学位论文 > 优秀研究生学位论文题录展示
基于统计的数据挖掘技术在CRM系统中的应用研究
作 者: 柳枫
导 师: 邓贵仕
学 校: 大连理工大学
专 业: 系统工程
关键词: 客户关系管理 数据挖掘 过程模型 隶属度
分类号: TP391.7
类 型: 硕士论文
年 份: 2003年
下 载: 263次
引 用: 5次
阅 读: 论文下载
内容摘要
20世纪90年代初,随着竞争的加剧,顾客资源的短缺,企业逐渐意识到维系与顾客间的长久关系的重要性。客户关系管理(CRM)思想应运而生,而企业在实施CRM的过程中,无时不要通过对纷繁信息的深层分析以取得对决策的支持。数据挖掘技术以其能够从纷繁、混乱的实际应用数据中提取有用信息和知识的强大功能而在CRM中有着较大的应用潜力。基于统计的数据挖掘技术更是具有从日常易得的数据中提炼有用信息的功能,而目前,基于统计的数据挖掘技术在CRM中的应用极其有限。 论文以基于统计的数据挖掘技术在CRM中的应用为研究目标。在回顾了已有的研究和实践的基础上,提出了基于统计的数据挖掘技术的实施模型,并以此为内核建立了一套CRM数据挖掘系统,提出了适应与CRM数据挖掘系统的空间数据分类模型。 进一步地,论文通过实证研究来验证所提出模型的有效性。实证研究以房地产企业的顾客为研究对象,通过对日常搜集到的顾客数据的挖掘,解决了房地产企业从市场细分,到目标市场选择,直至产品的特征设计等一系列问题。 论文的创新点主要在于提出并实证了CRM中基于统计的数据挖掘的过程模型,对数据挖掘技术的丰富和CRM系统在实践中的完善都有一定的贡献。
|
全文目录
1 引言 7-18 1.1 问题的提出 7-9 1.2 数据挖掘技术在CRM中的应用现状 9-16 1.2.1 数据挖掘技术发展现状 9-12 1.2.2 CRM理论的研究现状 12-14 1.2.3 数据挖掘技术在CRM系统中应用的现状 14-16 1.3 本文的论题 16-18 2 基于统计的空间数据挖掘技术 18-35 2.1 基于统计的空间数据挖掘理论和过程 18-23 2.1.1 数据挖掘的一般过程 18-19 2.1.2 空间数据挖掘的思想 19-21 2.1.3 基于统计的数据挖掘过程 21-23 2.2 基于统计的空间数据挖掘模型中的主要功能模块 23-34 2.2.1 数据清洗 23-26 2.2.2 因子探索 26-28 2.2.3 检验 28-31 2.2.4 知识表示——多重对应分析 31-34 2.3 技术评价 34-35 3 基于统计的数据挖掘模型在CRM系统中应用的实证研究 35-49 3.1 CRM系统建立 35-39 3.1.1 企业背景 35 3.1.2 CRM系统设计 35-37 3.1.3 房地产行业中常见的数据分析方法 37-39 3.2 CRM系统中的数据挖掘过程 39-48 3.2.1 CRM系统中的数据挖掘模块建立 39 3.2.2 数据预处理 39-40 3.2.3 变量分析 40-46 3.2.4 分类结果检验 46-47 3.2.5 多重对应分析 47-48 3.3 小结 48-49 结论 49-50 参考文献 50-52 附录 52-59 致谢 59-60 攻读硕士学位期间发表的学术论文和取得的科研成果 60-61
|
相似论文
- 基于数据挖掘技术的保健品营销研究,F426.72
- 高忠英学术思想与经验总结及运用补肺汤加减治疗呼吸系统常见病用药规律研究,R249.2
- 张炳厚学术思想与临床经验总结及应用地龟汤类方治疗慢性肾脏病的经验研究,R249.2
- 魔力平台业务过程建模冲突消解的研究与实现,TP311.5
- Bicluster数据分析软件设计与实现,TP311.52
- 基于变异粒子群的聚类算法研究,TP18
- 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
- 基于遗传算法和粗糙集的聚类算法研究,TP18
- 基于知识推理的交叉销售系统的设计与实现,TP18
- 基于数据挖掘的税务稽查选案研究,F812.42
- 面向社区教育的个性化学习系统的研究与实现,TP391.6
- 基于关联规则挖掘的入侵检测系统的研究与实现,TP393.08
- 数据仓库技术在银行客户管理系统中的研究和实现,TP315
- 基于Moodle的高职网络教学系统设计与实现,TP311.52
- 教学质量评估数据挖掘系统设计与开发,TP311.13
- 关联规则算法在高职院校贫困生认定工作中的应用,G717
- 基于数据挖掘技术在城市供水的分析与决策,F299.24;F224
- 数据挖掘技术在电视用户满意度分析中的应用研究,TP311.13
- Web使用挖掘与网页个性化服务推荐研究,TP311.13
- 数据挖掘在学校管理和学生培养中的应用,TP311.13
- 高校毕业生就业状况监测系统研究,G647.38
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 机器辅助技术
© 2012 www.xueweilunwen.com
|