| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第7-12页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 研究的目的与意义 | 第8-9页 |
| 1.3 国内外研究现状综述 | 第9-10页 |
| 1.3.1 国外客户细分研究综述 | 第9页 |
| 1.3.2 国内客户细分研究综述 | 第9-10页 |
| 1.4 国内外聚类分析在客户分类中的研究综述 | 第10-11页 |
| 1.5 研究内容，框架与创新点 | 第11-12页 |
| 2 数据挖掘相关理论介绍 | 第12-15页 |
| 2.1 数据挖掘的定义 | 第12页 |
| 2.2 数据挖掘的对象 | 第12页 |
| 2.3 数据挖掘的一般过程 | 第12-14页 |
| 2.4 数据挖掘的基本方法 | 第14-15页 |
| 3 聚类相关理论介绍 | 第15-24页 |
| 3.1 定义数据的相似性 | 第15-17页 |
| 3.2 聚类方法的分析 | 第17-19页 |
| 3.3 k-means算法 | 第19-20页 |
| 3.3.1 k-means算法综述 | 第19-20页 |
| 3.4 K-means算法的不足 | 第20页 |
| 3.5 K-means算法的优化—Kohonen网络聚类 | 第20-22页 |
| 3.5.1 Kohonen网络模型 | 第20-21页 |
| 3.5.2 Kohonen网络的聚类过程 | 第21-22页 |
| 3.5.3 Kohonen网络聚类的优点 | 第22页 |
| 3.6 Two_step聚类 | 第22-24页 |
| 4 CRISP商业流程 | 第24-25页 |
| (1) 业务理解 | 第24页 |
| (2) 数据理解 | 第24页 |
| (3) 数据准备 | 第24页 |
| (4) 建模 | 第24页 |
| (5) 评估 | 第24页 |
| (6) 应用 | 第24-25页 |
| 5 互联网电商的客户分类研究 | 第25-37页 |
| 5.1 业务理解 | 第25页 |
| 5.2 数据理解 | 第25页 |
| 5.3 数据的检查和清洗 | 第25页 |
| 5.4 数据的分析与整合 | 第25-26页 |
| 5.5 数据的描述性分析 | 第26页 |
| 5.6 互联网电子商务公司客户分类模型的建立 | 第26-36页 |
| 5.7 改进的k-means聚类尝试 | 第36-37页 |
| 6 总结与建议 | 第37-39页 |
| 7 结语 | 第39-40页 |
| 致谢 | 第40-41页 |
| 参考文献 | 第41-43页 |