基于客户忠诚度分类的零售业购物篮分析
| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 研究背景及目的 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究目的 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 聚类分析与客户忠诚度研究 | 第10-12页 |
| 1.2.2 关联规则与购物篮分析研究 | 第12-14页 |
| 1.3 研究内容及技术路径 | 第14-16页 |
| 1.4 创新及不足 | 第16-18页 |
| 第2章 数据挖掘技术及算法 | 第18-42页 |
| 2.1 聚类分析 | 第18-23页 |
| 2.1.1 基础知识 | 第18-20页 |
| 2.1.2 相关算法 | 第20-23页 |
| 2.2 关联规则技术 | 第23-29页 |
| 2.2.1 基础知识 | 第24-25页 |
| 2.2.2 评价指标 | 第25-27页 |
| 2.2.3 研究拓展 | 第27-29页 |
| 2.3 关联规则经典算法及其衍生 | 第29-41页 |
| 2.3.1 Apriori算法 | 第29-35页 |
| 2.3.2 改进Apriori算法的常见方法 | 第35-38页 |
| 2.3.3 FP-growth算法 | 第38-41页 |
| 2.4 本章小结 | 第41-42页 |
| 第3章 零售业客户忠诚度挖掘 | 第42-63页 |
| 3.1 客户忠诚度概述 | 第42-44页 |
| 3.2 客户忠诚度模型构建 | 第44-50页 |
| 3.2.1 RFM模型 | 第44-47页 |
| 3.2.2 修正的RFM模型 | 第47-48页 |
| 3.2.3 客户忠诚度新模型 | 第48-49页 |
| 3.2.4 客户忠诚度指标构建 | 第49-50页 |
| 3.2.5 指标数据标准化 | 第50页 |
| 3.3 基于零售数据的客户忠诚度实证分析 | 第50-62页 |
| 3.3.1 数据处理 | 第50-54页 |
| 3.3.2 层次聚类分析 | 第54-56页 |
| 3.3.3 K-means聚类分析 | 第56-59页 |
| 3.3.4 最优k值比较 | 第59-60页 |
| 3.3.5 聚类结果 | 第60-62页 |
| 3.4 本章小结 | 第62-63页 |
| 第4章 基于客户忠诚度分类的购物篮分析 | 第63-85页 |
| 4.1 购物篮分析方法 | 第63-65页 |
| 4.1.1 购物篮分析的产生和发展 | 第63-64页 |
| 4.1.2 购物篮分析的应用 | 第64-65页 |
| 4.2 改进的APRIORI算法过程 | 第65-69页 |
| 4.2.1 基于约束条件的改进 | 第65-67页 |
| 4.2.2 运行速率的改进 | 第67-68页 |
| 4.2.3 基于约束条件的购物篮挖掘算法 | 第68-69页 |
| 4.3 基于零售数据的购物篮实证分析 | 第69-84页 |
| 4.3.1 关联规则的可行性分析 | 第69-72页 |
| 4.3.2 新旧算法运行时间对比 | 第72-73页 |
| 4.3.3 不同客户忠诚度类别的购物篮分析 | 第73-84页 |
| 4.3.4 购物篮分析结果对比 | 第84页 |
| 4.4 本章小结 | 第84-85页 |
| 第5章 总结与展望 | 第85-88页 |
| 5.1 主要结论 | 第85-86页 |
| 5.2 建议及展望 | 第86-88页 |
| 参考文献 | 第88-91页 |
| 附录 | 第91-93页 |
| 致谢 | 第93-94页 |
