| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·选题的背景与意义 | 第8-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·数据挖掘的现状 | 第9-10页 |
| ·客户细分的现状 | 第10-12页 |
| ·本文的主要研究内容 | 第12-14页 |
| 第二章 数据挖掘的理论概述 | 第14-24页 |
| ·数据挖掘的概念 | 第14页 |
| ·数据挖掘的对象 | 第14-16页 |
| ·数据挖掘技术的任务 | 第16-19页 |
| ·数据挖掘常用方法 | 第19-22页 |
| ·数据挖掘在电信市场的应用 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 移动公司客户细分功能模型设计 | 第24-34页 |
| ·移动通信行业现状 | 第24-25页 |
| ·移动公司客户特征分析 | 第25-26页 |
| ·移动通信行业现有客户细分方法 | 第26-28页 |
| ·移动公司春节返乡客户细分变量选择 | 第28-31页 |
| ·客户行为细分变量的选择 | 第28-29页 |
| ·客户行为细分描述变量的确定 | 第29-31页 |
| ·客户细分的总体功能结构模型设计 | 第31-33页 |
| ·常用细分模型分析 | 第31-32页 |
| ·总体细分功能结构模型设计 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 移动公司春节返乡客户数据准备 | 第34-40页 |
| ·数据理解 | 第34-36页 |
| ·数据获取 | 第36-37页 |
| ·数据的处理过程 | 第37-39页 |
| ·数据整理 | 第37-38页 |
| ·数据清理 | 第38-39页 |
| ·数据转换 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第五章 基于K-means算法的春节返乡客户聚类分析 | 第40-68页 |
| ·K-means算法简介 | 第40-41页 |
| ·K-means算法概述 | 第40页 |
| ·K-均值算法原理 | 第40-41页 |
| ·K均值算法的优缺点 | 第41页 |
| ·基于K-means算法的数据挖掘流程 | 第41-42页 |
| ·返乡客户的聚类分析 | 第42-61页 |
| ·聚类分析过程 | 第43-52页 |
| ·聚类结果验证 | 第52-61页 |
| ·聚类结果评估与营销策略 | 第61-66页 |
| ·本章小结 | 第66-68页 |
| 第六章 返乡客户增值业务消费关联规则分析 | 第68-76页 |
| ·关联规则的概念 | 第68-69页 |
| ·Apriori算法简介 | 第69-70页 |
| ·增值业务消费关联分析 | 第70-74页 |
| ·数据离散化处理 | 第70-71页 |
| ·客户增值业务消费的关联分析 | 第71-74页 |
| ·本章小结 | 第74-76页 |
| 第七章 结论与展望 | 第76-78页 |
| ·结论 | 第76页 |
| ·展望 | 第76-78页 |
| 致谢 | 第78-80页 |
| 参考文献 | 第80-82页 |