一、基于数据仓库的CRM在电信企业中的应用（论文文献综述）
李双杰[1]（2019）在《湖南省娄底移动分公司的客户关系管理研究》文中提出近年来,4G（4rd Generation）网络在中国市场得到广泛使用,中国通信技术的发展使得整个电信行业的竞争也处于不断变化的过程中,市场竞争的加剧促使着各大电信运营商不断变化其市场发展策略,以谋取在电信市场中不断增加的市场份额,这些激烈的竞争都在各城市或各区域之间展开,而大多数的竞争都是围绕着客户关系展开,随着5G时代的即将到来,现有的竞争格局又会出现一定的变化,三大电信公司竞争逐步加剧,娄底移动公司面对另外两家电信商的竞争,市场地位也出现大幅变化,主要体现在其客户流失方面,另外在客户管理方面也逐渐出现管理组织结构不完善、客户关系管理制度缺陷等等,在内忧外患的多重压力下有必要改进其CRM模式。因而对于公司的新老客户所进行的关系管理是其确立市场竞争力尤为重要的方面,是娄底移动公司当前迫切需要研究的问题。基于此,本文首先对客户关系管理概述及理论进行归纳分析,在CRM的理论基础上对娄底移动公司的基本概况进行阐述,并通过娄底移动公司的客户管理现状与娄底移动公司客户管理的市场环境展开分析,可以发现娄底移动目前面对的市场竞争日趋激烈、行业优势逐渐弱化,而客户消费理念不断变化,然后,本文分析了娄底移动公司在客户管理中现存的问题,并探究出娄底移动在CRM过程中,对客户的价值定位不明确,客户细分不准确,客户数据统计结果的应用性不强,对客户的数据处理分析能力较弱,客户部内部管理工作不规范以及客户服务水平较低等,最后,本文针对这些问题,提出了娄底移动客户关系管理的优化方案,先确立娄底移动客户关系管理优化的原则和目标,在采取一定的举措,重新界定客户价值并实施客户分类管理,升级客户关系管理系统并运用大数据技术高效处理客户数据,加强客户服务质量管理并提升客户针对性服务水平。在此基础上,为保障这些措施的有效实施,本文进一步提出了,在优化客户管理组织结构层面,构建垂直化的管理体系并实行数据化运营模式,从集团客户部、客户服务部、市场销售部以及电子渠道部加强客户管理团队建设,同时,加强在资金投入上的财务规划,提升公司在本地的品牌文化影响。通过这些措施,使得娄底移动公司能够更好的促进娄底移动客户关系的管理,为娄底移动长期健康的发展奠定基础。
徐璐[2]（2015）在《基于数据仓库的客户关系管理系统研究》文中进行了进一步梳理在市场经济迅速发展的这三十年,各大企业将客户作为服务的第一目标。此背景之下,客户关系管理（英文Customer Relationship Management,简写CRM）的营业需求出现了。客户关系管理的工作是以客户为中心开展运营,通过现代化IT技术基础,设计客户所需产品,优化相关服务规范,对用户做好挽留与吸引的工作。数据仓库计算对于客户关系管理来说,是系统的基础技术平台,几乎所有的客户关系运营都是围绕数据仓库来进行的。通过数据仓库的分析、运行,产生营销策略,发掘商机,配合销售部门、客户服务部门进行参与,提升企业的收入。数据仓库技术是计算机界最近几年的研究热点之一,并且在金融、电信、制造、保险、证券等领域得到了广泛的应用,技术也日臻成熟。目前,在国内,数据仓库技术在客户关系管理系统（CRM）中的应用还不成熟,在技术上有待改进和完善。论文根据本人对CRM和数据仓库技术的分析和研究,结合CRM对数据仓库技术需求,改进了数据仓库对应与在客户关系管理系统中的技术应用,并将这种应用的改进,用在电信运营商的CRM系统设计中得以体现。论文从分析数据仓库技术的现状入手,给出了一个完整的数据仓库定义,阐述了数据仓库的四个基本特征,分析和研究了数据仓库的数据索引、体系架构和数据管理方式,说明了本课题数据仓库的设计方法、步骤和数据模型。通过对CRM概念和内涵的分析研究,构建了CRM软件系统的业务和功能模型,结合CRM系统的构成和对数据仓库计算的应用场景进行了研究探讨,其中重点讨论了数据转移和数据的存储与管理在客户关系管理系统（CRM）中的改进及应用,并在研究CRM和数据仓库技术的基础上,结合某电信运营商CRM系统的应用场景需要和需求,构建了电信运营商客户关系管理系统的架构、功能和部分业务模型。最后,通过某电信运营商CRM数据仓库的设计,改进了数据仓库的用法。
程曦[3]（2015）在《基于数据挖掘的银行客户流失研究与应用》文中进行了进一步梳理当前,金融体制改革、互联网金融创新对银行业传统的零售业务构成了越来越大的挑战。在金融产品严重同质化的今天,银行原有客户的忠诚度正逐渐降低,客户流失已成为各商业银行都不得不重视的一个严峻的问题。中国工商银行作为国内最大的国有商业银行,客户流失特别是中高端客户流失的现象也日趋严重。本文从银行业对客户流失管理的研究现状、存在的问题及国内外的应用状况等角度入手,结合笔者在工行多年的工作经验,采用理论研究和实证建模相结合的方法,以数据挖掘和客户关系管理作为理论研究的重点,以该行的部分真实客户数据作为实证研究的背景,运用数据挖掘技术中的决策树模型和LOGISTIC回归模型,重点描述了基于SAS EM挖掘平台客户流失预警模型的建模过程。同时,本文还将此研究结果运用到实际的营销活动中,以该行的两家支行中高端客户的实际交易数据为例,带入模型计算得到每个客户的流失概率,筛选了流失概率前30%的客户,运用该行的精准营销平台进行有针对性地流失挽回营销,结果证明采用该模型进行客户挽留可以将客户的流失率降低近一半。最后,本文根据此次建模过程及后续的营销活动探讨了客户挽留的策略,总结出流失客户挽回及建模过程等几方面的启示,供银行的相关管理者参考。本文的主要研究成果在于:一是构建了客户流失预警模型;二是将此模型运用于实际的客户流失挽回营销活动中;三是证明了采取流失客户挽回措施可以有效降低客户流失率。
刘淳猛[4]（2015）在《数据挖掘技术在企业CRM系统中的研究与应用》文中指出伴随着互联网技术的飞速发展，企业之间的竞争日益激烈，传统的营销模式受到严重的挑战，企业需要并得以借助先进的管理思想以及先进的技术手段，去充分了解和掌握客户信息，发现与挖掘潜在市场机会，规避风险，提高客户忠诚度与满意度。企业对于客户信息的获取以及如何使这些信息发挥最大的效用，是企业在自身发展中的一个重要工作，这就必须有一个专门的系统来收集客户信息，并加以分析和利用。客户关系管理（CustomerRelationship Management,CRM）系统正是在此环境下应运而生，它将利用企业各种资源，通过客户的管理过程，分析出企业优劣，提高企业的竞争力，使企业在现如今激烈的竞争环境中处于不败之地。同时，随着企业业务的不断扩大，企业里的数据信息正以指数级的速度在迅速增长，特别是客户信息中不仅包含着有价值的部分，同时也包含很多冗余的信息，要想在这海量的信息中准确的找到企业需要的资源，从中提取出客户关系图，也是一个难点。因此，需要在构建CRM系统的同时应用现如今正飞速发展的数据挖掘技术，将两者结合起来，才能搭建出一个完整的CRM系统。本文结合浙江中烟工业公司（以下简称浙江中烟）CRM系统，分析了企业中海量客户数据处理的方法，并对客户进行划分，提取客户关系图以及检测客户忠诚度等。浙江中烟CRM系统对企业的发展起到了至关重要的作用。主要研究有以下几个方面：1)以浙江中烟为例，结合大型集团企业CRM系统的需求分析，了解CRM系统的特性、架构和运行机制，分析企业CRM系统的可行性以及数据挖掘技术如何的应用于系统当中。2)构建客户分类决策树，提取客户的行为记录，如反馈、来访、活动交流等，分析客户的忠诚度状态；建立客户忠诚度预警模型，根据CLV曲线分析，得出客户在某个时间点或时间范围内的忠诚度，并据此提出提升客户忠诚度的方案。3)提出了一种基于改进的FP-Growth算法的客户关系图提取方法，使得企业能够很清晰的看出与客户之间的关系，找出存在的不足加以改进，使企业决策者和服务人员做出相应的决策行为，改善客户关系，提高客户的忠诚度。4)提出了一种基于TFIDF算法同义替换和相邻合并的文本挖掘技术，可以降低服务器压力，使服务人员可以更快更准确的从知识库中寻找出相关信息，满足客户的需求。
余洋[5]（2014）在《移动数据集市及基于CRM系统的数据挖掘分析与设计》文中提出我国自电信重组以来,逐步形成了多家运营商共同竞争的市场格局。技术的不断进步带来电信产业非常激烈的竞争,企业的发展必须以对客户的需求和消费行为的了解为主要考量,否则将会流失重大的商机,造成企业的损失。随着3G市场的深入以及4G商业化的开始,电信产业的竞争变得尤为激烈,并且竞争的方式已悄然发生改变。企业的发展型态已由过去以产品为中心的经营方式转变成为以客户为中心的消费型态。事实上,电信市场已趋近饱和,如何才能留住客户并不断挖掘新的客户,以增加企业效益,这是电信从业者应该思考的问题。本文基于数据仓库、数据挖掘技术及客户关系管理理论,建立了基于数据仓库的电信客户细分模型并对绵阳移动CRM系统的设计与实现进行了研究。主要的研究内容和贡献包括以下几个方面:首先,在分析我国电信市场的竞争情况后,对客户细分理论基础进行了详细的阐述。在此基础上,对电信客户细分理论的必要性、方法选择及现状等方面作了分析。第二,针对数据挖掘和数据仓库的相关理论进行了详细论述,包括数据挖掘的产生、发展、常用算法、工具等,并研究了数据仓库与数据挖掘的关系,进一步给出了数据挖掘及数据仓库在电信行业中的应用。第三,通过对数据仓库技术在电信行业中的应用研究,建立了基于数据仓库的客户细分理论模型并采用基于CRISP-DM方法的数据挖掘模型对模型进行了分析求解。第四,对客户关系管理系统的产生、发展及主要功能等进行了详细阐述,进一步研究了电信行业的客户关系管理相关问题,构建了客户关系管理系统的总体框架。第五,针对绵阳移动CRM系统中存在的问题,在绵阳移动现有系统的基础上,设计了适用于绵阳移动实际的CRM系统,并对系统的应用进行了实例分析,为绵阳移动的客户管理、市场开拓等提供一定的支撑。本文的核心在于利用数据挖掘中的相关理论和算法,设计相应的系统架构,在数据仓库中分析与建立客户细分模型,并对模型的建立、算法、实现以及结果都进行了细致的分析,进一步考虑绵阳移动的实际,设计相应的CRM系统,为运营商的决策提供参考。
陈开[6]（2013）在《数据挖掘在电信行业CRM中的应用研究》文中认为国内电信行业在历经数次改革和重组之后，目前已经形成了中国移动、中国联通和中国电信等三大电信运营商三足鼎立的形势。随着2009年3G牌照的发放以及行业对4G牌照的预期，电信市场的竞争已经达到了白热化的程度。电信运营商建立“以客户为中心”的管理模式，运用数据挖掘技术对CRM系统中的海量客户数据进行挖掘，从中发现各种潜在的、有价值的、规律性的信息和知识并用于指导和辅助决策，是当前电信运营商提升企业核心竞争力的重要途径，具有重要的理论研究意义和实践应用价值。目前国内外对该课题的研究已经越来越成熟，就数据挖掘本身而言，无论是其理论体系还是其所使用的技术和算法都已经相对成熟，并出现了很多成型的商业软件和挖掘工具，但是在将其应用到具体的拥有不同背景的行业和专业领域时，其应用的范围和结果的准确性还是不能令人非常满意，因此很有必要对其进行更深入地研究。本文运用理论阐述、数理分析与实践研究相结合的方法，针对目前数据挖掘技术在电信行业CRM应用中存在的问题，重点研究了以下内容：（1）电信行业CRM理论体系以及在CRM中进行数据挖掘的常用算法、工具及挖掘流程等；（2）通过对某市中国移动的客户数据进行抽样、清洗、建模，实例验证在电信行业CRM中利用clementine工具进行客户细分的详细流程；（3）在对客户细分的基础上，深入研究客户满意度理论，结合电信行业VIP客户的消费模式和特点，建立了电信行业VIP客户满意度模型的评价体系，并通过问卷调查等方法收集数据资料，对客户满意度模型进行了实例验证；从而为移动运营商提升VIP客户满意度指数提供有效的决策支持。本文通过利用数据挖掘技术来分析客户的消费模式以及提升企业CRM水平的研究工作，无论是对于电信运营商还是其它行业都可提供有益的参考。
滕照义[7]（2013）在《数据挖掘在电信客户关系管理的研究与应用》文中进行了进一步梳理随着电信市场竞争的日趋激烈，中国电信集团公司从以产品为中心企业经营模式逐渐转变成以客户为中心企业经营模式。客户是企业最宝贵的资源。客户关系管理就是实现客户价值。客户关系管理是企业建立市场竞争优势的最佳手段，客户关系管理的核心就是企业经营活动都必须以客户为中心。企业通过客户关系管理系统和客户建立良好关系，在保证实现客户利益最大化的同时，全面提高企业的经济效益。目前，发展电信各地方公司自己的客户关系管理系统，更好融合在集团公司电信客户关系管理系统是发展的重点。通过建立客户关系管理系统，企业通过使用客户关系管理软件，全面有效管理客户信息，科学合理分配生产、市场营销和售后服务的企业资源。并随着客户不断变化采取适当的措施，给客户提供最优质的产品和服务。企业通过客户关系管理软件的相关功能，及时了解客户的实际需求，掌握客户的消费心理和习惯，动态跟踪客户的实际情况，及时为客户提供良好的产品和服务。最终实现客户对企业产品满意和客户对企业的信赖。电信企业客户关系管理是利用客户关系管理先进理论和方法建立起来的，可以有效服务电信客户，提高电信产品市场占有率。电信企业通过对电信客户数据分析，运用数据挖掘工具对电信客户进行数据挖掘，掌握电信客户发展的内在规律，结合电信业务背景基础上对挖掘结果的科学解释，从而为企业市场营销决策提供参考依据。本文首先介绍数据挖掘基本理论和研究内容，以及数据挖掘技术对企业发展中的重要作用。其次对客户关系管理理论进行分析和研究。客户关系管理理论内容丰富，主要研究企业和客户的关系和特点，分析客户在客户关系管理中的位置和作用。通过客户关系管理的系统模型的建立，使客户在系统和企业建立联系。针对中国电信客户的研究，通过对中国电信客户关系管理系统需求的分析，结合客户关系管理系统模型，参考电信业务特点，建立电信客户关系管理系统模型，实现电信客户关系管理系统方案。在此基础上，通过使用决策树模型算法对电信客户数据进行挖掘，建立分类模型，在模型上对电信客户数据的实验，验证模型的可靠性和实用性，实验挖掘结果在对电信客户研究起到一定参考价值，指导电信企业发展。最后部分是本文总结和展望。
周详[8]（2013）在《基于CRM的彩信媒体系统设计和实现》文中研究表明当下传统媒体产业面临数字化新媒体的巨大冲击,发行量和广告收入下滑明显。传统报业集团均提出了新媒体转型的口号。基于MMS技术的彩信媒体成为报业集团新媒体转型的突破口。目前全国彩信媒体用户已超过3亿,成为报业集团新媒体领域用户最多,收入规模最大的媒体形态。但是由于我国报业集团的整体信息化水平仍不高,大多只以内容提供商的身份参与彩信媒体的产业链,在产品策划、内容编辑、广告投放等环节上,仍然沿用传统媒体的工作流程和模式,缺乏新的技术手段提升客户满意度和产品竞争力。为此,本文首先分析了彩信媒体的运营流程,基于彩信媒体现有的呼叫中心和短信互动平台,建立以客户需求为中心的分析型CRM系统,并围绕CRM系统重构彩信媒体的运营流程。彩信媒体运营中对CRM的需求,主要体现在将客户对彩信内容与广告的反馈,通过多种互动渠道收集汇总,以数据和图表形式呈现产品运营动态,并通过改良过的K-mean方法实现聚类、分类对客户群做出了更细致和精准的定位。得出客户的实际偏好,作为内容编辑和广告策划的决策依据,取得了良好的效果。该CRM系统通过数据提取和内容聚类,将来自客服电话记录和来自短信的上行数据归一整合,构建一个支持OLAP的数据仓库,通过改良后的K-Means算法和Apriori算法对客户数据进行数据挖掘,并通过B/S架构让内容编辑和广告策划人员都能将数据分析的结果应用到决策中,第一时间获得自动推送的信息。由此重构了内容生产和广告投放的工作流程,从而增加彩信媒体的客户满意度和广告收入。最终提升彩信媒体的产品竞争力。同时由于数据仓库、数据挖掘和B/S架构的应用,整合了彩信媒体客户来源不一的数据格式,针对彩信媒体内容同质化、广告不精准的问题予以分析解决,并降低了系统的培训和维护成本。实现了媒体集团在新媒体领域的信息化转型和大数据应用方面的探索和创新。
江哲雅[9]（2013）在《聚类挖掘在电信客户分类中的研究与应用》文中研究说明客户关系管理（Customer Relationship Management）简称（CRM）对改善客户与企业间的关系，有着至关重要的作用。对庞大客户信息的高效、精准的分类，是进行有效客户管理的基础和重要技术。提高电信企业竞争力的重点在于，如何将数据库中看似毫无关联不具备价值的数据通过系统的整合，提炼出有用的数据信息，并对此进行分析研究来制定差异化以及个性化的服务。数据挖掘通过数据分析，从大量的原始数据里发现其内在规律。其工作过程一是数据准备：从相关数据库中选取数据，这些数据又会被整合成可以被用于数据挖掘的数据集合；二是发现规律：使用数据准备时所得到的数据集合，采用某种方法，将这些数据集合之间的规律寻找和总结出来。本文主要针对数据挖掘技术中的一个重要领域：聚类分析进行研究分析并将其投入到现实企业决策中去。聚类挖掘其本质就是要将那些非实体的对象集合分组，使之成为由许多相似对象所形成的对象类的一个过程，其主要工作就是把收集来的那些相似的数据进行分类和聚合。本文参阅了大量的国内与国外的文献资料，对数据挖掘技术、客户关系管理系统、电信行业客户分类模型进行了深入且细致的研究。针对基于聚类挖掘的客户关系管理系统中的客户分类，开展了以下几项研究工作：1．建立有利于数据分析的客户分类模型。客户分类模型的建立将大大提高电信企业对用户的分类，把具有某种消费习惯或者消费倾向的用户归集起来，本论文主要正对短信高频使用用户类，制定有针对性的营销策略。该客户分类模型可以将大量具有相似特征的用户归集起来，形成某个特定的客户类别，是企业能够量化的对某一用户类进行分析，制定适合的电信产品和服务。2．从两方面入手对原有的K-means算法进行优化分析。其一本文对初始聚类中心进行优化：更好的划分效果是通过对原始聚类中心的选择而得到的。它使得不同聚类中的对象是不相似的，但一个聚类中的对象却是相似的。同时本文运用数学几何定律：“三角形两条边的长度必定大于第三条边”来降低k-means算法的总时间复杂度。以此来尽可能的达到减少迭代次数，提高挖掘性能的目的。通过对比发现，优化后的算法比传统的K-means算法具有更好的性能。3．确定客户分类模型中所用到的分类变量和描述变量。消费者由于各种因素之间的差异，本身也呈现出多样化，对于消费者而言，根本没有单一的策略可以对应所有客户的需求，单一的产品选择都不是一种优秀的战略选择，而客户分类在本质上就是为迅速提高一个大型多元化的组织管理水平提供了实际的可能性。客户分类以客户消费行为和客户价值为研究变量，将客户人口特征，参考客户心理消费因子作为参考依据，从而建立起了一套基于数据挖掘的客户分类模型。4．将SPSS公司开发的Clementine7.0作为开发工具，对上述研究得出的客户分类模型通过电信客户数据进行验证，成功得出客户分类组。同时本文选取了聚类挖掘结果中的短信高频使用组为分析对象，对其消费习惯和消费倾向进行深入分析并制定出了相应的营销策略。结果表明：本文的工作将对改善电信行业的客户管理，提高用户满意度，以及提升电信运营商的市场竞争力，起到一定的支撑作用。
耿志宽[10]（2011）在《数据集市在电信运营商数据业务客户关系管理中的应用研究》文中研究表明最近几年,电信业经过快速发展,移动电话用户数量在不断增长,截止目前全国移动电话用户已突破9亿户；尤其是随着2009年1月7日我国3G牌照的正式发放,数据业务的发展迎来新的春天,如何管理好运营的在网客户、如何快速发展数据业务已成为三大电信运营商面临的重大机遇与挑战。由于电信运营商运营的客户数量极其庞大,客户数据也堪称海量,但是缺少对数据业务目标客户获取及客户关系维系的深入研究,导致如何发展及维系数据业务客户关系成为电信运营商面临的重要课题。信息管理技术的快速发展为电信运营商管理客户关系提供了很好的工具支撑,尤其是数据仓库、数据集市、商业智能等概念和技术的发展为电信运营商管理与庞大用户群体的客户关系提供了现实操作的可行性。数据仓库与数据集市技术可以容纳与管理海量的用户数据,并且具有一定的商业智能及分析能力,可以进行业务分析与行为预测,这为电信运营商发展与维系数据业务客户关系提供了很好的底层技术支撑与管理理念工具。本文以相关的客户关系管理理论为基础,结合客户生命周期模型,通过分析数据业务的特性和电信运营商数据业务客户关系的识别期、发展期、稳定期、衰退期这四个阶段的关键特征,探讨数据集市与数据仓库在数据业务客户关系管理中各个阶段的应用方法、应用流程与应用效果；研究数据集市、数据仓库、商业智能等管理理念与信息技术对于数据业务客户关系管理的帮助与促进作用。并结合基于数据仓库和数据集市的精准营销管理平台,探讨了利用数据集市进行数据业务客户关系管理的案例,说明了数据集市在客户行为分析、业务匹配、渠道匹配、营销时机匹配等方面的作用和效果。在放号趋缓、语音业务趋于饱和甚至下降的大背景下,通过运用数据集市、数据仓库等管理理念与信息技术,管理海量数据业务用户的客户关系,对于发展与稳定数据业务用户、提升在网数据业务用户的客户终生价值具有十分重要的现实价值与战略意义,为电信运营商的运营支撑与客户关系管理提供重要的参考。
二、基于数据仓库的CRM在电信企业中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于数据仓库的CRM在电信企业中的应用（论文提纲范文）
（1）湖南省娄底移动分公司的客户关系管理研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 硏究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究综述 |
| 1.2.1 国外研究综述 |
| 1.2.2 国内研究综述 |
| 1.3 研究方法与主要内容 |
| 1.3.1 研究方法 |
| 1.3.2 主要内容 |
| 第2章 客户关系管理概述以及相关理论基础 |
| 2.1 客户关系管理概述 |
| 2.1.1 客户关系管理的内涵 |
| 2.1.2 客户关系管理的产生和发展 |
| 2.1.3 客户关系管理的内容和意义 |
| 2.2 客户关系管理的相关理论基础 |
| 2.2.1 客户价值理论 |
| 2.2.2 客户细分理论 |
| 2.2.3 关系营销理论 |
| 2.2.4 数据库营销理论 |
| 第3章 娄底移动客户关系管理现状分析 |
| 3.1 娄底移动公司基本概况 |
| 3.1.1 娄底移动公司简介 |
| 3.1.2 娄底移动公司发展历程 |
| 3.1.3 娄底移动公司主营业务 |
| 3.2 娄底移动公司的客户管理现状 |
| 3.2.1 客户管理组织架构 |
| 3.2.2 客户业务发展状况 |
| 3.2.3 客户变化情况 |
| 3.2.4 客户服务状况 |
| 3.3 娄底移动公司客户管理的市场环境 |
| 3.3.1 市场竞争日趋激烈 |
| 3.3.2 行业优势逐渐弱化 |
| 3.3.3 客户消费理念不断变化 |
| 第4章 娄底移动公司客户关系管理中存在的主要问题分析 |
| 4.1 客户细分与定位不明确 |
| 4.1.1 客户价值定位不明 |
| 4.1.2 客户细分不准确 |
| 4.2 客户管理相关数据的处理和分析不足 |
| 4.2.1 客户数据统计结果的应用性不强 |
| 4.2.2 对客户的数据处理分析能力较弱 |
| 4.3 客户管理方式待提升 |
| 4.3.1 客户部内部管理工作不规范 |
| 4.3.2 客户服务水平较低 |
| 第5章 娄底移动客户关系管理的优化方案 |
| 5.1 确立客户关系管理的原则和目标 |
| 5.1.1 客户关系管理的原则 |
| 5.1.2 客户关系管理的目标 |
| 5.2 明确客户的价值与分类管理 |
| 5.2.1 重新界定客户价值 |
| 5.2.2 实施客户分类管理 |
| 5.3 强化系统与大数据的应用效果 |
| 5.3.1 升级客户关系管理系统 |
| 5.3.2 运用大数据技术高效处理客户数据 |
| 5.4 提高客户的服务水平与层次 |
| 5.4.1 加强客户服务质量管理 |
| 5.4.2 提升客户针对性服务水平 |
| 第6章 娄底移动客户关系管理优化的保障措施 |
| 6.1 组织结构保障 |
| 6.1.1 构建垂直化的管理体系 |
| 6.1.2 实行数据化运营模式 |
| 6.2 部门建设保障 |
| 6.2.1 集团客户部 |
| 6.2.2 客户服务部 |
| 6.2.3 市场销售部 |
| 6.2.4 网络渠道部 |
| 6.3 财务规划保障 |
| 6.4 品牌文化保障 |
| 参考文献 |
| 致谢 |
（2）基于数据仓库的客户关系管理系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 数据仓库技术的研究现状 |
| 1.2.1 数据仓库技术的发展阶段 |
| 1.2.2 数据仓库技术的研究概况 |
| 1.2.3 数据仓库技术在CRM中的应用概况 |
| 1.3 课题研究的意义 |
| 1.4 主要研究内容 |
| 1.4.1 研究的设想及实现 |
| 1.4.2 论文的组织结构 |
| 第二章 数据仓库理论概述 |
| 2.1 数据仓库说明 |
| 2.2 数据仓库体系结构 |
| 2.3 核心模型 |
| 2.4 仓库系统的组织的结构 |
| 2.4.1 组织结构 |
| 2.4.2 组织系统 |
| 2.5 系统数据的索引 |
| 2.5.1 平衡树索引 |
| 2.5.2 Hash索引 |
| 2.5.3 位图索引 |
| 2.5.4 索引规则 |
| 2.6 仓库系统的设计 |
| 2.6.1 仓库系统设计方法 |
| 2.6.2 仓库系统的设计步骤 |
| 2.6.3 仓库系统的数据模型 |
| 第三草 客户关系管理CRM系统的概述 |
| 3.1 CRM概述 |
| 3.1.1 CRM的概念 |
| 3.1.2 应用系统和方法 |
| 3.2 CRM软件系统的业务与功能模型 |
| 3.2.1 CRM软件系统的业务模型 |
| 3.2.2 CRM软件系统的一般功能模型 |
| 3.2.3 集成平台环境下CRM软件系统功能模型 |
| 3.3 CRM软件系统的主要组成 |
| 3.4 CRM中的数据仓库逻辑结构 |
| 第四章 CRM中的数据仓库技术的研究 |
| 4.1 某电信运营商CRM系统需求说明 |
| 4.2 某电信运营商CRM体系结构 |
| 4.2.1 某电信运营商CRM系统组织结构 |
| 4.2.2 某电信运营商CRM体系结构 |
| 4.3 某电信运营商CRM系统业务模型 |
| 4.3.1 某电信运营商CRM系统业务流程 |
| 4.3.2 某电信运营商CRM系统总体业务模型 |
| 4.3.3 某电信运营商CRM系统营销业务模型 |
| 4.3.4 基础运营商客户关系管理系统服务模型 |
| 4.4 某电信运营商CRM系统功能模型 |
| 4.4.1 某电信运营商CRM系统总功能模型 |
| 4.4.2 某电信运营商CRM系统客户分析模型 |
| 4.5 某电信运营商CRM数据仓库初步研究 |
| 4.5.1 概念模型的研究 |
| 4.5.2 分析主题域 |
| 4.5.3 逻辑模型的研究 |
| 4.5.4 物理模型的研究 |
| 4.5.5 数据迁移 |
| 4.5.6 数据切分和层次分割 |
| 4.5.7 数据组织方式 |
| 第五章 CRM系统关键技术实现和系统测试 |
| 5.1 本系统的日志记录 |
| 5.2 短信接口 |
| 5.3 文件导入接口 |
| 5.4 客户信息变更 |
| 5.5 测试的方案 |
| 5.6 测试的结果 |
| 5.7 测试的结论 |
| 第六章 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
（3）基于数据挖掘的银行客户流失研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 论文的研究背景与研究意义 |
| 1.1.1 论文的研究背景 |
| 1.1.2 课题的研究意义 |
| 1.2 研究现状及存在问题 |
| 1.2.1 银行业对数据挖掘和客户流失管理的研究现状 |
| 1.2.2 存在的问题 |
| 1.3 论文的研究内容 |
| 2 数据挖掘与客户关系管理综述 |
| 2.1 数据挖掘综述 |
| 2.1.1 数据挖掘的定义 |
| 2.1.2 数据挖掘的过程 |
| 2.1.3 数据挖掘的功能 |
| 2.1.4 数据挖掘的常用算法 |
| 2.2 客户关系管理综述 |
| 2.2.1 客户关系管理的定义 |
| 2.2.2 客户关系管理理论体系 |
| 2.2.3 建设客户关系管理系统步骤 |
| 2.3 某银行客户关系管理系统简介 |
| 2.3.1 个人客户关系管理系统 |
| 2.3.2 企业客户关系管理系统 |
| 3 基于数据挖掘的某银行中高端客户流失预警模型 |
| 3.1 银行数据仓库概述 |
| 3.1.1 银行数据仓库体系结构 |
| 3.1.2 银行数据仓库逻辑数据模型 |
| 3.2 客户流失概念 |
| 3.2.1 客户流失定义 |
| 3.2.2 客户流失分类 |
| 3.2.3 客户流失管理的过程 |
| 3.2.4 客户流失管理的目的 |
| 3.3 银行中高端客户流失模型研究 |
| 3.3.1 定义目标 |
| 3.3.2 数据准备 |
| 3.3.3 数据处理 |
| 3.3.4 建模工具介绍及模型选择 |
| 3.3.5 建模过程 |
| 3.3.6 决策树分析 |
| 3.3.7 logistic回归分析 |
| 3.3.8 模型评价 |
| 3.4 中高端客户流失模型应用 |
| 4 客户流失挽回案例分析 |
| 4.1 精准营销系统介绍 |
| 4.2 维系客户的基本策略 |
| 4.3 客户流失挽回的实施过程 |
| 4.4 客户流失挽回的结果 |
| 4.5 流失挽回的启示 |
| 5 总结与展望 |
| 参考文献 |
| 附录 |
| 致谢 |
（4）数据挖掘技术在企业CRM系统中的研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 CRM现状 |
| 1.2.2 数据挖掘技术现状 |
| 1.3 研究内容 |
| 1.4 论文框架 |
| 1.5 本章小结 |
| 第2章 客户关系管理 |
| 2.1 CRM的含义 |
| 2.2 CRM体系结构 |
| 2.2.1 CRM的分类 |
| 2.2.2 CRM的组成 |
| 2.3 企业建立CRM的优势 |
| 2.4 本章小结 |
| 第3章 数据挖掘与CRM的关系 |
| 3.1 数据仓库 |
| 3.1.1 传统数据库的困境 |
| 3.1.2 数据仓库的概念 |
| 3.1.3 数据仓库的体系结构 |
| 3.1.4 联机分析处理(OLAP) |
| 3.2 数据挖掘 |
| 3.2.1 数据挖掘的定义 |
| 3.2.2 数据挖掘的基本功能 |
| 3.2.3 数据挖掘的步骤 |
| 3.3 数据挖掘与CRM的关系 |
| 3.3.1 客户生存周期 |
| 3.3.2 围绕客户生存周期组织业务流程 |
| 3.3.3 CRM的核心——数据挖掘 |
| 3.4 本章小结 |
| 第4章 CRM中数据挖掘的应用 |
| 4.1 客户分类决策树 |
| 4.2 客户忠诚度预警 |
| 4.2.1 客户终身价值计算 |
| 4.2.2 客户忠诚度预警 |
| 4.2.3 客户忠诚度提升 |
| 4.3 基于TFIDF算法的关键词提取 |
| 4.3.1 传统TFIDF算法 |
| 4.3.2 TFIDF的不足 |
| 4.3.3 同义替换与相邻合并的关键词提取 |
| 4.4 本章小结 |
| 第5章 客户关系图提取 |
| 5.1 客户关系图 |
| 5.2 关联规则分析 |
| 5.2.1 购物篮分析 |
| 5.2.2 关联分析 |
| 5.3 基于改进的FP-Growth算法提取客户关系图 |
| 5.3.1 改进的FP-Growth算法 |
| 5.3.2 提取客户关系图 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
（5）移动数据集市及基于CRM系统的数据挖掘分析与设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.1.1 课题的研究背景 |
| 1.1.2 课题的研究意义 |
| 1.2 国内外研究现状分析 |
| 1.3 在数据集市中建立客户细分模型及实施CRM的可行性 |
| 1.4 论文主要工作和内容安排 |
| 第二章 电信客户细分理论基础 |
| 2.1 中国电信市场的竞争状况 |
| 2.2 客户细分理论探讨 |
| 2.2.1 客户细分理论的产生 |
| 2.2.2 客户细分的概念 |
| 2.2.3 客户细分的作用 |
| 2.3 电信客户细分的必要性 |
| 2.4 电信客户细分方法的选择 |
| 2.5 电信客户细分现状及应对措施 |
| 2.6 本章小结 |
| 第三章 数据挖掘、数据仓库理论基础及应用分析 |
| 3.1 数据挖掘的产生 |
| 3.2 数据挖掘的定义 |
| 3.2.1 从技术角度定义数据挖掘 |
| 3.2.2 从商业角度定义数据挖掘 |
| 3.2.3 数据挖掘与传统数据分析方法的区别与联系 |
| 3.2.4 数据挖掘的体系结构分析 |
| 3.3 数据挖掘的功能 |
| 3.4 数据挖掘的相关技术和工具介绍 |
| 3.4.1 数据挖掘常用技术介绍 |
| 3.4.2 数据挖掘工具介绍 |
| 3.5 数据挖掘的过程 |
| 3.6 数据挖掘过程的技术实现 |
| 3.7 数据挖掘的常用算法 |
| 3.8 数据仓库相关理论 |
| 3.8.1 数据仓库的概念 |
| 3.8.2 数据仓库与数据挖掘的关系 |
| 3.8.3 数据仓库与数据库系统的区别 |
| 3.9 数据挖掘及数据仓库在电信行业中的应用 |
| 3.10 数据挖掘在绵阳移动客户流失预测中的实现 |
| 3.10.1 限制条件 |
| 3.10.2 实现的流程 |
| 3.10.3 决策树的算法 |
| 3.10.4 建模结果 |
| 3.10.5 可能流失的客户分析 |
| 3.10.6 优质客户和可能流失客户预测结果分析 |
| 3.11 本章小结 |
| 第四章 基于数据仓库的客户细分模型研究 |
| 4.1 数据仓库技术在电信行业的应用背景 |
| 4.2 电信业数据仓库系统体系结构 |
| 4.3 基于CRISP-DM方法的数据模型分析 |
| 4.4 商业理解 |
| 4.5 数据理解 |
| 4.5.1 对数据源的理解 |
| 4.5.2 中间数据理解 |
| 4.6 数据转换 |
| 4.7 数据标准化 |
| 4.8 建立模型 |
| 4.8.1 算法原理 |
| 4.8.2 算法的实现 |
| 4.9 建模结果及解释分析 |
| 4.10 本章小结 |
| 第五章 客户关系管理（CRM）系统 |
| 5.1 客户关系管理概述 |
| 5.1.1 客户关系管理的产生 |
| 5.1.2 客户关系管理的定义与发展 |
| 5.2 客户关系管理的内涵 |
| 5.3 客户关系管理的基本构成和主要功能 |
| 5.3.1 客户关系管理的基本构成 |
| 5.3.2 客户关系管理的主要功能 |
| 5.4 客户关系管理的实现 |
| 5.5 电信行业客户关系管理 |
| 5.5.1 电信行业CRM系统的总体框架 |
| 5.5.2 CRM的实施模型 |
| 5.6 本章小结 |
| 第六章 绵阳移动客户关系管理系统的设计与分析 |
| 6.1 绵阳移动实施CRM系统的可行性分析 |
| 6.1.1 实施CRM系统存在的问题分析 |
| 6.1.2 绵阳移动现有各系统功能描述 |
| 6.1.3 管理需求 |
| 6.2 绵阳移动实现CRM的主要目的和利益 |
| 6.3 绵阳移动CRM系统的设计 |
| 6.3.1 绵阳移动CRM功能结构图 |
| 6.3.2 约定技术术语 |
| 6.3.3 重要岗位的A/B角设置 |
| 6.3.4 固化数据需求 |
| 6.4 绵阳移动CRM系统的实现 |
| 6.4.1 登陆界面 |
| 6.4.2 系统主界面 |
| 6.4.3 模块实现分析 |
| 6.5 绵阳移动应用实例分析 |
| 6.5.1 实例分析：绵阳移动相关地区的话务量统计分析 |
| 6.5.2 实例分析：GSM业务相关产品推广分析 |
| 6.5.3 实例分析：对于客户保持沉默状态的分析 |
| 6.6 本章小结 |
| 第七章 全文总结与展望 |
| 7.1 全文总结 |
| 7.2 后续工作展望 |
| 致谢 |
| 参考文献 |
（6）数据挖掘在电信行业CRM中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状 |
| 1.2.1 数据挖掘研究现状 |
| 1.2.2 客户关系管理（CRM）研究现状 |
| 1.2.3 DM 在电信行业 CRM 中的研究现状 |
| 1.2.4 目前研究存在的不足 |
| 1.3 本文主要研究内容 |
| 第2章 数据挖掘理论与方法基础 |
| 2.1 数据挖掘的定义 |
| 2.2 数据挖掘的产生与发展 |
| 2.3 数据挖掘的功能 |
| 2.4 数据挖掘的对象 |
| 2.5 典型的数据挖掘系统结构 |
| 2.6 数据挖掘流程 |
| 2.7 挖掘算法的选择 |
| 2.8 挖掘工具的选择 |
| 第3章 电信行业客户关系管理 |
| 3.1 CRM 的概念 |
| 3.2 CRM 的产生和发展 |
| 3.3 CRM 系统的基本类型与功能 |
| 3.4 电信行业的 CRM |
| 3.4.1 CRM 的产生 |
| 3.4.2 CRM 在电信行业中的作用 |
| 3.5 数据挖掘在电信行业 CRM 中的主要应用 |
| 3.6 实施过程中应该注意的问题 |
| 第4章 数据挖掘在客户细分中的应用 |
| 4.1 客户细分的概念、意义和方法 |
| 4.1.1 客户细分的概念 |
| 4.1.2 客户细分的意义 |
| 4.1.3 电信企业常用的客户细分的方法 |
| 4.2 客户细分模型的建立 |
| 4.2.1 客户细分的商业理解 |
| 4.2.2 客户细分的数据理解 |
| 4.2.3 客户细分的数据准备 |
| 4.2.4 建立并评估模型 |
| 4.2.5 结果的解释 |
| 第5章 客户满意度研究 |
| 5.1 客户满意度分析 |
| 5.1.1 客户满意度的概念 |
| 5.1.2 客户满意度的影响因素模型 |
| 5.1.3 客户满意度和忠诚度之间的关系 |
| 5.1.4 客户满意度研究流程 |
| 5.2 研究并建立模型 |
| 5.2.1 四分图模型 |
| 5.2.2 层次分析模型 |
| 5.2.3 客户满意度建模 |
| 5.2.4 结果的解释与启示 |
| 第6章 总结 |
| 参考文献 |
| 附录 |
| 致谢 |
| 在读期间公开发表论文（着）及科研情况 |
（7）数据挖掘在电信客户关系管理的研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 电信客户关系管理研究背景及意义 |
| 1.2 电信客户关系管理的现状 |
| 1.3 本文研究内容 |
| 第2章 数据挖掘基础理论 |
| 2.1 数据挖掘理论在客户关系管理中的研究 |
| 2.2 数据预处理技术 |
| 2.2.1 数据清洗 |
| 2.2.2 数据集成和变换 |
| 2.3 数据挖掘技术的方法 |
| 2.3.1 关联规则 |
| 2.3.2 决策树算法 |
| 2.4 数据挖掘相关理论研究 |
| 2.4.1 数据挖掘原语和系统结构 |
| 2.4.2 数据挖掘的数据和类型 |
| 2.4.3 挖掘查询语言 DMQL |
| 2.4.4 概念描述 |
| 2.5 数据挖掘在电信客户关系管理中应用 |
| 2.6 小结 |
| 第3章 客户关系管理体系框架 |
| 3.1 客户关系管理定义 |
| 3.1.1 客户关系管理概念 |
| 3.1.2 客户的分类 |
| 3.2 客户关系的选择 |
| 3.2.1 客户关系选择类型 |
| 3.2.2 企业应用客户关系管理原因 |
| 3.3 客户关系管理软件功能分析 |
| 3.3.1 客户关系管理系统结构 |
| 3.3.2 CRM 系统架构功能 |
| 3.3.3 CRM 基本模块功能 |
| 3.4 客户关系管理软件系统功能分析 |
| 3.5 小结 |
| 第4章 中国电信客户关系管理系统的设计 |
| 4.1 电信 CRM 系统需求 |
| 4.1.1 电信客户关系管理系统开发背景 |
| 4.1.2 电信选择客户关系管理系统因素 |
| 4.2 电信客户关系管理流程分析 |
| 4.2.1 电信客户关系管理流程 |
| 4.2.2 电信客户关系管理销售业务流程 |
| 4.3 电信客户关系管理系统分析 |
| 4.3.1 电信客户关系管理架构 |
| 4.3.2 电信客户关系管理数据流程 |
| 4.4 电信客户关系管理系统功能图 |
| 4.4.1 电信客户关系管理系统结构 |
| 4.4.2 客户关系管理系统的经营设计 |
| 4.4.3 电信客户关系管理系统服务信息设计 |
| 4.5 小结 |
| 第5章 数据挖掘决策树算法在电信客户关系管理的应用 |
| 5.1 决策树分类和预测研究 |
| 5.1.1 决策树判定归纳 |
| 5.1.2 决策树树剪枝 |
| 5.2 决策树分类算法在电信客户关系管理应用案例 |
| 5.2.1 决策树算法在电信客户购买 3G 网络服务实验 |
| 5.2.2 SPSS 软件在电信客户数据实验 |
| 5.3 实验结果分析 |
| 5.3.1 实验的意义 |
| 5.3.2 影响实验因素研究 |
| 5.4 小结 |
| 第6章 论文总结 |
| 6.1 论文结论 |
| 6.2 论文展望 |
| 参考文献 |
| 致谢 |
（8）基于CRM的彩信媒体系统设计和实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景 |
| 1.2 课题任务 |
| 1.3 相关文献综述 |
| 1.4 本文的主要内容 |
| 1.5 本文的篇章结构 |
| 第二章 CRM相关理论及技术背景 |
| 2.1 客户关系管理的基本概念 |
| 2.2 CRM在国内外企业中的应用现状 |
| 2.3 CRM技术趋势 |
| 2.4 数据仓库和数据挖掘技术在CRM系统中的应用 |
| 2.5 CRM相关技术归纳 |
| 第三章 彩信媒体CRM系统需求分析 |
| 3.1 彩信媒体CRM系统需求概述 |
| 3.2 彩信媒体CRM系统用例分析 |
| 3.2.1 系统全局用例分析 |
| 3.2.2 读者反馈用例分析 |
| 3.2.3 读者反馈二级用例分析 |
| 3.2.4 产品经理用例分析 |
| 3.2.5 产品经理二级用例分析 |
| 3.3 彩信媒体CRM系统时序分析 |
| 3.4 彩信媒体CRM系统需求总结 |
| 第四章 彩信媒体CRM系统的设计和实现 |
| 4.1 彩信媒体CRM系统设计 |
| 4.1.1 系统模块设计 |
| 4.1.2 对彩信媒体原有数据系统的整合 |
| 4.1.3 系统层级结构设计 |
| 4.1.4 系统开发技术框架 |
| 4.2 彩信媒体CRM系统业务管理OLAP模块 |
| 4.2.1 报表功能模块 |
| 4.2.2 彩信媒体系统报表OLAP模块设计举例 |
| 第五章 彩信媒体用户的行为提取和系统推送 |
| 5.1 以用户为中心调整内容编辑流程 |
| 5.2 根据内容反馈进行聚类分析 |
| 5.2.1 聚类分析的数据准备 |
| 5.2.2 聚类分析应用 |
| 5.2.3 根据聚类分析进行细分用户内容推送 |
| 5.3 根据广告反馈进行关联规则分析 |
| 5.3.1 关联规则分析的数据准备 |
| 5.3.2 用户消费历史记录的关联规则分析的实现 |
| 5.4 数据挖掘应用效果 |
| 5.5 数据挖掘应用总结 |
| 第六章 结论和展望 |
| 6.1 彩信媒体应用CRM系统的成果 |
| 6.2 彩信媒体应用CRM系统的不足与展望 |
| 6.2.1 彩信媒体CRM应用的不足 |
| 6.2.2 彩信媒体CRM应用的展望 |
| 参考文献 |
| 致谢 |
（9）聚类挖掘在电信客户分类中的研究与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 概述 |
| 1.1 课题的背景与意义 |
| 1.2 课题研究目标与意义 |
| 1.3 国内外研究现状 |
| 1.4 论文的研究内容以及论文结构 |
| 2 相关关键技术 |
| 2.1 电信 CRM |
| 2.2 CRM 的分类 |
| 2.2.1 电信客户分类在 CRM 中的作用 |
| 2.3 数据挖掘 |
| 2.3.1 数据挖掘的定义 |
| 2.3.2 数据挖掘的任务 |
| 2.4 聚类分析 |
| 2.4.1 聚类分析的概念 |
| 2.4.2 聚类分析算法 |
| 2.4.3 聚类分析中的数据类型 |
| 3 电信客户分类的分析与设计 |
| 3.1 客户分类 |
| 3.1.1 客户分类的概念 |
| 3.1.2 客户分类的目的 |
| 3.1.3 客户分类的方式 |
| 3.1.4 客户分类的重要性 |
| 3.2 电信客户分类问题及其解决方案 |
| 3.2.1 目前电信业客户分类存在的问题 |
| 3.2.2 电信客户分类解决方案 |
| 3.3 客户分类流程设计 |
| 3.3.1 数据挖掘的对象 |
| 3.3.2 数据挖掘的过程 |
| 3.3.3 基于数据挖掘的客户分类流程 |
| 4 电信客户分类建模及算法研究 |
| 4.1 分类模型的建立 |
| 4.1.1 数据的抽取 |
| 4.1.2 分类变量及分群设计 |
| 4.1.3 分类变量选择 |
| 4.1.4 数据的清洗 |
| 4.2 算法研究 |
| 4.2.1 K-means 算法 |
| 4.2.2 算法的优化 |
| 5 电信客户分类实现与应用 |
| 5.1 客户分类模型的应用 |
| 5.1.1 SPSS Clementine 7.0 软件简介 |
| 5.1.2 客户分类模型应用 |
| 5.1.3 模型评估 |
| 5.2 结果分析及策略制定 |
| 5.2.1 客户分类数据的生成与梳理 |
| 5.2.2 短信高使用率群的分析 |
| 5.2.3 制定推广计划 |
| 5.2.4 资费设计 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
| 附件 |
（10）数据集市在电信运营商数据业务客户关系管理中的应用研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景 |
| 1.2 课题来源及本人所做的工作 |
| 1.3 论文的主要内容 |
| 1.4 论文的理论与实践意义 |
| 第二章 相关的理论综述与数据业务发展分析 |
| 2.1 数据仓库、数据集市概念与技术 |
| 2.1.1 数据仓库概念与技术 |
| 2.1.2 数据集市概念与技术 |
| 2.1.3 数据集市与数据仓库的关系 |
| 2.2 电信运营商数据业务发展分析 |
| 2.2.1 数据业务的定义及分类 |
| 2.2.2 数据业务特性分析 |
| 2.2.3 数据业务发展环境PEST分析 |
| 2.2.4 数据业务发展策略分析 |
| 2.2.5 数据业务数据集市模型介绍 |
| 2.3 客户关系管理理论概述 |
| 2.3.1 CRM的产生与发展 |
| 2.3.2 CRM的功能与意义 |
| 2.3.3 客户全生命周期管理 |
| 第三章 识别期的数据业务客户关系管理 |
| 3.1 信息收集与处理 |
| 3.1.1 客户信息的重要性 |
| 3.1.2 客户信息的用途 |
| 3.1.3 数据业务客户信息的收集与处理过程 |
| 3.2 客户分群与数据业务目标客户定位 |
| 3.2.1 体验营销客户分群 |
| 3.2.2 数据业务目标客户定位方法 |
| 第四章 发展期的数据业务客户关系管理 |
| 4.1 数据业务促销活动支撑 |
| 4.1.1 促销活动目标客户获取 |
| 4.1.2 客户对促销活动的偏好分析 |
| 4.1.3 促销活动效果分析 |
| 4.2 客户价值管理 |
| 4.2.1 客户价值模型 |
| 4.2.2 客户价值提升策略 |
| 第五章 稳定期的数据业务客户关系管理 |
| 5.1 客户行为分析 |
| 5.1.1 数据业务消费金额分析 |
| 5.1.2 数据业务使用次数分析 |
| 5.1.3 数据业务使用流量分析 |
| 5.1.4 数据业务使用时长分析 |
| 5.1.5 数据业务行为辅助分析维度 |
| 5.2 客户忠诚分析 |
| 5.2.1 客户忠诚的特征与度景方面 |
| 5.2.2 数据业务客户忠诚度模型 |
| 第六章 衰退期的数据业务客户关系管理 |
| 6.1 流失原因分析 |
| 6.1.1 移动互联网正在成为数据业务客户流失的新去向 |
| 6.1.2 客户流失原因分类 |
| 6.2 客户关系恢复 |
| 6.2.1 客户流失预警 |
| 6.2.2 客户挽留 |
| 第七章 案例、总结与展望 |
| 7.1 案例介绍---精确营销平台支撑数据业务客户关系管理 |
| 7.1.1 安全背景 |
| 7.1.2 项目的整体架构与功能 |
| 7.1.3 项目的应用成效 |
| 7.1.4 项目应用中的问题及解决思路 |
| 7.2 论文总结 |
| 7.3 前景展望 |
| 7.3.1 数据管理技术与经营管理人才相结合 |
| 7.3.2 数据管理技术与数据业务发展相结合 |
| 7.3.3 数据管理技术与保护客户权益相结合 |
| 7.3.4 数据管理技术与数据业务商业模式结合 |
| 参考文献 |
| 致谢 |
四、基于数据仓库的CRM在电信企业中的应用（论文参考文献）
- [1]湖南省娄底移动分公司的客户关系管理研究[D]. 李双杰. 湘潭大学, 2019(02)
- [2]基于数据仓库的客户关系管理系统研究[D]. 徐璐. 南昌大学, 2015(08)
- [3]基于数据挖掘的银行客户流失研究与应用[D]. 程曦. 浙江工业大学, 2015(01)
- [4]数据挖掘技术在企业CRM系统中的研究与应用[D]. 刘淳猛. 浙江理工大学, 2015(10)
- [5]移动数据集市及基于CRM系统的数据挖掘分析与设计[D]. 余洋. 电子科技大学, 2014(03)
- [6]数据挖掘在电信行业CRM中的应用研究[D]. 陈开. 江西师范大学, 2013(03)
- [7]数据挖掘在电信客户关系管理的研究与应用[D]. 滕照义. 吉林大学, 2013(09)
- [8]基于CRM的彩信媒体系统设计和实现[D]. 周详. 复旦大学, 2013(03)
- [9]聚类挖掘在电信客户分类中的研究与应用[D]. 江哲雅. 上海交通大学, 2013(07)
- [10]数据集市在电信运营商数据业务客户关系管理中的应用研究[D]. 耿志宽. 北京邮电大学, 2011(08)
标签：电信论文; 数据仓库论文; 数据挖掘论文; crm论文; 客户关系管理系统论文;