基于统计学视角的数据挖掘在CRM中的应用

1 绪论
1.1 研究问题的提出
1.2 研究的目的及意义
1.3 本书的框架结构
2 数据挖掘与CRM概论
2.1 数据挖掘的内涵、研究和应用现状
2.1.1 数据挖掘的基本概念
2.1.2 数据挖掘与其他学科的关系
2.1.3 数据挖掘的国内外研究和应用现状
2.2 CRM的发展、应用概述
2.2.1 CRM的内涵、起源和发展过程
2.2.2 CRM国内外研究和发展现状
2.3 数据挖掘在CRM中的研究与应用
3 CRM中统计数据挖掘技术理论分析
3.1 统计学与数据挖掘的关系概述
3.2 数据挖掘技术在CRM 中的适用性分析
3.2.1 CRM的技术支撑
3.2.2 数据挖掘的几项关键技术
3.2.3 数据挖掘技术在CRM中的几点应用
3.3 CRM中的统计数据挖掘模型的建立及实现方法
3.3.1 数据准备
3.3.2 分类回归树技术
3.3.3 购物篮分析——关联规则
3.3.4 数据挖掘模型的统计评价——基于统计检验的49er。搜索算法
3.3.5 统计框架下的数据挖掘模型
4 统计数据挖掘在电信客户效益分类中的应用
4.1 背景分析
4.2 电信CRM 中的客户细分
4.2.1 电信CRM的特点及意义
4.2.2 客户细分
4.3 模型的建立
4.3.1 问题的定义
4.3.2 数据准备
4.3.3 数据挖掘方法选取
4.3.4 K-means聚类过程
4.4 模型评价和结果解释
4.5 小结
5 统计数据挖掘在电信交叉销售及预测中的应用
5.1 商业背景
5.2 交叉销售的理论基础
5.2.1 交叉销售的概念
5.2.2 交叉销售的意义及应用
5.2.3 交叉销售与CRM的关系
5.3 电信增值业务交叉销售模型
5.3.1 选择数据挖掘工具软件
5.3.2 数据理解与数据准备
5.3.3 选用的数据挖掘技术及算法介绍
5.3.4 参数设置及模型建立步骤
5.3.5 模型评价和结果解释
5.4 电信增值业务客户预测模型
5.4.1 数据理解与数据准备
5.4.2 选用的数据挖掘技术及算法介绍
5.4.3 参数设置及模型建立步骤
5.4.4 模型评价和结果解释
5.5 小结
6 结论与展望
6.1 主要结论
6.2 统计数据挖掘技术应用于CRM时应注意的几点问题
6.3 局限性与研究展望
参考文献
附录
附录A CRM在各行业中的应用
附录B 复杂数据挖掘模型结果的解释（对应分析方法