| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题来源及研究的目的和意义 | 第10-11页 |
| 1.1.1 课题来源 | 第10页 |
| 1.1.2 研究目的 | 第10-11页 |
| 1.1.3 研究意义 | 第11页 |
| 1.2 国内外研究现状及分析 | 第11-17页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-16页 |
| 1.2.3 研究现状评述 | 第16-17页 |
| 1.3 研究方法与研究内容 | 第17-18页 |
| 1.3.1 研究方法 | 第17页 |
| 1.3.2 研究内容 | 第17-18页 |
| 1.3.3 技术路线 | 第18页 |
| 1.4 课题拟创新点 | 第18-20页 |
| 第2章 相关理论概述 | 第20-31页 |
| 2.1 客户关系管理概述 | 第20-22页 |
| 2.1.1 客户关系管理理论的起源与发展 | 第20-21页 |
| 2.1.2 客户关系管理的定义 | 第21页 |
| 2.1.3 客户关系管理的内容 | 第21-22页 |
| 2.2 潜在客户开发 | 第22-24页 |
| 2.2.1 潜在客户及潜在客户需求 | 第22-23页 |
| 2.2.2 潜在客户开发 | 第23-24页 |
| 2.3 客户忠诚度 | 第24-26页 |
| 2.3.1 客户忠诚度的定义 | 第24-25页 |
| 2.3.2 客户忠诚的类别 | 第25页 |
| 2.3.3 客户忠诚的要素及驱动力 | 第25-26页 |
| 2.4 Apriori算法 | 第26-28页 |
| 2.4.1 算法简介 | 第26-28页 |
| 2.4.2 经典Apriori算法步骤 | 第28页 |
| 2.5 DBSCAN密度聚类算法 | 第28-30页 |
| 2.5.1 算法概念及定义 | 第28-29页 |
| 2.5.2 算法步骤及原理 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 改进的APRIORI算法 在潜在客户开发中的应用研究 | 第31-42页 |
| 3.1 潜在客户开发研究概述 | 第31-32页 |
| 3.2 改进的Apriori算法 | 第32-34页 |
| 3.2.1 经典算法的实用性缺陷 | 第32-33页 |
| 3.2.2 改进Apriori算法的理论依据 | 第33页 |
| 3.2.3 前项固定的Apriori算法 | 第33页 |
| 3.2.4 改进的Apriori算法步骤 | 第33-34页 |
| 3.3 算例分析 | 第34-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 基于DBSCAN的客户忠诚度研究 | 第42-54页 |
| 4.1 客户忠诚度二维结构模型 | 第42-45页 |
| 4.1.1 态度忠诚度综合模型 | 第42-44页 |
| 4.1.2 行为忠诚度RFM模型 | 第44-45页 |
| 4.2 基于DBSCAN的客户忠诚度聚类 | 第45-52页 |
| 4.2.1 数据选取 | 第45-46页 |
| 4.2.2 数据处理及准备 | 第46页 |
| 4.2.3 建立客户忠诚度二维结构模型 | 第46-49页 |
| 4.2.4 DBSCAN客户忠诚度聚类分析 | 第49-52页 |
| 4.3 本章小结 | 第52-54页 |
| 第5章 基于某企业客户数据的实例分析 | 第54-70页 |
| 5.1 企业简介 | 第54页 |
| 5.2 数据选取 | 第54-56页 |
| 5.3 Apriori算法客户需求开发 | 第56-63页 |
| 5.4 客户忠诚度DBSCAN聚类分析 | 第63-67页 |
| 5.4.1 数据准备 | 第63-64页 |
| 5.4.2 客户忠诚度DBSCAN聚类分析 | 第64-67页 |
| 5.5 结果分析及建议对策 | 第67-69页 |
| 5.5.1 关联规则结果分析 | 第67-68页 |
| 5.5.2 密度聚类结果分析 | 第68页 |
| 5.5.3 建议对策 | 第68-69页 |
| 5.6 本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 附录1 客户忠诚度算例分析数据 | 第77-79页 |
| 附录2 某企业2015年销售数据 | 第79-82页 |
| 致谢 | 第82页 |