基于粗糙集数据挖掘技术的客户价值分析

基于粗糙集数据挖掘技术的客户价值分析

论文摘要

当今的客户已经成为左右企业发展的一种决定性的力量。菲利普·科特勒指出以客户为中心的企业不仅需要建设产品,更重要的是建设客户。在现实的市场条件下任何企业要想成功,必须以客户需求为出发点,以满足市场或客户的需求为归宿,把客户对企业的信任和忠诚作为企业最重要的资产。国内外的理论和实践都已证明了忠诚的客户能为企业带来稳定而丰厚的利润,一个企业拥有了忠诚的客户群,就拥有了稳定的利润源和竞争优势,拥有了对市场的控制权。一个客户能保持忠诚越久,企业从他那里获得的利益越多。 企业在培养客户忠诚时必须首先明确不同客户对企业具有不同的价值,企业应向最可能盈利的客户推销产品。基于客户差别及企业能力的限制,任何一个企业都不可能为市场上的全体客户服务。为了能与无处不在的竞争者竞争,企业需要确定它能为之最有效服务的细分市场,把目标关注于为企业带来最大利润的客户,提高他们的忠诚度。为了获得客户的忠诚,企业必须为客户提供优异的价值,因为只有价值才能驱动客户忠诚,增进客户的重复购买行为并增加企业利润。 基于以上的思想,借鉴西方管理学研究的成果,本文针对客户价值分析的理论和方法展开讨论,在客户分类时采用基于粗糙集的数据挖掘技术。 企业常用的客户分类方法是基于经验方法和统计方法的简单划分,这些方法虽然曾得到广泛应用并取得良好效果,但却无法满足日益增长的数据量以及日益复杂的分析需求,而基于数据挖掘技术的分类方法,为进行更深入的客户细分提供了新的实现手段。 所谓数据挖掘也称为知识发现,是从大型数据库和数据中提供潜在价值的知识和规则的过程。数据挖掘技术有各种模式,如关联分析、分类和预测及聚类等。各种模式各有侧重,其中有一些已经研究得较为成熟,研究成果也较多,如挖掘关联规则、预测方法和分类模式中的一些其他方法。而分类模式中关于粗集的挖掘技术目前研究的人还不是很多,相应的研究成果也较少。因而基于粗集的数据挖掘技术有很大的研究价值。粗集理论是针对不确定性问题提出的,它的特点是不需要预先给定某些特征或属性的数量描述,而是直接从给定问题的描述集合出发,通过不可分辨关系和不可分辨类确定给定问题的近似域,从而找出该问题的内在规律。

论文目录

  • 第1章 绪论
  • 1.1 论文写作的背景
  • 1.2 论文写作的目的和意义
  • 1.3 国内外研究现状及发展趋势
  • 1.3.1 客户价值理论研究现状
  • 1.3.2 数据挖掘研究的现状和未来研究方向
  • 1.3.3 基于粗糙集的数据挖掘的研究现状及发展趋势
  • 1.4 论文的研究方法、总体结构和创新之处
  • 1.4.1 论文的研究方法
  • 1.4.2 论文的总体结构
  • 1.4.3 论文的创新点
  • 第2章 相关理论综述
  • 2.1 客户价值研究综述
  • 2.2 数据挖掘理论
  • 2.2.1 基本概念
  • 2.2.2 数据挖掘分类
  • 2.2.3 数据挖掘技术
  • 2.2.4 数据挖掘的过程
  • 2.3 粗集理论
  • 2.3.1 粗集的基本概念
  • 2.3.2 基于粗集的知识表达系统
  • 2.4 本章小结
  • 第3章 客户价值分析
  • 3.1 客户
  • 3.1.1 客户的涵义
  • 3.1.2 客户生命周期
  • 3.2 客户价值
  • 3.2.1 客户角度的价值
  • 3.2.2 企业角度的价值
  • 3.3 客户分类
  • 3.3.1 客户分类的必要性
  • 3.3.2 客户分类问题的特点
  • 3.3.3 现有的客户分类方法
  • 3.4 本章小结
  • 第4章 决策表的约简
  • 4.1 知识表达系统数据的一致性
  • 4.2 一致决策表的约简
  • 4.2.1 决策表的属性约简算法
  • 4.2.2 值约简
  • 4.3 不一致决策表的约简
  • 4.3.1 考虑正域的变化
  • 4.3.2 分成两个子表
  • 4.4 本章小结
  • 第5章 基于粗集的决策树的构建
  • 5.1 决策树算法
  • 5.1.1 决策树算法概述
  • 5.1.2 决策树的生成
  • 5.1.3 决策树生成举例
  • 5.2 ID3算法
  • 5.2.1 ID3算法的决策属性选择方法
  • 5.2.2 ID3算法示例
  • 5.2.3 决策树的剪枝
  • 5.2.4 ID3算法的不足
  • 5.3 ID3算法的改进——CAAI算法
  • 5.3.1 CAAI算法
  • 5.3.2 可信度和支持度
  • 5.3.3 CAAI算法举例
  • 5.3.4 CAAI算法与ID3算法的关系
  • 5.4 本章小结
  • 第6章 基于粗集数据挖掘技术的客户分类
  • 6.1 基于粗糙集的RFM分析
  • 6.1.1 数据准备
  • 6.1.2 基于粗糙集的RFM规则获取
  • 6.1.3 RFM分析的优缺点
  • 6.2 基于粗糙集数据挖掘的客户价值评价
  • 6.2.1 客户价值评价的指标体系
  • 6.2.2 基于粗集的决策树技术的客户价值评价规则的获取
  • 6.3 客户关系战略选择
  • 第7章 提升客户价值增强企业竞争优势
  • 7.1 忠诚客户的价值
  • 7.2 CRM价值链
  • 7.2.1 CRM价值链的基本环节
  • 7.2.2 CRM价值链的支持条件
  • 7.3 客户让渡价值与企业竞争优势
  • 7.4 差异化战略的实施
  • 7.4.1 竞争优势与差异化战略
  • 7.4.2 差异化战略的内容
  • 7.4.3 差异化战略的风险
  • 7.5 本章小结
  • 结论
  • 参考文献
  • 攻读博士学位期间发表的论文和取得的科研成果
  • 致谢
  • 个人简历
  • 相关论文文献

    • [1].数据挖掘技术在网络营销中的应用构架实践[J]. 营销界 2019(19)
    • [2].数据挖掘技术综述浅析[J]. 数字技术与应用 2019(10)
    • [3].基于云计算的数据挖掘技术研究[J]. 无线互联科技 2019(22)
    • [4].数据挖掘技术在录井原油性质判别中的应用[J]. 录井工程 2019(04)
    • [5].大数据挖掘技术在高职教育教学过程中的应用研究[J]. 计算机产品与流通 2020(01)
    • [6].基于大数据背景的数据挖掘技术算法研究[J]. 信息技术与信息化 2019(12)
    • [7].基于云计算技术视角的大数据挖掘技术分析[J]. 数字技术与应用 2019(11)
    • [8].基于数据挖掘技术的“肥仔水”市场潜力分析——以八爪鱼为例[J]. 电脑知识与技术 2019(34)
    • [9].数据挖掘技术在互联网领域的应用研究[J]. 电脑知识与技术 2019(36)
    • [10].数据挖掘技术在数据统计工作中的应用分析[J]. 中外企业家 2020(05)
    • [11].基于数据挖掘技术的荨麻疹治疗研究综述[J]. 科技与创新 2020(04)
    • [12].基于数据挖掘技术的创新设计思维研究[J]. 设计 2020(03)
    • [13].数据挖掘技术在中医肝系病中的应用现状[J]. 江西中医药大学学报 2020(01)
    • [14].数据挖掘技术在中医辨证施治中的应用[J]. 教育教学论坛 2020(03)
    • [15].数据挖掘技术在军队预算管理中的应用探析[J]. 财务与会计 2019(19)
    • [16].云计算背景下物联网数据挖掘技术分析与实验验证[J]. 数字通信世界 2020(02)
    • [17].数据挖掘技术在经济统计中的应用研究[J]. 中国市场 2020(08)
    • [18].基于数据挖掘技术的学情分析系统分析与设计[J]. 电脑编程技巧与维护 2020(01)
    • [19].数据挖掘技术及其分析方法在大通水文站降水规律分析中的应用[J]. 科学技术创新 2020(03)
    • [20].数据挖掘在油田开采中的应用方法分析[J]. 门窗 2019(18)
    • [21].电网故障信息数据挖掘技术的分析[J]. 科技创新导报 2019(33)
    • [22].基于数据挖掘技术的高职院校财务管理风险管控研究[J]. 河北建筑工程学院学报 2019(03)
    • [23].数据挖掘技术支持下的妇幼保健院档案整合策略[J]. 黑龙江档案 2020(01)
    • [24].基于数据挖掘技术的高校人才培养模式评价与优化[J]. 大连民族大学学报 2020(01)
    • [25].探究计算机数据挖掘技术的开发及其应用[J]. 计算机产品与流通 2020(03)
    • [26].数据挖掘技术在经济统计中的应用研究[J]. 现代商业 2020(05)
    • [27].数据挖掘技术在软件工程中的应用[J]. 信息通信 2020(02)
    • [28].管理会计中数据挖掘技术的应用研究[J]. 信息记录材料 2020(01)
    • [29].基于数据挖掘技术的图书馆个性化系统设计[J]. 长春师范大学学报 2020(04)
    • [30].数据挖掘技术在教育信息中的应用探索[J]. 信息通信 2020(03)

    标签:;  ;  ;  ;  ;  

    基于粗糙集数据挖掘技术的客户价值分析
    下载Doc文档

    猜你喜欢