| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 研究背景及意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 客户细分方法的研究现状 | 第13-14页 |
| 1.2.2 客户流失预测方法的研究现状 | 第14-15页 |
| 1.2.3 基于数据挖掘的预测算法研究现状 | 第15-16页 |
| 1.3 存在的问题及分析 | 第16-17页 |
| 1.4 论文的主要研究内容及创新点 | 第17-18页 |
| 1.5 论文组织结构与安排 | 第18-20页 |
| 第2章 相关概念和基本原理 | 第20-29页 |
| 2.1 客户细分 | 第20-22页 |
| 2.1.1 客户细分基本概念 | 第20页 |
| 2.1.2 客户细分聚类方法 | 第20-22页 |
| 2.2 权重设定方法 | 第22-23页 |
| 2.3 客户流失预测 | 第23-27页 |
| 2.3.1 客户流失预测相关概念 | 第23-24页 |
| 2.3.2 客户流失原因 | 第24页 |
| 2.3.3 客户流失预测及模型 | 第24-25页 |
| 2.3.4 客户流失预测算法 | 第25-27页 |
| 2.4 属性剪枝 | 第27页 |
| 2.5 本章小结 | 第27-29页 |
| 第3章 基于K-means的汽车4S店客户细分方法 | 第29-35页 |
| 3.1 引言 | 第29页 |
| 3.2 客户细分准备工作 | 第29-30页 |
| 3.2.1 传统RFM客户细分模型 | 第29-30页 |
| 3.2.2 参数指标的权值计算 | 第30页 |
| 3.3 构建汽车4S店客户细分模型 | 第30-32页 |
| 3.3.1 客户细分数据分析指标 | 第30-31页 |
| 3.3.2 基于TFM的客户细分模型 | 第31-32页 |
| 3.4 汽车4S店客户细分算法 | 第32-34页 |
| 3.4.1 汽车4S店客户数据预处理 | 第32-33页 |
| 3.4.2 基于K-means的TFM指标聚类算法 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 基于决策树模型的客户流失预测模型 | 第35-42页 |
| 4.1 引言 | 第35页 |
| 4.2 汽车4S店客户流失分析 | 第35-36页 |
| 4.2.1 汽车4S店客户管理现状 | 第35-36页 |
| 4.2.2 汽车4S店客户流失原因 | 第36页 |
| 4.3 客户流失预测分析 | 第36-39页 |
| 4.4 客户流失算法选取 | 第39-40页 |
| 4.5 客户流失预测模型 | 第40-41页 |
| 4.6 本章小结 | 第41-42页 |
| 第5章 汽车4S店客户流失预测模型评估 | 第42-53页 |
| 5.1 引言 | 第42页 |
| 5.2 汽车4S店客户细分 | 第42-46页 |
| 5.2.1 客户细分过程 | 第42-44页 |
| 5.2.2 客户细分结果分析 | 第44-46页 |
| 5.3 汽车4S店客户流失预测 | 第46-50页 |
| 5.3.1 客户流失预测过程 | 第46页 |
| 5.3.2 客户流失预测结果分析 | 第46-50页 |
| 5.4 客户流失预测模型评估 | 第50-52页 |
| 5.5 本章小结 | 第52-53页 |
| 总结与展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第61-62页 |
| 附录B 攻读学位期间参与的科研项目 | 第62页 |