数据挖掘在物流客户关系管理中的应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景及意义 | 第7-10页 |
| ·客户关系管理研究综述 | 第7-9页 |
| ·物流客户关系管理研究现状 | 第9-10页 |
| ·当前物流客户关系管理存在的问题 | 第10页 |
| ·本文主要研究内容及创新点 | 第10-13页 |
| 第二章 物流企业客户关系管理 | 第13-23页 |
| ·CRM 的管理思想 | 第13-15页 |
| ·CRM 的涵义 | 第13-14页 |
| ·CRM 的工作流程 | 第14-15页 |
| ·LCRM 的涵义 | 第15-19页 |
| ·LCRM 的内涵 | 第15-17页 |
| ·LCRM 系统一般模型 | 第17-19页 |
| ·LCRM 的内容 | 第19-21页 |
| ·物流客户识别管理 | 第19页 |
| ·物流客户的拓展与巩固管理 | 第19-20页 |
| ·物流客户细分与服务策略 | 第20-21页 |
| ·物流客户满意度管理 | 第21页 |
| ·小结 | 第21-23页 |
| 第三章 数据挖掘 | 第23-33页 |
| ·数据挖掘的涵义 | 第23-27页 |
| ·数据挖掘的定义 | 第23-24页 |
| ·数据挖掘与传统分析方法 | 第24-25页 |
| ·数据挖掘与数据仓库 | 第25-27页 |
| ·数据挖掘典型算法 | 第27-28页 |
| ·预测功能 | 第27页 |
| ·描述功能 | 第27-28页 |
| ·数据挖掘的过程 | 第28-30页 |
| ·数据挖掘在 LCRM 中的功能 | 第30-31页 |
| ·小结 | 第31-33页 |
| 第四章 分类与关联规则算法研究 | 第33-45页 |
| ·决策树分类技术 | 第33-38页 |
| ·决策树基本概念 | 第33-35页 |
| ·决策树构造过程 | 第35-37页 |
| ·决策树的扩展 | 第37-38页 |
| ·神经网络分类方法 | 第38-41页 |
| ·神经网络基本概念 | 第38-39页 |
| ·BP 训练过程 | 第39-41页 |
| ·关联规则挖掘 | 第41-43页 |
| ·关联规则基本概念 | 第41-42页 |
| ·关联规则挖掘过程 | 第42-43页 |
| ·小结 | 第43-45页 |
| 第五章 LCRM 模型构建 | 第45-81页 |
| ·潜在客户发现模块 | 第45-55页 |
| ·数据选择 | 第45页 |
| ·数据预处理 | 第45-47页 |
| ·决策树构建与评估 | 第47-51页 |
| ·BP 神经网络构建与评估 | 第51-54页 |
| ·模型比较 | 第54-55页 |
| ·现有客户价值挖掘模块 | 第55-60页 |
| ·数据选择 | 第55-56页 |
| ·数据预处理 | 第56-57页 |
| ·模型建立与结果分析 | 第57-60页 |
| ·客户流失预警模块 | 第60-69页 |
| ·数据选择 | 第60-61页 |
| ·数据预处理 | 第61-63页 |
| ·决策树构建与评估 | 第63-65页 |
| ·BP 神经网络构建与评估 | 第65-68页 |
| ·模型比较 | 第68-69页 |
| ·客户等级评价模块 | 第69-78页 |
| ·数据选择 | 第69-70页 |
| ·数据预处理 | 第70-71页 |
| ·决策树构建与评估 | 第71-74页 |
| ·BP 神经网络构建与评估 | 第74-77页 |
| ·模型比较 | 第77-78页 |
| ·小结 | 第78-81页 |
| 第六章 总结与展望 | 第81-83页 |
| 参考文献 | 第83-85页 |
| 攻读学位期间发表学术论文及科研情况 | 第85-87页 |
| 致谢 | 第87页 |
