| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-14页 |
| 1.1 课题研究背景 | 第9-10页 |
| 1.1.1 增值产品对运营商日益重要 | 第9页 |
| 1.1.2 流量经营迫切需要精细化运营 | 第9-10页 |
| 1.1.3 提高营销成功率的迫切需求 | 第10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文研究内容与方法 | 第11-13页 |
| 1.4 行文布局 | 第13-14页 |
| 2 相关技术研究 | 第14-18页 |
| 2.1 数据发掘理论 | 第14-15页 |
| 2.1.1 数据发掘概述 | 第14页 |
| 2.1.2 数据发掘过程 | 第14-15页 |
| 2.1.3 数据发掘应用于增值产品营销 | 第15页 |
| 2.2 数据发掘在精细化分析中的研究及应用现状 | 第15-17页 |
| 2.2.1 数据发掘技术的研究现状 | 第15-16页 |
| 2.2.2 数据发掘技术在精细化分析中的应用现状 | 第16-17页 |
| 2.3 本章小结 | 第17-18页 |
| 3 需求分析 | 第18-29页 |
| 3.1 实现对用户精细化分析 | 第18-21页 |
| 3.1.1 精细化分析概述 | 第18页 |
| 3.1.2 精细化需求分析的五大步骤 | 第18-20页 |
| 3.1.3 具体需求 | 第20-21页 |
| 3.2 实现对用户精细化营销 | 第21-23页 |
| 3.2.1 精细化营销的整体思路 | 第21-22页 |
| 3.2.2 精细化营销具体需求 | 第22-23页 |
| 3.3 平台运营需求 | 第23-24页 |
| 3.4 数据发掘常用方法 | 第24-28页 |
| 3.4.1 数据发掘算法 | 第24页 |
| 3.4.2 数据发掘分类 | 第24页 |
| 3.4.3 决策树算法 | 第24-25页 |
| 3.4.4 关联分析 | 第25页 |
| 3.4.5 回归分析 | 第25-26页 |
| 3.4.6 神经网络 | 第26-27页 |
| 3.4.7 呼叫指纹识别模型 | 第27-28页 |
| 3.5 用户细分常用方法 | 第28页 |
| 3.5.1 主观细分 | 第28页 |
| 3.5.2 客观细分 | 第28页 |
| 3.6 本章小结 | 第28-29页 |
| 4 系统概要设计 | 第29-35页 |
| 4.1 系统平台的功能设计 | 第29-33页 |
| 4.1.1 数据处理模块 | 第31页 |
| 4.1.2 数据的发掘模块 | 第31-32页 |
| 4.1.3 数据可视化及应用 | 第32-33页 |
| 4.2 数据库设计 | 第33-34页 |
| 4.3 数据系统平台的实现 | 第34页 |
| 4.4 本章小结 | 第34-35页 |
| 5 数据发掘系统 | 第35-45页 |
| 5.1 数据获取 | 第35页 |
| 5.2 数据处理 | 第35-37页 |
| 5.2.1 增值产品数据处理 | 第35-36页 |
| 5.2.2 数据预处理 | 第36-37页 |
| 5.3 建立模型 | 第37-41页 |
| 5.3.1 用户产品匹配度建模 | 第37-39页 |
| 5.3.2 用户互联网偏好建模 | 第39-40页 |
| 5.3.3 用户位置数据处理及轨迹建模 | 第40-41页 |
| 5.4 营销管理功能设计 | 第41-44页 |
| 5.4.1 营销设计 | 第41-42页 |
| 5.4.2 营销执行和监控 | 第42-43页 |
| 5.4.3 营销评估 | 第43页 |
| 5.4.4 安全控制 | 第43-44页 |
| 5.5 本章小结 | 第44-45页 |
| 6 系统实现及测试 | 第45-56页 |
| 6.1 进行决策树分类 | 第45-46页 |
| 6.1.1 数据预备 | 第45页 |
| 6.1.2 决策树的分类实现 | 第45-46页 |
| 6.2 决策树实现 | 第46-47页 |
| 6.3 spss clementine软件 | 第47-51页 |
| 6.3.1 spss clementine软件概述 | 第47页 |
| 6.3.2 增值产品数据准备 | 第47-48页 |
| 6.3.3 决策树的分类 | 第48-49页 |
| 6.3.4 决策树的分类结果 | 第49-51页 |
| 6.4 营销策略制定 | 第51-54页 |
| 6.5 模型结果的验证 | 第54页 |
| 6.6 小结 | 第54-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 致谢 | 第59-60页 |