| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 选题背景 | 第9-10页 |
| 1.2 研究意义 | 第10页 |
| 1.3 文献综述 | 第10-13页 |
| 1.3.1 客户关系管理的研究现状 | 第10-11页 |
| 1.3.2 相关算法的研究现状 | 第11页 |
| 1.3.3 数据挖掘技术在客户关系管理中应用的研究现状 | 第11-13页 |
| 1.4 研究内容 | 第13-15页 |
| 第二章 相关理论概述 | 第15-23页 |
| 2.1 数据挖掘理论 | 第15-18页 |
| 2.1.1 数据挖掘的定义 | 第15页 |
| 2.1.2 数据挖掘的方法 | 第15-17页 |
| 2.1.3 数据挖掘的流程 | 第17页 |
| 2.1.4 数据挖掘在物流客户关系管理中的应用 | 第17-18页 |
| 2.2 客户关系管理 | 第18-21页 |
| 2.2.1 CRM的定义 | 第18-19页 |
| 2.2.2 CRM的功能 | 第19-20页 |
| 2.2.3 CRM的构成 | 第20-21页 |
| 2.3 物流企业客户关系管理 | 第21-23页 |
| 2.3.1 LCRM的定义 | 第21页 |
| 2.3.2 LCRM的流程 | 第21-22页 |
| 2.3.3 LCRM的作用 | 第22-23页 |
| 第三章 数据挖掘的算法研究 | 第23-35页 |
| 3.1 聚类分析 | 第23-25页 |
| 3.1.1 聚类分析的定义 | 第23页 |
| 3.1.2 聚类分析的意义 | 第23页 |
| 3.1.3 聚类分析的算法步骤 | 第23-25页 |
| 3.2 关联规则 | 第25-28页 |
| 3.2.1 关联规则的定义 | 第25-26页 |
| 3.2.2 关联规则的意义 | 第26页 |
| 3.2.3 关联规则的算法步骤 | 第26-28页 |
| 3.3 决策树分类 | 第28-33页 |
| 3.3.1 决策树的定义 | 第28页 |
| 3.3.2 决策树的意义 | 第28-29页 |
| 3.3.3 决策树的算法步骤 | 第29-33页 |
| 3.4 神经网络 | 第33-35页 |
| 3.4.1 神经网络的定义 | 第33页 |
| 3.4.2 神经网络的意义 | 第33页 |
| 3.4.3 神经网络的算法步骤 | 第33-35页 |
| 第四章 物流企业客户关系管理的模型构建 | 第35-66页 |
| 4.1 精准交叉销售的关联规则的挖掘 | 第35-40页 |
| 4.1.1 问题描述 | 第35页 |
| 4.1.2 数据准备 | 第35-37页 |
| 4.1.3 挖掘实施 | 第37-38页 |
| 4.1.4 结果分析 | 第38-40页 |
| 4.2 客户价值细分的决策树分析 | 第40-54页 |
| 4.2.1 问题描述 | 第40-41页 |
| 4.2.2 数据准备 | 第41-44页 |
| 4.2.3 挖掘实施 | 第44-50页 |
| 4.2.4 结果分析 | 第50-54页 |
| 4.3 客户流失预测的神经网络分析 | 第54-66页 |
| 4.3.1 多层前馈神经网络原理与算法 | 第54-55页 |
| 4.3.2 BP算法及算法参数 | 第55-58页 |
| 4.3.3 应用实例研究 | 第58-64页 |
| 4.3.4 结果分析 | 第64-66页 |
| 第五章 结论 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71页 |