聚类算法 | 第28-30页 |
| ·模型的主要参数说明 | 第30页 |
| ·基于聚类的客户细分模型概述 | 第30-32页 |
| ·基于关联规则的交叉销售模型 | 第32-36页 |
| ·Oracle 平台的关联规则算法 | 第32-34页 |
| ·模型主要参数说明 | 第34页 |
| ·基于关联规则的交叉销售模型概述 | 第34-36页 |
| 第4章 基于数据挖掘的零售业交叉销售模型实证研究 | 第36-56页 |
| ·交叉销售整体解决方案 | 第36-37页 |
| ·建模目标及数据来源 | 第36页 |
| ·模型构建技术平台 | 第36页 |
| ·建模相关算法的选择 | 第36-37页 |
| ·业务数据抽取，转换及装载(ETL) | 第37页 |
| ·基于聚类算法的客户细分模型构建及黄金产品定位 | 第37-42页 |
| ·基于客户价值矩阵的参数计算 | 第37-38页 |
| ·聚类模型的构建 | 第38-41页 |
| ·黄金产品定位 | 第41-42页 |
| ·基于关联规则算法的交叉销售模型构建 | 第42-49页 |
| ·泛化关联规则 | 第42-43页 |
| ·建模数据转换 | 第43-45页 |
| ·关联模型构建 | 第45页 |
| ·交叉销售模型分析 | 第45-49页 |
| ·基于价格促销的交叉销售分析 | 第49页 |
| ·基于货架空间关系的关联分析改进 | 第49-56页 |
| ·货架空间关系理论简介 | 第50-51页 |
| ·问题描述和定义 | 第51-52页 |
| ·算法描述 | 第52页 |
| ·一个数值例子 | 第52-55页 |
| ·结论 | 第55-56页 |
| 第5章 总结和展望 | 第56-58页 |
| ·全文总结 | 第56页 |
| ·今后研究方向 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-61页 |
