一、数据挖掘技术在CRM中的运用（论文文献综述）
琚会婧[1]（2019）在《数据挖掘技术在客户关系管理（CRM）中的应用研究》文中研究指明数据挖掘技术在客户关系管理（CRM）中的应用研究,主要研究数据挖掘技术在客户关系管理中的应用。从数据挖掘和客户关系管理两个方面,分析了数据挖掘的重要性和在实际的客户关系管理中的应用。首先对数据挖掘技术和客户关系管理进行了介绍,然后从数据挖掘和客户关系管理两个方面,分析了数据挖掘的重要性和在实际的客户关系管理中的应用。重点分析了数据挖掘技术在客户关系管理系统中的应用。包括客户关系管理系统的架构模式、模块设计和功能分析,和数据挖掘技术的应用流程、分析方法、算法、模式以及数据挖掘技术在客户关系管理系统中的具体应用。并以商场客户关系管理系统（CRM）为例,分析了数据挖掘技术在客户关系管理中的应用,研究了客户分类、交叉销售、客户获得和客户保持四个方面的数据挖掘模式。在数据挖掘模块中实现了客户分类、交叉销售、客户获得和客户保持。客户分类时采用了SPRINT分类算法,提高了客户分类的准确性,从而可以让商场的相关决策更有可信性。同时在交叉销售中应用了不需要候选集的关联规则算法FP-growth,让系统有更强的实用性。客户保持中采用最佳客户保持策略的算法,从而帮助商场进行决策,从而更好的保持客户,让商场获得最大利润。通过数据挖掘技术在商场客户关系管理系统中的应用,商场可以对客户跟踪分析,更深层次的了解客户。这样商场就可以制定相应的决策,从而可以为客户提供一对一的个性化的服务。有了优质的服务,就能够更多的吸引新客户,并且维持老客户。把数据挖掘技术和客户关系管理系统更好的结合在一起,弥补了传统的客户关系管理系统的不足。从而更好的为商场降低成本并且提高利润,让商场的运营发展越来越好。图6幅;表3个;参40篇。
冯涤[2]（2018）在《数据挖掘技术在某企业CRM中的应用研究》文中提出本文结合某通信公司面对当前客户管理工作压力大、服务质量不高、数据统计不及时等突出问题,对客户关系管理信息化问题进行研究。在现代市场竞争中,客户关系管理是企业能够持续发展的关键因素。客户是企业生存和发展的命脉,现代企业的经营理念也从买方逐渐向卖方转移,这就需要企业通过信息技术手段深入了解客户信息,挖掘潜在信息,尽早识别和预测客户的购买动向,抓住市场机遇。本文从某通信企业客户关系管理业务出发,通过软件技术手段实现对客户的综合管理。在对传统CRM系统进行分析的基础上,运用数据挖掘技术对客户忠诚度等进行预测,以提升CRM系统的应用能力。本文运用贝叶斯网络技术,实现对客户交易信息的采集、清洗、加工和分析,建立数据挖掘模型,满足CRM系统对客户忠诚度的预测实际需求,使得系统具有客户流失预警、预测等功能。系统开发中,本文运用UML建模技术实现对系统的需求分析与概要设计,并运用.NET技术及SQL Server 2012数据库,实现了 CRM系统的客户信息管理、客户关怀管理、消费行为管理、忠诚度预测、系统设置等功能。本文通过对课题背景分析,提出了应用数据挖掘技术对传统CRM系统的应用过程进行改造,以便提升系统的数据分析能力,拓展CRM系统的应用前景。本文所开发的CRM系统提升了某通信公司在维护客户关系等方面的能力与水平,提高了企业的竞争力。
闫伟伟[3]（2018）在《基于数据挖掘的数字出版CRM应用研究》文中认为数据挖掘技术及其应用在CRM的研究,目前已经受到国内外学术界和业界的普遍关注。在信息技术飞速发展的今天,数据库技术和计算机网络技术得到广泛应用,使得各行业收集和存储的与客户有关的数据迅速膨胀,这种现象尤其在传统出版社的数字化转型过程中更显着。由此,一方面企业急需科学的方法系统采集客户相关信息,实施CRM战略,企业业务操作的利弊实际上潜藏在海量数据与信息中;另一方面,为了帮助企业更好地进行业务决策,必须利用数据挖掘技术进行快速、有效地分析和处理这些海量数据和信息,从中发现一些规律和规律,获得必要的知识。传统出版社对信息的管理及CRM的实施均存在不足,本文研究在传统CRM功能的基础上结合数据挖掘技术实现数字出版智能CRM,并以化学工业出版社——CIDP制造业数字资源平台CRM为案例,阐述数字出版智能CRM子模块的设计。在CRM中,数据挖掘应用主要有以下几个典型方面:客户分类分析、客户行为分析及市场决策,本文从知识决策应用角度出发,研究基于数据挖掘数字出版CRM的客户分类及客户行为分析功能及挖掘结果在数字出版业的应用,实现数字出版CRM对挖掘知识的决策应用。基于对大数据挖掘技术、CRM功能及知识挖掘决策在数字出版企业的应用等研究,综合归纳起来,本课题的研究具有理论和实践两方面价值:1)理论价值本课题的研究有助于丰富出版业CRM研究的理论内容。数字出版业对于信息业来讲,还是很年轻的行业,对于学界来说也是一个比较新的课题,本课题将理论与实践相联系,结合化学工业出版社CIDP制造业数字出版平台及其他数字出版企业的客户关系管理战略的实施,从大数据用户挖掘的角度,实现对传统CRM系统的功能优化,及基于数据挖局技术实现CRM在数字出版平台的应用,有助于丰富出版业CRM研究的理论内容。为数字出版业如何利用大数据挖掘技术提供了一个新的视角。大数据技术已经对出版业带来了很大影响,这可以体现在大数据挖掘技术在具体流程中的应用。大数据挖掘技术从对用户挖掘的角度讲,具有客户分类和用户行为分析两大功能,基于大数据用户挖掘,研究数字出版,能够实现对数字出版客户的有效科学管理,同时为数字出版业如何利用大数据挖掘技术提供了一个新的视角。2)实践价值（1）有助于把握客户需求,创作更多的优质的数字内容,丰富文化市场。（2）有助于满足客户个性化的文化需求,增多数字出版业的数字产物品种。（3）有助于促进数字化时代我国出版业的产业结构调整,精准预测市场需求。（4）借助大数据对传统CRM系统优化,有助于客户信息的采集和价值挖掘,对出版的生产、营销环节产生指导作用。研究CRM系统、数字技术、大数据技术等信息技术在出版业的应用,不仅是我国信息化建设的需要,也是进一步开发优质出版产品资源的需要,促使我国出版业向着现代化内容产业发展。
李华[4]（2018）在《基于数据挖掘的消防电子生产企业客户关系管理研究》文中进行了进一步梳理消防产业是国民经济的重要组成部分,消防电子生产企业的发展程度是国家公共安全的重要标志。随着国家经济快速发展,规模较大且年产值超过亿元的龙头消防电子生产企业纷纷出现,企业之间的竞争十分激烈。消防电子生产企业的产品差异度小,价格竞争激烈,为了摆脱单纯的价格战,除了加大核心技术的研发,通过CRM,从客户角度出发,为其提供差异化的产品与个性化的服务将是解决这一问题的关键。本文首先分析了消防电子生产企业概况,从对客户进行有效管理的角度出发,深入剖析了当下缺乏对客户有效管理的问题,提出企业应该实施CRM,通过构建CRM系统的方式提升企业对客户的管理能力。其次,以行业龙头企业的共性需求进行分析,从行业需求、业务需求、性能需求展开,明确了消防行业龙头企业对于数据挖掘的CRM系统需求。再次,根据企业CRM需求,设计建立了用户层、应用层、分析层、数据层的消防电子生产企业CRM系统整体逻辑架构,组织架构、业务流程、数据流程,实现以客户管理、市场管理、客服管理、接待管理、系统管理等为主要管理功能的消防电子生产企业CRM系统。更进一步,从消防电子生产企业对数据挖掘分析的需求角度,进行了数据仓库设计。最后,采用CRISP-DM挖掘模型,构建了基于K-means算法的客户价值分类模型与基于决策树算法的客户满意度模型,实现了对客户信息的有效挖掘,并根据分析结果,对企业成功实施CRM提出了建议。
马强[5]（2016）在《数据挖掘技术在CRM中的应用》文中研究表明随着电子商务经济模式在社会经济发展中应用程度的加深,客户关系管理逐渐受到企业的关注和重视,而在客户关系管理中,客户的分类是其中的一项必备职能。客户作为一个庞大的群体,要想在庞大的不确定客户信息中挖掘出有价值的信息,还需要数据挖掘技术的应用。基于此,文章先对数据挖掘技术和CRM的相关内容进行了介绍,在此技术上分析了数据挖掘技术在CRM中的具体应用情况。
张清桃[6]（2015）在《数据挖掘技术在CRM中的应用》文中研究说明客户关系管理（CRM）主要就是能够改善客户和企业关系的一种新型管理制度。在CRM中应用数据挖掘技术,能够有效改善和提高客户管理关系,以便于可以给企业带来更大的效益和利润,本文主要分析了数据挖掘技术在CRM中的应用。
李静[7]（2015）在《基于数据挖掘技术的电子商务CRM研究》文中研究指明网络时代,电子商务CRM中存储海量客户数据,可利用数据挖掘技术对这些数据进行有效挖掘,发现有价值的信息。通过了解客户关系管理CRM的功能,分析数据挖掘技术的模式及过程,得出在电子商务CRM中可利用数据挖掘技术的分类模式获取新客户,聚类模式留住老客户,关联、序列模式提升客户价值,数据挖掘技术将在CRM中发挥越来越重要的作用。
王旖旎[8]（2014）在《数据挖掘技术在CRM中的应用》文中指出CRM就是指对客户关系的管理,CRM已经成为了企业关注的重点,CRM也是数据挖掘技术十分重要的组成部分。本文主要是通过介绍数据挖掘技术的功能的分类,概述了CRM的含义与数据挖掘技术在CRM中运用,对数据挖掘在CRM中实施的过程进行探究。
赵阳[9]（2013）在《旅行社客户关系管理中的数据挖掘应用研究》文中认为在变化快速、竞争激烈的市场环境下，客户关系管理（CRM）逐渐受到企业的重视，“以客户为中心”的管理理念不断深入到组织实践中。基于数据挖掘技术的客户关系管理，依托先进的信息处理技术，分析客户数据信息，预测其需求变化趋势，能够为企业做好客户关系管理工作提供量化的依据。旅行社作为典型的服务类企业，为了能够在激烈的竞争中立足，必须以客户为导向，时刻关注客户——游客的需求动态，与游客保持良好的合作关系。实施基于数据挖掘的CRM是可供旅行社采用的整合资源优势、把握客户需求、树立企业品牌、提高自身竞争力的一项重要战略。论文的研究目的在于探讨旅行社这一特定企业类型在CRM和数据挖掘者两方面的应用和理论拓展。通过回顾CRM和数据挖掘的理论知识，论文分析了旅行社实施CRM和数据挖掘的现实需要，阐述了应用于CRM中的具体数据挖掘算法——基于遗传算法的K均值算法运算原理（GACE），测试该算法的聚类有效性。随后，论文介绍了案例公司（ZGGL）的概况，运用GACE算法对案例企业的游客数据进行聚类分析，结合聚类结果和旅行社实施CRM的优势与不足，向ZGGL提出客户关系管理方面建议。论文采用理论知识学习、算法研究和实证研究等方法，将改进的数据挖掘技术运用到旅行社的客户关系管理中，为旅行社在维护客户关系和制定客户管理策略方面提供有益参考。论文提出的数据分析方法和客户关系管理建议为研究对象（ZGGL公司）所重视，对该企业的实际客户工作有一定积极意义。
徐国庆[10]（2013）在《数据挖掘技术在教育行业CRM中的应用研究》文中研究表明随着经济的发展和以客户为中心的管理思想渗透，以人为本、以信息处理为手段的客户关系管理越来越受到企业管理者的重视。教育行业作为社会结构的重要组成部分，面临招生竞争激烈、客户需求呈现多样化趋势、教育行业内部信息利用率低、高效率和低成本的需求急切等现状，教育行业越来越需要CRM的帮助与支持。教育行业产品和服务的特殊性、教育行业收益“有形”和“无形”的双重性、教育机构和客户发展的共同性、客户需求的个性化日益凸显以及客户的多样性、客户角色的双重性、客户需求的差异性使得教育行业CRM呈现复杂性。论文的主要内容分为三个部分，数据挖掘技术在教育行业CRM中应用综述、决策树技术在选课系统中的应用研究、关联规则技术在人才吸引计划中的应用研究。数据挖掘技术在教育行业CRM中应用综述主要对客户关系管理的基本概念、数据挖掘知识、教育行业CRM系统进行了概述；决策树技术在选课系统中的应用研究主要包括决策树技术应用于选课系统的意义、选课系统设计战略、决策树技术实施过程、决策树技术实施具体案例；关联规则技术在人才吸引计划中的应用研究主要包括关联规则技术概述、关联规则技术实施过程，关联规则技术在人才吸引计划中的具体实施案例。
二、数据挖掘技术在CRM中的运用（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、数据挖掘技术在CRM中的运用（论文提纲范文）
（1）数据挖掘技术在客户关系管理（CRM）中的应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 引言 |
| 第1章 课题意义和国内外研究现状 |
| 1.1 课题的内容和意义 |
| 1.2 国内外的研究现状 |
| 1.2.1 客户关系管理的发展历史 |
| 1.2.2 数据挖掘的发展历史 |
| 1.2.3 国内外的应用现状 |
| 第2章 客户关系管理(CRM)分析 |
| 2.1 客户关系管理的概念 |
| 2.2 客户关系管理的必要性 |
| 2.3 客户关系管理的主要内容 |
| 2.4 客户关系管理系统的架构模式 |
| 2.5 客户关系管理的重要意义 |
| 第3章 数据挖掘技术(DM)分析 |
| 3.1 数据挖掘的概念 |
| 3.2 数据挖掘的主要内容 |
| 3.3 数据挖掘的分析方法和实际应用 |
| 3.3.1 分类分析 |
| 3.3.2 回归分析 |
| 3.3.3 聚类分析 |
| 3.3.4 关联规则分析 |
| 3.3.5 特征分析 |
| 3.3.6 偏差分析 |
| 3.3.7 网络挖掘 |
| 3.4 数据挖掘的常用算法和实际应用 |
| 3.4.1 决策树算法分析(decision tree) |
| 3.4.2 聚类算法(K-Means) |
| 3.4.3 SVM分类算法(Support Vector Machine) |
| 3.4.4 Apriori算法(The Apriori algorithm) |
| 3.4.5 最大期望(EM)算法(Expectation Maximization) |
| 3.4.6 PR值算法(PageRank) |
| 3.4.7 集成学习算法(ensemble learning) |
| 3.4.8 KNN邻近算法(k-nearest neighbor classification) |
| 3.4.9 朴素贝叶斯分类器(Naive Bayes) |
| 3.4.10 分类与回归树算法(CART) |
| 3.5 数据挖掘成功应用的经典案例分析 |
| 3.5.1 沃尔玛“啤酒加尿布”营销 |
| 3.5.2 戴尔公司客户分类的成功 |
| 3.6 数据挖掘的重要意义 |
| 第4章 基于数据挖掘技术的商场CRM的设计 |
| 4.1 基于数据挖掘技术的商场CRM的必要性 |
| 4.2 基于数据挖掘技术的商场CRM的模块设计 |
| 4.2.1 业务操作子系统 |
| 4.2.2 客户合作子系统 |
| 4.2.3 数据分析子系统 |
| 4.3 基于数据挖掘技术的商场CRM的功能设计 |
| 4.3.1 获取新客户 |
| 4.3.2 客户细分 |
| 4.3.3 交叉销售 |
| 4.3.4 个性化营销服务 |
| 4.3.5 客户保持与客户流失分析 |
| 4.3.6 客户盈利能力分析与预测 |
| 4.3.7 客户满意度分析 |
| 4.4 基于数据挖掘技术的商场CRM的重要意义 |
| 第5章 基于数据挖掘技术的商场CRM的实现 |
| 5.1 基于数据挖掘技术的商场CRM的整体架构 |
| 5.2 商场CRM中数据挖掘的应用流程 |
| 5.2.1 确定分析和预测目标 |
| 5.2.2 数据预处理 |
| 5.2.3 数据转换 |
| 5.2.4 数据挖掘模型构造 |
| 5.2.5 数据挖掘的模式评估 |
| 5.2.6 数据挖掘结果(知识表示) |
| 5.3 商场CRM中数据挖掘的算法设计 |
| 5.3.1 针对客户分类的数据挖掘算法 |
| 5.3.2 针对交叉销售的数据挖掘算法 |
| 5.3.3 针对客户获取数据挖掘算法 |
| 5.3.4 针对客户保持的数据挖掘算法 |
| 5.4 基于数据挖掘技术的商场CRM与传统企业管理对比 |
| 5.4.1 能够智能化的得进行信息的处理。 |
| 5.4.2 一对一的个性化服务 |
| 5.4.3 数据集中共享 |
| 5.4.4 高度集成的交流渠道 |
| 5.4.5 系统可扩展性 |
| 结论 |
| 参考文献 |
| 致谢 |
| 导师介绍 |
| 作者介绍 |
| 学位论文数据集 |
（2）数据挖掘技术在某企业CRM中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 构建系统的目的和意义 |
| 1.4 本文主要研究内容 |
| 第2章 系统开发中的相关理论与技术 |
| 2.1 B/S架构概述 |
| 2.2 .NET平台概述 |
| 2.2.1 .NET技术平台 |
| 2.2.2 面向对象开发语言 |
| 2.3 主要开发技术 |
| 2.3.1 ASP.NET技术 |
| 2.3.2 ADO.NET技术 |
| 2.4 数据挖掘 |
| 2.4.1 数据仓库与数据挖掘 |
| 2.4.2 贝叶斯网络 |
| 第3章 系统分析 |
| 3.1 CRM的业务现状 |
| 3.2 系统可行性分析 |
| 3.2.1 技术可行性 |
| 3.2.2 经济可行性 |
| 3.2.3 操作可行性 |
| 3.3 系统业务目标 |
| 3.4 系统需求分析 |
| 3.4.1 客户信息管理 |
| 3.4.2 客户关怀管理 |
| 3.4.3 消费行为管理 |
| 3.4.4 系统设置 |
| 3.5 客户忠诚度的预测需求 |
| 3.6 系统非功能需求分析 |
| 第4章 系统设计 |
| 4.1 系统总体设计 |
| 4.1.1 系统技术架构设计 |
| 4.1.2 系统功能结构设计 |
| 4.2 系统功能详细设计 |
| 4.2.1 客户信息管理 |
| 4.2.2 客户关怀管理 |
| 4.2.3 消费行为管理 |
| 4.2.4 系统设置 |
| 4.3 数据挖掘模型建立 |
| 4.3.1 基于数据挖掘的客户忠诚度业务设计步骤 |
| 4.3.2 贝叶斯网络建模 |
| 第5章 系统实现 |
| 5.1 系统实现环境 |
| 5.2 数据仓库实现 |
| 5.3 基于数据挖掘的贝叶斯网络算法实现 |
| 5.3.1 算法实现步骤 |
| 5.3.2 算法实施 |
| 5.4 系统主要模块应用实现 |
| 5.4.1 登录模块 |
| 5.4.2 客户信息管理界面 |
| 5.4.3 客户关怀管理 |
| 5.4.4 交易管理 |
| 5.4.5 忠诚度预测 |
| 第6章 结论 |
| 6.1 研究工作总结 |
| 6.2 进一步的研究工作 |
| 参考文献 |
| 致谢 |
（3）基于数据挖掘的数字出版CRM应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 数字出版企业的客户信息管理及传统CRM的不足 |
| 1.1.1 数字出版企业客户信息管理现状 |
| 1.1.2 CRM系统的结构与功能 |
| 1.1.3 现有数字出版CRM存在的问题 |
| 1.2 相关研究的现状 |
| 1.2.1 数据挖掘的研究现状 |
| 1.2.2 CRM的研究现状 |
| 1.2.3 数据挖掘在CRM中的应用研究现状 |
| 1.3 论文主要内容 |
| 2 基于数据挖掘技术的数字出版CRM |
| 2.1 基于数据挖掘的CRM |
| 2.1.1 数据挖掘的概念、技术方法及流程 |
| 2.1.2 数据挖掘在CRM中的具体应用 |
| 2.2 基于数据挖掘数字出版智能CRM系统子模块设计 |
| 2.2.1 智能CRM系统 |
| 2.2.2 数字出版智能CRM系统子模块设计 |
| 3 基于数据挖掘数字出版CRM的客户分类 |
| 3.1 数据挖掘技术在数字出版客户群体划分中的功能分析 |
| 3.1.1 数字出版运营平台的客户 |
| 3.1.2 传统出版与数字出版环境下的客户分类特点 |
| 3.1.3 基于数据挖掘构建客户画像及实现用户群分组 |
| 3.1.4 数字出版基于数据挖掘的客户分类 |
| 3.2 数字出版CRM基于大数据群体分类结果的应用 |
| 3.2.1 数字出版环境下客户分类结果在客户保持的应用 |
| 3.2.2 基于客户生命周期的数字出版客户动态保持策略研究 |
| 3.2.3 数字出版环境下客户分类结果在客户升级的应用 |
| 4 基于数据挖掘数字出版CRM的用户行为分析 |
| 4.1 数据挖掘技术应用于数字出版CRM的用户行为分析 |
| 4.1.1 用户行为分析基本理论 |
| 4.1.2 基于大数据用户行为信息的采集及分析方法 |
| 4.1.3 基于数据挖掘数字出版CRM用户行为分析功能 |
| 4.2 基于用户行为分析结果实现长尾经营 |
| 4.2.1 数字出版CRM基于数据挖掘的长尾经营 |
| 4.2.2 小众关联成受众大市场的受众长尾 |
| 4.2.3 长尾个性化产品的深度挖掘 |
| 4.2.4 扁平多元化的长尾渠道 |
| 4.3 基于用户行为分析结果实现生产、营销领域的重构 |
| 4.3.1 实现选题策划精准稿源构造 |
| 4.3.2 实现协同生产 |
| 4.3.3 实现精准营销 |
| 4.3.4 实现交叉销售 |
| 5 基于数据挖掘数字出版CRM的实现 |
| 5.1 基于数据挖掘数字出版CRM客户分类的实现 |
| 5.2 基于数据挖掘数字出版CRM客户行为分析的实现 |
| 6 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
| 致谢 |
（4）基于数据挖掘的消防电子生产企业客户关系管理研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 文献评述 |
| 1.3 研究内容及方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 第2章 相关理论基础 |
| 2.1 CRM内涵及特征 |
| 2.1.1 CRM的内涵 |
| 2.1.2 CRM的特征 |
| 2.2 CRM系统构建目标与原则 |
| 2.2.1 CRM系统构建目标 |
| 2.2.2 CRM系统构建原则 |
| 2.3 数据挖掘的概念及方法 |
| 2.3.1 数据挖掘的概念 |
| 2.3.2 数据挖掘的方法 |
| 2.4 K-means算法 |
| 2.4.1 K-means算法流程 |
| 2.4.2 K-means算法的距离度量方式 |
| 2.5 决策树算法 |
| 2.5.1 决策树算法概述 |
| 2.5.2 决策树算法的优点 |
| 2.6 本章小结 |
| 第3章 消防电子生产企业客户管理问题及CRM系统构建 |
| 3.1 消防电子生产企业概况及客户管理存在的问题 |
| 3.1.1 消防电子生产企业概况 |
| 3.1.2 消防电子生产企业客户管理存在的问题 |
| 3.2 消防电子生产企业CRM系统需求分析 |
| 3.2.1 行业需求分析 |
| 3.2.2 业务需求分析 |
| 3.2.3 性能需求分析 |
| 3.3 消防电子生产企业CRM系统的逻辑架构 |
| 3.3.1 消防电子生产企业CRM系统用户层组织结构 |
| 3.3.2 消防电子生产企业CRM系统应用层业务流程 |
| 3.3.3 消防电子生产企业CRM系统分析层数据流程 |
| 3.4 消防电子生产企业CRM系统功能模块设计 |
| 3.4.1 客户管理模块 |
| 3.4.2 市场管理模块 |
| 3.4.3 客服管理模块 |
| 3.4.4 接待管理模块 |
| 3.4.5 系统管理模块 |
| 3.5 消防电子生产企业CRM系统中数据仓库设计 |
| 3.5.1 数据源选择 |
| 3.5.2 数据仓库模型设计 |
| 3.5.3 数据仓库维度选取 |
| 3.6 本章小结 |
| 第4章 消防电子生产企业CRM中数据挖掘应用模型设计 |
| 4.1 数据挖掘在消防电子生产企业CRM中的作用及优势 |
| 4.1.1 数据挖掘在消防电子生产企业CRM中的作用 |
| 4.1.2 消防电子生产企业CRM应用数据挖掘的优势 |
| 4.2 消防电子生产企业CRM的数据挖掘步骤 |
| 4.3 消防电子生产企业客户价值分类模型设计 |
| 4.3.1 消防电子生产企业客户价值 |
| 4.3.2 消防电子生产企业客户价值分类模型 |
| 4.4 消防电子生产企业客户满意度模型设计 |
| 4.4.1 消防电子生产企业客户满意度 |
| 4.4.2 消防电子生产企业客户满意度模型 |
| 4.5 本章小结 |
| 第5章 企业实证研究 |
| 5.1 案例背景 |
| 5.1.1 F企业简介 |
| 5.1.2 F企业面临的新挑战 |
| 5.2 客户价值分类分析 |
| 5.2.1 数据理解 |
| 5.2.2 数据准备 |
| 5.2.3 客户价值分类的实现 |
| 5.2.4 挖掘结果分析 |
| 5.3 客户满意度分析 |
| 5.3.1 数据准备 |
| 5.3.2 模型建立 |
| 5.3.3 挖掘结果分析 |
| 5.4 F企业实施CRM的建议 |
| 5.4.1 优化业务流程 |
| 5.4.2 开展数据质量管理 |
| 5.4.3 人才培养 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间承担的科研任务与主要成果 |
| 致谢 |
（5）数据挖掘技术在CRM中的应用（论文提纲范文）
| 1 数据挖掘技术和CRM的定义 |
| 1.1 什么是数据挖掘技术 |
| 1.2 CRM的定义 |
| 2 数据挖掘技术在CRM中的应用流程 |
| 2.1 明确挖掘目标 |
| 2.2 进行数据挖掘准备 |
| 2.2.1 数据的收集 |
| 2.2.2 数据的预处理 |
| 2.2.3 数据的转换 |
| 2.3 构建数据挖掘模型 |
| 2.4 应用数据挖掘模型 |
| 3.1 客户的识别 |
| 3.2 新客户的获取 |
| 3.3 客户价值的提升 |
| 3.4 客户的保持 |
（7）基于数据挖掘技术的电子商务CRM研究（论文提纲范文）
| 0 引言 |
| 1 客户关系管理CRM |
| 2 数据挖掘技术及其模式 |
| 2.1 数据挖掘技术 |
| 2.2 电子商务CRM中的数据挖掘模式 |
| 2.2.1 分类模式 |
| 2.2.2 聚类模式 |
| 2.2.3 关联模式 |
| 2.2.4 序列模式 |
| 3 电子商务CRM中的数据挖掘过程 |
| 3.1 数据准备 |
| 3.2 数据挖掘 |
| 3.3 结果解释与评估 |
| 4 数据挖掘技术在电子商务CRM中的应用 |
| 4.1 利用“分类模式”获取新客户 |
| 4.2 利用“聚类模式”留住老客户 |
| 4.3 利用“关联、序列模式”提升客户价值 |
| 5 结论 |
（8）数据挖掘技术在CRM中的应用（论文提纲范文）
| 1 数据挖掘 |
| 2 CRM的介绍 |
| 2.1 CRM的含义。 |
| 2.2 CRM系统的构造。 |
| 3 数据技术在CRM中的应用 |
| 3.1 客户的识别。 |
| 3.2 新客户的获取。 |
| 3.3 对客户价值的提升。 |
| 3.4 客户的保持。 |
| 4 数据挖掘技术在CRM中的运用情况 |
| 5 结束语 |
（9）旅行社客户关系管理中的数据挖掘应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 客户关系管理在旅游业管理中的应用现状 |
| 1.2.2 数据挖掘技术在旅游业管理中的应用现状 |
| 1.3 研究内容 |
| 1.3.1 研究思路 |
| 1.3.2 研究内容 |
| 1.3.3 组织结构 |
| 1.3.4 创新点 |
| 1.4 本章小结 |
| 第2章 CRM 与数据挖掘理论 |
| 2.1 CRM 基本理论 |
| 2.1.1 CRM 产生与发展趋势 |
| 2.1.2 CRM 的含义 |
| 2.1.3 CRM 构成与实现 |
| 2.2 数据挖掘基本理论 |
| 2.2.1 数据挖掘含义 |
| 2.2.2 数据挖掘过程 |
| 2.3 运用在 CRM 中的数据挖掘分类 |
| 2.3.1 CRM 中数据挖掘分类框架 |
| 2.3.2 CRM 中的常用数据挖掘技术简述 |
| 2.4 GA 与 K-means 算法原理 |
| 2.4.1 GA 算法原理 |
| 2.4.2 K-means 算法原理 |
| 2.5 本章小结 |
| 第3章 旅行社对 CRM 和数据挖掘的需求 |
| 3.1 旅行社对 CRM 的需求 |
| 3.1.1 旅行社行业现状 |
| 3.1.2 旅游业及游客需求特点 |
| 3.2 旅行社对数据挖掘的需求 |
| 3.2.1 游客群体分类和聚类分析 |
| 3.2.2 游客需求识别和预测 |
| 3.2.3 游客投诉和流失的预防及控制 |
| 3.2.4 旅游产品和服务的关联分析 |
| 3.3 本章小结 |
| 第4章 数据挖掘在旅行社客户关系管理中的应用 |
| 4.1 TCRM 数据挖掘步骤 |
| 4.1.1 数据来源 |
| 4.1.2 数据处理 |
| 4.1.3 数据库 |
| 4.1.4 数据挖掘 |
| 4.1.5 信息分析和利用 |
| 4.2 TCRM 数据挖掘具体算法举例 |
| 4.2.1 基于 GA 的 K-means 聚类算法的提出 |
| 4.2.2 基于 GA 的 K-means 聚类算法步骤 |
| 4.2.3 算法的实现 |
| 4.3 算法测试 |
| 4.3.1 实验数据 |
| 4.3.2 参数设置 |
| 4.3.3 实验结果与分析 |
| 4.4 本章小结 |
| 第5章 案例分析 |
| 5.1 案例背景 |
| 5.1.1 ZGGL 概况 |
| 5.1.2 ZGGL 的聚类分析应用目标 |
| 5.2 聚类分析在 ZGGL 的 TCRM 中应用举例 |
| 5.2.1 数据准备 |
| 5.2.2 数据挖掘 |
| 5.2.3 结果与分析 |
| 5.3 旅行社实施 CRM 的建议 |
| 5.3.1 营销创新 |
| 5.3.2 客户细分 |
| 5.3.3 技术与人员的准备 |
| 5.4 本章小结 |
| 结语 |
| 参考文献 |
| 附录 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
| 详细摘要 |
（10）数据挖掘技术在教育行业CRM中的应用研究（论文提纲范文）
| 目录 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 研究现状 |
| 1.2.1 数据挖掘技术在 CRM 中应用的研究现状 |
| 1.2.2 数据挖掘技术在教育行业 CRM 中应用的研究现状 |
| 1.3 论文主要内容及创新点 |
| 1.3.1 论文的主要内容 |
| 1.3.2 论文创新点 |
| 1.4 本章小结 |
| 第二章 数据挖掘技术在教育行业 CRM 中的应用综述 |
| 2.1 客户关系管理理论概述 |
| 2.1.1 客户生命周期理论 |
| 2.1.2 客户满意 |
| 2.1.3 客户忠诚 |
| 2.2 数据挖掘在 CRM 中的应用概述 |
| 2.2.1 数据挖掘的基本过程 |
| 2.2.2 数据挖掘在 CRM 中的应用 |
| 2.3 教育行业 CRM 系统 |
| 2.3.1 数据挖掘技术在学员管理中的应用 |
| 2.3.2 数据挖掘技术在教职人员管理中的应用 |
| 2.3.3 数据挖掘技术在社会团体管理中的应用 |
| 2.4 本章小结 |
| 第三章 决策树技术在选课系统设计中的应用研究 |
| 3.1 以学生为中心的选课系统设计战略 |
| 3.1.1 学生群体细分方法 |
| 3.1.2 学生需求分析 |
| 3.1.3 教学资源分配和选课系统设计 |
| 3.2 决策树技术在选课系统中应用过程 |
| 3.2.1 学生信息管理 |
| 3.2.2 数据挖掘 |
| 3.2.3 结果评价 |
| 3.3 决策树技术在选课系统设计中的应用举例 |
| 3.4 本章小结 |
| 第四章 关联规则技术在人才吸引计划中的应用研究 |
| 4.1 关联规则技术简介 |
| 4.1.1 关联规则技术 |
| 4.1.2 关联模型的内容 |
| 4.2 关联规则技术在人才吸引计划中的应用步骤 |
| 4.2.1 问题的定义 |
| 4.2.2 建立人才信息数据库 |
| 4.2.3 关联规则挖掘 |
| 4.2.4 关联规则结果的表述和评价 |
| 4.3 关联规则技术在人才吸引计划中的应用举例 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 内容总结 |
| 5.2 本文的不足之处 |
| 5.3 发展前景展望 |
| 5.4 本章小结 |
| 参考文献 |
| 攻读硕士学位期间发表或录用论文及参与项目 |
| 致谢 |
四、数据挖掘技术在CRM中的运用（论文参考文献）
- [1]数据挖掘技术在客户关系管理（CRM）中的应用研究[D]. 琚会婧. 华北理工大学, 2019(01)
- [2]数据挖掘技术在某企业CRM中的应用研究[D]. 冯涤. 大连海事大学, 2018(05)
- [3]基于数据挖掘的数字出版CRM应用研究[D]. 闫伟伟. 西安工业大学, 2018(01)
- [4]基于数据挖掘的消防电子生产企业客户关系管理研究[D]. 李华. 燕山大学, 2018(05)
- [5]数据挖掘技术在CRM中的应用[J]. 马强. 电子技术与软件工程, 2016(18)
- [6]数据挖掘技术在CRM中的应用[J]. 张清桃. 商, 2015(37)
- [7]基于数据挖掘技术的电子商务CRM研究[J]. 李静. 现代电子技术, 2015(11)
- [8]数据挖掘技术在CRM中的应用[J]. 王旖旎. 计算机光盘软件与应用, 2014(03)
- [9]旅行社客户关系管理中的数据挖掘应用研究[D]. 赵阳. 江苏科技大学, 2013(08)
- [10]数据挖掘技术在教育行业CRM中的应用研究[D]. 徐国庆. 山东师范大学, 2013(08)