本文關(guān)鍵詞：基于商業(yè)智能的鐵路貨運(yùn)客戶流失分析模型研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：客戶流失是企業(yè)面臨的普遍問題,客戶流失管理也是客戶關(guān)系管理中的重要組成部分。雖然采用數(shù)據(jù)挖掘技術(shù)對(duì)客戶流失預(yù)警進(jìn)行分析目前已經(jīng)有大量的研究,但都集中在電信、金融等方面。隨著貨運(yùn)競(jìng)爭(zhēng)逐漸增大,客戶流失現(xiàn)象加劇。如何及時(shí)發(fā)現(xiàn)客戶流失傾向,以最少的資源更大限度的減少客戶流失帶來的損失,成為了企業(yè)急需解決的問題。本文圍繞商業(yè)智能技術(shù)對(duì)鐵路貨運(yùn)客戶流失預(yù)警管理展開了一系列分析與研究。本文在對(duì)數(shù)據(jù)挖掘、數(shù)據(jù)倉庫以及OLAP等商業(yè)智能相關(guān)技術(shù)、客戶流失算法等理論理解的基礎(chǔ)上,結(jié)合鐵路貨運(yùn)客戶流失管理現(xiàn)狀,提出了鐵路貨運(yùn)客戶流失分析體系,將鐵路貨運(yùn)客戶流失分析管理分為三個(gè)階段,并以此對(duì)鐵路貨運(yùn)客戶流失管理模型進(jìn)行研究。提出了鐵路貨運(yùn)數(shù)據(jù)倉庫模型,基于KGFM的客戶細(xì)分模型以及利用客戶綜合價(jià)值變化進(jìn)行客戶狀態(tài)標(biāo)識(shí),采用決策樹算法,構(gòu)建了客戶流失預(yù)警分析方案。利用數(shù)據(jù)庫與數(shù)據(jù)挖掘工具,以示例數(shù)據(jù)進(jìn)行了方案實(shí)現(xiàn),并對(duì)得到的客戶流失預(yù)警模型進(jìn)行了評(píng)估,得出本方案的預(yù)測(cè)結(jié)果較為理想。最后探討了模型應(yīng)用以及鐵路貨運(yùn)企業(yè)可以開展的客戶維系挽留策略。本文提出的流失管理體系以及客戶流失分析研究方案可以為我國(guó)鐵路貨運(yùn)客戶流失分析管理提供一定的參考。
【關(guān)鍵詞】：數(shù)據(jù)挖掘 數(shù)據(jù)倉庫 客戶流失 客戶細(xì)分 決策樹
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP311.13
【目錄】：

• 摘要6-7
• Abstract7-10
• 第1章 緒論10-16
• 1.1 研究背景和意義10-11
• 1.1.1 研究背景10-11
• 1.1.2 研究意義11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀11-13
• 1.3 研究?jī)?nèi)容和組織結(jié)構(gòu)13-16
• 第2章 相關(guān)理論方法基礎(chǔ)16-25
• 2.1 商業(yè)智能相關(guān)技術(shù)介紹16-18
• 2.1.1 數(shù)據(jù)挖掘16-17
• 2.1.2 數(shù)據(jù)倉庫與OLAP17-18
• 2.2 客戶細(xì)分18-20
• 2.2.1 客戶細(xì)分概述18-19
• 2.2.2 鐵路貨運(yùn)客戶細(xì)分19-20
• 2.3 客戶流失以及算法介紹20-24
• 2.3.1 客戶流失定義20
• 2.3.2 客戶流失預(yù)測(cè)算法20-24
• 2.4 本章小結(jié)24-25
• 第3章 鐵路貨運(yùn)客戶流失業(yè)務(wù)理解與數(shù)據(jù)準(zhǔn)備25-31
• 3.1 鐵路貨運(yùn)客戶管理現(xiàn)狀25-26
• 3.2 鐵路貨運(yùn)客戶流失分析業(yè)務(wù)理解26-27
• 3.3 鐵路貨運(yùn)客戶流失分析體系研究27-28
• 3.4 原始數(shù)據(jù)來源與預(yù)處理28-30
• 3.5 本章小結(jié)30-31
• 第4章 客戶流失分析模型構(gòu)建31-42
• 4.1 數(shù)據(jù)倉庫模型設(shè)計(jì)31-32
• 4.2 基于細(xì)分的客戶流失傾向分析32-35
• 4.2.1 基于RFM的鐵路貨運(yùn)客戶細(xì)分模型指標(biāo)分析32-34
• 4.2.2 基于KGFM的客戶細(xì)分模型34-35
• 4.3 基于DM的鐵路貨運(yùn)客戶流失預(yù)警研究35-41
• 4.3.1 客戶歷史流失界定35-37
• 4.3.2 挖掘目標(biāo)與算法選取37-39
• 4.3.3 客戶流失預(yù)警模型流程39-41
• 4.4 本章小結(jié)41-42
• 第5章 鐵路貨運(yùn)客戶流失分析案例實(shí)現(xiàn)42-57
• 5.1 基于SQL的數(shù)據(jù)倉庫構(gòu)建42-44
• 5.2 基于挖掘工具的客戶細(xì)分實(shí)現(xiàn)44-48
• 5.3 基于挖掘工具的客戶流失預(yù)警實(shí)現(xiàn)48-53
• 5.4 客戶流失預(yù)警模型評(píng)估53-55
• 5.5 模型應(yīng)用與客戶維系策略55-56
• 5.6 本章小結(jié)56-57
• 結(jié)論57-59
• 致謝59-60
• 參考文獻(xiàn)60-63
• 攻讀碩士期間發(fā)表的論文及科研成果63

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 張宇;張之明;;一種基于C5.0決策樹的客戶流失預(yù)測(cè)模型研究[J];統(tǒng)計(jì)與信息論壇;2015年01期

2 羅瀟;;基于數(shù)據(jù)挖掘技術(shù)的高職院校教學(xué)的應(yīng)用探討[J];數(shù)字技術(shù)與應(yīng)用;2013年07期

3 李思玉;;淺談數(shù)據(jù)挖掘在客運(yùn)營(yíng)銷中的應(yīng)用[J];空運(yùn)商務(wù);2013年04期

4 尹蕾;;大客戶管理策略研究——以聯(lián)想公司為例[J];對(duì)外經(jīng)貿(mào);2012年10期

5 劉志超;王雷;谷壘;馮湘;;基于數(shù)據(jù)挖掘技術(shù)的客戶流失預(yù)警模型[J];微計(jì)算機(jī)信息;2011年02期

6 朱幫助;;基于SMC-RS-LSSVM的電子商務(wù)客戶流失預(yù)測(cè)模型[J];系統(tǒng)工程理論與實(shí)踐;2010年11期

7 汪健雄;劉春煌;單杏花;朱建生;;基于雙層次正交神經(jīng)網(wǎng)絡(luò)模型的鐵路客運(yùn)量預(yù)測(cè)[J];中國(guó)鐵道科學(xué);2010年03期

8 趙德才;;決策樹方法使用中的改進(jìn)策略[J];科技信息;2010年08期

9 夏國(guó)恩;;客戶流失預(yù)測(cè)的現(xiàn)狀與發(fā)展研究[J];計(jì)算機(jī)應(yīng)用研究;2010年02期

10 劉紅;謝偉;;基于客戶終身價(jià)值的流失客戶研究[J];合肥工業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2008年06期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 遲準(zhǔn);電信運(yùn)營(yíng)企業(yè)客戶流失預(yù)測(cè)與評(píng)價(jià)研究[D];哈爾濱工程大學(xué);2013年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前9條

1 王彥琛;OLAP在鐵路貨運(yùn)客戶關(guān)系管理中的應(yīng)用研究[D];西南交通大學(xué);2014年

2 原雷;基于BI技術(shù)的證券公司客戶分析模型的研究及實(shí)現(xiàn)[D];中國(guó)科學(xué)院大學(xué)（工程管理與信息技術(shù)學(xué)院）;2014年

3 張倩;基于數(shù)據(jù)挖掘的電信行業(yè)中客戶流失模型的研究與實(shí)現(xiàn)[D];浙江理工大學(xué);2014年

4 王志君;基于神經(jīng)網(wǎng)絡(luò)的客戶流失預(yù)警研究[D];吉林大學(xué);2013年

5 安祥茜;基于RFM模型的C2C環(huán)境下顧客價(jià)值識(shí)別研究[D];西南財(cái)經(jīng)大學(xué);2012年

6 王楚;基于改進(jìn)決策樹的入侵檢測(cè)算法的研究[D];東北大學(xué);2011年

7 沈培蘭;電子商務(wù)網(wǎng)站中客戶流失預(yù)測(cè)模型研究[D];江蘇科技大學(xué);2011年

8 許力梅;基于關(guān)聯(lián)規(guī)則的決策樹算法改進(jìn)及應(yīng)用[D];華南理工大學(xué);2011年

9 鄭思華;數(shù)據(jù)挖掘在移動(dòng)大客戶流失預(yù)測(cè)中的應(yīng)用[D];南京理工大學(xué);2004年

  本文關(guān)鍵詞：基于商業(yè)智能的鐵路貨運(yùn)客戶流失分析模型研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：299230