| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 Introduction | 第14-23页 |
| 1.1 Background | 第14-16页 |
| 1.2 Research Motivation | 第16-17页 |
| 1.3 Problem Definition | 第17-18页 |
| 1.4 Research Objectives | 第18页 |
| 1.5 Contributions | 第18-19页 |
| 1.6 Research Methodology | 第19-21页 |
| 1.6.1 Data Collection | 第19-20页 |
| 1.6.2 Data Transformation and Data Reduction | 第20页 |
| 1.6.3 Identification of the Segments With Cluster Modeling | 第20-21页 |
| 1.6.4 Evaluation and Profiling of the Revealed Segments | 第21页 |
| 1.7 Outline of the Thesis | 第21-22页 |
| 1.8 Summary | 第22-23页 |
| 2 Theoretical Framework | 第23-60页 |
| 2.1 Customer Relationship Management (CRM) | 第23-29页 |
| 2.1.1 CRM Dimension | 第24-25页 |
| 2.1.2 Components of Customer Relationship Management | 第25-26页 |
| 2.1.3 CRM for Customer Segmentation | 第26-29页 |
| 2.2 Data Mining | 第29-31页 |
| 2.2.1 Data Mining and Other Disciplines | 第29-30页 |
| 2.2.2 Data Mining in the Banking Industry | 第30-31页 |
| 2.3 The CRISP-DM Process Model | 第31-35页 |
| 2.3.1 Business Understanding and Data Understanding | 第31-32页 |
| 2.3.2 Data Preparation and Model Building | 第32-34页 |
| 2.3.3 Model Evaluation and Deployment | 第34-35页 |
| 2.4 Data Mining Tasks | 第35-38页 |
| 2.4.1 Predictive and Descriptive Model | 第35-36页 |
| 2.4.2 Dimensionality Reduction | 第36-38页 |
| 2.5 Clustering Techniques | 第38-51页 |
| 2.5.1 Partitioning Methods | 第38-42页 |
| 2.5.2 Model-based Methods | 第42-46页 |
| 2.5.3 Hierarchical Methods | 第46-49页 |
| 2.5.4 Density-Based Clustering | 第49-51页 |
| 2.5.5 Evaluating Clusters | 第51页 |
| 2.6 Classification Techniques | 第51-60页 |
| 2.6.1 Decision Tree | 第52-55页 |
| 2.6.2 Types of Decision Trees | 第55-58页 |
| 2.6.3 Association, Prediction and Sequential Patterns | 第58页 |
| 2.6.4 Apriori | 第58-59页 |
| 2.6.5 Summary | 第59-60页 |
| 3 Credit Card Customer Segmentation | 第60-68页 |
| 3.1 Design of the Segmentation Process | 第60-61页 |
| 3.2 Attribute Selection | 第61页 |
| 3.3 Validation and Transformation | 第61-62页 |
| 3.4 Data Reduction Using Principal Component Analysis (PCA) | 第62-63页 |
| 3.5 Cluster Modeling | 第63-65页 |
| 3.5.1 Clustering With K-means | 第63-64页 |
| 3.5.2 Clustering With the Two-Step Algorithm | 第64-65页 |
| 3.6 Cluster Evaluation | 第65-67页 |
| 3.6.1 Technical Evaluation of the Clustering Solution | 第66页 |
| 3.6.2 Decision Tree Profiling | 第66-67页 |
| 3.7 Summary | 第67-68页 |
| 4 Results and Analysis | 第68-78页 |
| 4.1 Data Description | 第68-69页 |
| 4.2 Dimensionality Reduction Using Principal Component Analysis | 第69-71页 |
| 4.3 The Rotated Component Matrix | 第71-72页 |
| 4.4 Modeling Phase for Customer Segmentation | 第72-73页 |
| 4.5 Derived Clusters | 第73-74页 |
| 4.6 Profiling Using CHAID Decision Trees | 第74-77页 |
| 4.7 Summary | 第77-78页 |
| 5 Conclusion and Future Research | 第78-80页 |
| 5.1 Conclusions | 第78-79页 |
| 5.2 Future Research | 第79-80页 |
| References | 第80-84页 |
| Achievements | 第84-85页 |
| Acknowledgements | 第85页 |
