学位论文 > 优秀研究生学位论文题录展示

数据挖掘技术在客户关系管理（CRM）中的应用

作　者: 胡鹏博
导　师: 刘芳；崔振
学　校: 西安电子科技大学
专　业: 工学
关键词: 客户关系管理 ID3算法 客户流失 K-means算法 Apriori算法
分类号: TP311.13
类　型: 硕士论文
年　份: 2009年
下　载: 143次
引　用: 0次
阅　读: 论文下载
 

内容摘要


数据挖掘技术(Data Mining Technology)是伴随着数据仓库与在线分析处理(On-Line Analysis Processing, OLAP)这两项技术的快速起飞与应用,带来数据量与决策需求两方面持续增长的前提下应运而生的。数据挖掘是商务智能(Business Intelligence, BI)的关键技术之一,通过相应的算法,找出数据所隐含的潜在模型,为决策者提供决策支持。对于竞争日益激烈的市场环境来说,数据挖掘技术将成为支撑企业精准营销的重要手段之一本文着重讨论了笔者所从事的《华商报》黄马甲96128电子商务平台(主要通过网络与呼叫中心两种方式销售产品)建立以来所形成的海量客户数据库,并通过决策树算法中的ID3算法研究客户的流失问题,通过聚类算法中的K-means算法研究商品价格问题,通过关联规则中的Apriori算法研究购物篮中的商品关联度问题。本文利用黄马甲客户关系管理系统中已形成的客户数据。首先对数据进行清理,并以10万数据量为基准,开始进行数据挖掘。首先建立了数据仓库,ID3决策树算法与Apriori算法运用Eclipse工具进行java编程,K-means算法用C++语言进行实现,并运行出相应的结果,再对结果进行分析,找出其中的商业价值。并运用图表进行描述。实验结果表明,重视用户的流失分析、商品价格分析、购物篮分析,从根本上以客户需求为导向,全面提升黄马甲96128电子商务业务水平,使业务发展更上台阶,为领导决策提供科学的数据支持。

全文目录


摘要  3-4
Abstract  4-7
第一章 绪论  7-11
  1.1 研究背景与意义  7
  1.2 目前研究现状及发展方向  7-8
  1.3 本文研究的意义和所做的主要工作  8-10
  1.4 本文工作与结构安排  10-11
第二章 基于CRM的数据挖掘技术基础  11-19
  2.1 客户关系管理的概念  11-12
  2.2 构建基于客户智能的CRM系统  12-14
    2.2.1 CRM的技术类型  12
    2.2.2 CRM系统的主要组件  12-14
  2.3 数据挖掘技术  14-17
    2.3.1 数据挖掘的概念与发展  14-15
    2.3.2 数据挖掘方法的应用领域  15-16
    2.3.3 数据挖掘应用步骤  16-17
  2.4 CRM与数据挖掘的关系  17-18
  2.5 本章小结  18-19
第三章 ID3决策树算法在黄马甲客户流失中的应用  19-27
  3.1 引言  19
  3.2 决策树算法与ID3算法  19-20
  3.3 客户数据预处理  20-22
  3.4 用ID3算法构建客户流失决策树  22-25
    3.4.1 用ID3算法构建决策树  22-24
    3.4.2 决策树修剪  24
    3.4.3 关于训练集、测试集的选取和准确性的评估  24-25
  3.5 客户流失预测结果  25-26
  3.6 本章小结  26-27
第四章 K-MEANS算法在商品价格聚类中的应用  27-37
  4.1 引言  27
  4.2 K-MEANS聚类算法  27-29
    4.2.1 聚类分析  27-28
    4.2.2 聚类分析的相似系数指标  28-29
    4.2.3 聚类分析的步骤  29
    4.2.4 聚类中的经典算法K-means算法  29
  4.3 基于K-MEANS算法的数据挖掘实现  29-32
  4.4 数据预处理及运行结果分析  32-36
    4.4.1 数据预处理  32-33
    4.4.2 各品类数据挖掘结果及分析  33-36
  4.5 本章小结  36-37
第五章 APRIORI算法在黄马甲购物篮分析中的应用  37-45
  5.1 引言  37
  5.2 基于APRIORI算法提取数据中关联规则  37-39
    5.2.1 关联规则的定义与分类  37-38
    5.2.2 经典的频集算法  38
    5.2.3 Apriori算法分析  38-39
  5.3 测试数据及运行结果分析  39-44
    5.3.1 数据的预处理  39-42
    5.3.2 数据运行结果及分析  42-44
  5.4 本章小结  44-45
第六章 结束语  45-47
  6.1 总结  45
  6.2 展望  45-47
致谢  47-49
参考文献  49-51

相似论文

  1. K-means聚类优化算法的研究,TP311.13
  2. 基于知识推理的交叉销售系统的设计与实现,TP18
  3. 基于数据挖掘的税务稽查选案研究,F812.42
  4. 关联规则算法在高职院校贫困生认定工作中的应用,G717
  5. Web使用挖掘与网页个性化服务推荐研究,TP311.13
  6. 数据挖掘在学校管理和学生培养中的应用,TP311.13
  7. 基于客户协同的浪潮ERP研发管理研究,F426.672
  8. 基于关联规则的结构化浏览技术及其应用,TP391.41
  9. 银行个人客户关系管理系统的设计与实现,TP311.52
  10. 基于数据挖掘技术的电信客户维系挽留系统分析及应用,TP311.13
  11. 基于Web的客户关系管理系统的设计与实现,TP311.52
  12. 数据挖掘技术在独立学院教学评估中的应用研究,TP311.13
  13. 银行客户关系管理信息系统的设计与实现,TP311.52
  14. 直复营销行业中的CRM应用研究,F274
  15. 通信行为指纹研究,TP311.13
  16. 基于学生评教数据挖掘与教学质量分析系统的研究,TP311.13
  17. 基于三层架构的建筑材料租赁系统设计与实现,TP311.52
  18. 医药行业CRM项目实施总结,F426.72
  19. 数据挖掘在学生评价系统中的应用,TP311.13
  20. 高校图书馆管理系统的个性化服务的设计与实现,TP311.52
  21. 基于数据挖掘的资费套餐优化,F626

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 > 计算机软件 > 程序设计、软件工程 > 程序设计 > 数据库理论与系统
© 2012 www.xueweilunwen.com