基于数据挖掘的电信客户流失预测系统研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-17页 |
| ·问题提出 | 第9-11页 |
| ·课题的研究背景 | 第9-10页 |
| ·课题的研究意义 | 第10-11页 |
| ·研究现状及存在问题 | 第11-14页 |
| ·客户流失预测国内外研究现状 | 第11-13页 |
| ·数据挖掘技术在电信业的应用现状 | 第13-14页 |
| ·目前存在问题 | 第14页 |
| ·研究内容及技术路线 | 第14-16页 |
| ·研究内容 | 第14-15页 |
| ·技术路线 | 第15-16页 |
| ·论文组织结构 | 第16-17页 |
| 第二章 客户流失预测相关理论基础 | 第17-33页 |
| ·客户关系管理理论 | 第17-18页 |
| ·客户生命周期理论 | 第18-19页 |
| ·数据挖掘理论 | 第19-31页 |
| ·数据挖掘概述 | 第19-20页 |
| ·数据挖掘任务 | 第20-21页 |
| ·数据挖掘流程 | 第21-22页 |
| ·数据挖掘过程模型 | 第22-23页 |
| ·数据挖掘工具 | 第23-25页 |
| ·预测模型技术 | 第25-31页 |
| ·本章小结 | 第31-33页 |
| 第三章 客户流失预测模型的实现 | 第33-59页 |
| ·客户流失预测的商业理解 | 第33-34页 |
| ·业务理解 | 第33页 |
| ·数据挖掘目标 | 第33-34页 |
| ·客户流失预测的数据理解 | 第34-35页 |
| ·客户流失预测的数据准备 | 第35-38页 |
| ·目标客户数据的选取 | 第35-36页 |
| ·输入及输出字段的选取 | 第36-38页 |
| ·决策树算法示例 | 第38-44页 |
| ·神经网络算法示例 | 第44-46页 |
| ·SPSS CLEMENTINE辅助模型建立 | 第46-49页 |
| ·客户流失预测数据挖掘模型的评估比较 | 第49-55页 |
| ·C5.0模型评估 | 第50-51页 |
| ·C&RT模型评估 | 第51-52页 |
| ·神经网络模型评估 | 第52-53页 |
| ·综合模型结果分析 | 第53-55页 |
| ·客户流失预测指标确定及预测模型建立 | 第55-57页 |
| ·客户流失预测指标确定 | 第55-57页 |
| ·客户流失预测模型建立 | 第57页 |
| ·本章小结 | 第57-59页 |
| 第四章 客户流失预测系统的分析 | 第59-65页 |
| ·电信行业的特点 | 第59页 |
| ·电信行业的客户流失 | 第59-60页 |
| ·系统目标 | 第60页 |
| ·系统可行性分析 | 第60-61页 |
| ·功能需求分析 | 第61-62页 |
| ·性能需求分析 | 第62-63页 |
| ·业务流程分析 | 第63-64页 |
| ·数据流程分析 | 第64页 |
| ·本章小结 | 第64-65页 |
| 第五章 客户流失预测系统的设计与实现 | 第65-83页 |
| ·系统设计原则 | 第65页 |
| ·技术架构设计 | 第65-68页 |
| ·软件系统体系结构选择 | 第65-67页 |
| ·服务器端动态网页技术选择 | 第67-68页 |
| ·系统功能模块设计 | 第68-69页 |
| ·系统用例模型设计 | 第69-70页 |
| ·系统数据库设计 | 第70-74页 |
| ·数据库的概念结构设计 | 第70-71页 |
| ·数据库的逻辑结构设计 | 第71-72页 |
| ·数据库的物理结构设计 | 第72-74页 |
| ·系统实现 | 第74-81页 |
| ·系统的运行环境 | 第74-75页 |
| ·部分功能模块展示 | 第75-81页 |
| ·客户维系与挽留 | 第81-82页 |
| ·客户流失原因 | 第81页 |
| ·维系挽留措施 | 第81-82页 |
| ·本章小结 | 第82-83页 |
| 第六章 结论与展望 | 第83-85页 |
| ·结论 | 第83页 |
| ·展望 | 第83-85页 |
| 致谢 | 第85-87页 |
| 参考文献 | 第87-93页 |
| 附录 攻读硕士期间发表的论文 | 第93页 |
