| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景和研究意义 | 第8-9页 |
| 1.2 国内外研究现状及评述 | 第9-13页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-12页 |
| 1.2.3 研究现状的评述 | 第12-13页 |
| 1.3 研究方法及研究技术路线 | 第13-14页 |
| 1.3.1 研究方法 | 第13页 |
| 1.3.2 研究技术路线 | 第13-14页 |
| 1.4 创新之处 | 第14-15页 |
| 第二章 相关基础理论 | 第15-24页 |
| 2.1 客户流失及挽留的概念 | 第15-16页 |
| 2.2 客户价值相关理论 | 第16-17页 |
| 2.2.1 客户价值的概念 | 第16页 |
| 2.2.2 客户价值评价方法 | 第16-17页 |
| 2.3 数据挖掘的概念及过程 | 第17-19页 |
| 2.4 本文相关数据挖掘算法 | 第19-24页 |
| 2.4.1 模糊C均值聚类算法 | 第19-20页 |
| 2.4.2 粗糙集算法 | 第20-21页 |
| 2.4.3 支持向量机算法 | 第21-24页 |
| 第三章 商业银行客户流失挽留模型构建 | 第24-36页 |
| 3.1 商业银行经营业务 | 第24-25页 |
| 3.2 基于客户价值的商业银行客户细分模型构建 | 第25-31页 |
| 3.2.1 客户价值评价指标体系构建 | 第25-29页 |
| 3.2.2 客户价值细分模型构建 | 第29-31页 |
| 3.3 商业银行客户挽留预测模型构建 | 第31-34页 |
| 3.3.1 基于不同错分代价的支持向量机客户挽留预测模型构建 | 第31-33页 |
| 3.3.2 挽留预测模型评估 | 第33-34页 |
| 3.4 基于客户价值细分和挽留预测的挽留判断 | 第34-36页 |
| 第四章 实证分析——以A商业银行福建省分行为例 | 第36-56页 |
| 4.1 A商业银行福建省分行基本情况 | 第36页 |
| 4.2 数据准备 | 第36-45页 |
| 4.2.1 客户价值细分数据准备 | 第37-42页 |
| 4.2.2 客户挽留预测数据准备 | 第42-45页 |
| 4.3 商业银行客户价值细分模型应用 | 第45-48页 |
| 4.4 商业银行客户挽留预测模型应用 | 第48-50页 |
| 4.5 商业银行客户挽留分析及挽留策略制定 | 第50-56页 |
| 4.5.1 客户挽留判断及分析 | 第50-54页 |
| 4.5.2 基于客户特征的客户挽留策略制定 | 第54-56页 |
| 总结与展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 附录 | 第63-75页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第75页 |