分类和聚类在分析型CRM中的应用

论文摘要

在过去几十年中,数据采集技术和存储技术的快速进步大大推动了数据库和信息产业的发展,大规模数据仓库日益增多。但是,传统的数据分析方法和技术面对快速增长的海量数据和比较复杂的高层分析任务,却显得无能为力。在这种情况下,数据挖掘应运而生,基于数据挖掘的客户关系管理（Customer Relationship Management,CRM）也随之应运而生。它将最佳的商业实践与数据挖掘、数据仓库、一对一营销、销售自动化以及其它信息技术紧密结合在一起,为企业的销售、客户服务和决策支持等领域提供了一个业务自动化的解决方案,使企业有了一个基于电子商务的面对客户的前沿,从而顺利实现由传统企业模式到以电子商务为基础的现代企业模式的转化。被称为下一代CRM的分析型CRM,最近几年成为数据挖掘应用中研究的热点问题。全文的研究主要内容有:分析型CRM的基本功能、数据预处理和数据初步分析的实现方式、研究了分类技术和聚类技术及其在分析型CRM中的应用、开发分析型CRM系统原型。全文关注数据挖掘中的分类和聚类问题,研究分类和聚类在分析型CRM中的应用,并介绍我们设计和实现的一个分析型CRM系统-KDACRM。通过全文的研究,阐明了分析型CRM的核心作用:其一,使用准确、易用的报表工具来分析和理解有关客户的数据;其二,在这些数据的基础上来定制产品、服务以及相应的交互方式,从而以合适的方式、在合适时间并通过合适的渠道满足客户的需求。

论文目录

• 中文摘要
• 英文摘要
• 1 引言
• 1.1 客户关系管理
• 1.1.1 客户关系管理产生的背景
• 1.1.2 客户关系管理的定义及特征
• 1.2 数据挖掘技术
• 1.2.1 数据挖掘产生的背景
• 1.2.2 数据挖掘的定义及功能
• 1.3 分析型CRM
• 1.4 数据挖掘工具和CRM 工具综述
• 1.4.1 数据挖掘的工具
• 1.4.2 CRM 工具
• 1.5 本文的研究工作和研究成果
• 1.6 论文结构
• 2 分析型 CRM 的基本功能
• 2.1 引言
• 2.2 分析型CRM 的基本功能
• 2.2.1 数据预处理
• 2.2.2 数据初步分析
• 2.2.3 客户流失建模
• 2.2.4 交叉营销分析
• 2.2.5 市场划分
• 2.2.6 风险评估
• 2.2.7 模型评估
• 2.2.8 数据分析可视化
• 2.3 分析型CRM 的工作过程
• 2.4 本章小结
• 3 数据预处理和数据初步分析的实现
• 3.1 引言
• 3.2 数据预处理
• 3.3 数据初步分析
• 3.4 本章小结
• 4 分类和聚类在分析型 CRM 中的应用
• 4.1 引言
• 4.2 数据挖掘中的分类技术
• 4.2.1 分类的基本过程及评价标准
• 4.2.2 各种分类方法的简介
• 4.3 数据挖掘中的聚类技术
• 4.4 客户保持和市场划分的实现
• 4.4.1 客户保持
• 4.4.2 市场划分
• 4.5 本章小结
• 5 KDACRM 的分析和设计
• 5.1 引言
• 5.2 KDACRM 的需求分析
• 5.2.1 KDACRM 的工作流程分析
• 5.2.2 KDACRM 的用例分析
• 5.3 KDACRM 的设计
• 5.3.1 KDACRM 的体系结构
• 5.3.2 KDACRM 的包设计
• 5.3.3 KDACRM 的类设计
• 5.3.4 KDACRM 的界面设计
• 5.4 本章小结
• 6 背景知识
• 6.1 引言
• 6.2 SWING 组件
• 6.2.1 标签和按钮
• 6.2.2 菜单和工具条
• 6.2.3 轻量容器
• 6.2.4 窗体，内部窗体和桌面窗格
• 6.2.5 对话框和选取器
• 6.2.6 滚动，表格和文本
• 6.2.7 树
• 6.3 JBuilder 9 组件
• 6.4 本章小结
• 7 结束语
• 致谢
• 参考文献
• 独创性声明
• 学位论文版权使用授权书