商业银行信用卡业务潜在客户识别的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-13页 |
| 第一章 绪论 | 第13-18页 |
| ·课题研究背景 | 第13-14页 |
| ·课题的研究意义 | 第14-15页 |
| ·文献综述 | 第15-16页 |
| ·本文研究内容和创新点 | 第16页 |
| ·全文结构安排 | 第16-18页 |
| 第二章 潜在客户识别的理论与方法 | 第18-37页 |
| ·潜在客户基本概念 | 第18-20页 |
| ·潜在客户的定义 | 第18-19页 |
| ·客户价值的分类 | 第19-20页 |
| ·商业银行客户价值理论 | 第20-22页 |
| ·客户价值的管理 | 第22-25页 |
| ·潜在客户识别方法 | 第25-35页 |
| ·基于客户统计学特征的客户识别 | 第26-27页 |
| ·基于客户交易行为的客户识别 | 第27-29页 |
| ·基于客户生命周期的客户识别 | 第29-31页 |
| ·因素组合评价法 | 第31-32页 |
| ·客户生命周期价值评价法 | 第32页 |
| ·国内客户识别研究 | 第32-35页 |
| ·商业银行客户潜在客户识别方法 | 第35-36页 |
| ·商业银行客户识别 | 第35页 |
| ·商业银行潜在客户识别过程 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 信用卡客户的数据挖掘 | 第37-73页 |
| ·本章的研究流程 | 第37-38页 |
| ·客户资料的收集与预处理方法 | 第38-41页 |
| ·客户资料的收集 | 第38-40页 |
| ·资料的预处理方法 | 第40-41页 |
| ·信用卡客户评分数据选择 | 第41-45页 |
| ·信用卡客户特征变量的选择 | 第42-43页 |
| ·构建客户分类所需变量 | 第43-44页 |
| ·生成目标变量 | 第44-45页 |
| ·利用数据挖掘工具进行信用卡数据处理 | 第45-61页 |
| ·数据挖掘的主要工具介绍 | 第45-46页 |
| ·信用卡数据分析 | 第46-57页 |
| ·SEMMA方法数据挖掘分析过程 | 第57-61页 |
| ·信用卡信用评分表的构建 | 第61-71页 |
| ·指标权重的确定 | 第61-63页 |
| ·层次分析法的步骤 | 第63-66页 |
| ·建立价值评估递阶层次结构 | 第66页 |
| ·构造两两判别矩阵并计算各因素权重 | 第66-71页 |
| ·本章小结 | 第71-73页 |
| 第四章 商业银行客户价值评价体系的建立 | 第73-98页 |
| ·客户价值的客户细分概述 | 第73-74页 |
| ·按客户价值建模 | 第74-86页 |
| ·客户价值的涵义 | 第74-77页 |
| ·客户当前价值的涵义与计算模型 | 第77-79页 |
| ·客户当前价值指标的量化 | 第79-81页 |
| ·客户潜在价值的涵义 | 第81-82页 |
| ·客户潜在价值的计算模型 | 第82-86页 |
| ·指标的无量纲化 | 第86页 |
| ·细分模型的建立与客户细分的实现 | 第86-97页 |
| ·数据来源与评价模型的确定 | 第86-87页 |
| ·评价指标的量化 | 第87-90页 |
| ·权重的确定 | 第90-94页 |
| ·客户价值与潜在价值综合评价结果 | 第94-96页 |
| ·客户细分结果 | 第96-97页 |
| ·本章小结 | 第97-98页 |
| 第五章 商业银行潜在信用卡客户识别实现 | 第98-114页 |
| ·本章分析方法 | 第98页 |
| ·数据挖掘简介 | 第98-103页 |
| ·数据挖掘过程描述 | 第98-100页 |
| ·数据挖掘的功能 | 第100-101页 |
| ·数据挖掘算法-决策树 | 第101-103页 |
| ·按客户价值进行有价值分类 | 第103-105页 |
| ·潜在客户识别 | 第105-113页 |
| ·潜在客户识别过程 | 第105-109页 |
| ·决策树算法识别 | 第109-113页 |
| ·本章小结 | 第113-114页 |
| 结论 | 第114-116页 |
| 参考文献 | 第116-120页 |
| 攻读学位期间发表的学术论文 | 第120-122页 |
| 致谢 | 第122页 |
