發(fā)布時間：2017-05-15 01:05

  本文關(guān)鍵詞：基于決策樹的模糊聚類評價算法及其在證券領(lǐng)域的應(yīng)用，，由筆耕文化傳播整理發(fā)布。

【摘要】： 隨著證券市場的日益規(guī)范,傭金的浮動制使得券商經(jīng)紀(jì)業(yè)務(wù)的競爭愈發(fā)激烈,提高客戶服務(wù)質(zhì)量變得重要。隨著信息時代的來臨,企業(yè)逐漸由過去的產(chǎn)品為中心轉(zhuǎn)變?yōu)橐钥蛻魹橹行?企業(yè)也認(rèn)識到良好客戶關(guān)系的提升已成為制勝關(guān)鍵。為了進行有效的競爭,企業(yè)必須進行客戶細分,選擇最有利的目標(biāo)客戶群體,集中企業(yè)資源,制定有效的競爭策略,來增強自己的競爭優(yōu)勢,同時企業(yè)也必須強調(diào)和重視客戶忠誠度的管理,針對不同忠誠度的客戶進行相應(yīng)管理,完成被動營銷模式向主動營銷模式的轉(zhuǎn)變,使個性化證券營銷更具有方向性。 本文主要基于客戶忠誠度理論及數(shù)據(jù)挖掘技術(shù),充分結(jié)合國內(nèi)證券行業(yè)特點進行深入研究。研究內(nèi)容包括基于決策樹的模糊聚類評價算法和模型的建立,以及模型在客戶細分以及客戶分類預(yù)測,客戶忠誠度分類和客戶忠誠度預(yù)測上的應(yīng)用,數(shù)據(jù)挖掘技術(shù)的主要方法及操作流程。研究重點在于分析國內(nèi)證券業(yè)客戶自然屬性和交易行為特性,探討證券業(yè)客戶分類模型和忠誠度評價指標(biāo)體系,提出適合國內(nèi)證券業(yè)客戶分類和忠誠度評價的數(shù)據(jù)挖掘方法及流程。 在理論研究基礎(chǔ)上,結(jié)合某證券公司客戶忠誠度識別案例,本文詳細分析證券公司客戶分類及忠誠度識別的數(shù)據(jù)挖掘過程,并且根據(jù)數(shù)據(jù)挖掘結(jié)果對不同分類和忠誠度等級客戶提出相應(yīng)個性化營銷建議,從而為優(yōu)化證券公司的營銷策略提出建議。 文章最后對課題的研究進行總結(jié),并且對基于數(shù)據(jù)挖掘的我國證券業(yè)客戶分類及忠誠度研究的前景做出展望。
【關(guān)鍵詞】：客戶細分 忠誠度 模糊聚類評價算法 證券業(yè)個性化營銷
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2010
【分類號】：F830.91;C934
【目錄】：

• 摘要5-6
• ABSTRACT6-7
• 致謝7-12
• 第一章 緒論12-19
• 1.1 論文綜述12-13
• 1.1.1 問題的提出12-13
• 1.1.2 研究意義13
• 1.2 國內(nèi)外相關(guān)研究現(xiàn)狀13-18
• 1.2.1 客戶關(guān)系管理（CRM）13-14
• 1.2.2 客戶細分14-15
• 1.2.3 數(shù)據(jù)挖掘的方法與工具15-17
• 1.2.4 客戶忠誠度17-18
• 1.3 本文組織及章節(jié)安排18-19
• 第二章 聚類與分類算法分析19-32
• 2.1 聚類的基本概念19-20
• 2.2 聚類的常見方法20-26
• 2.2.1 劃分聚類方法21-24
• 2.2.2 層次聚類方法24
• 2.2.3 基于密度的方法24-25
• 2.2.4 基于網(wǎng)格的方法25
• 2.2.5 基于模型的方法25-26
• 2.3 分類方法的基本概念26-27
• 2.4 分類的幾種方法27-31
• 2.4.1 貝葉斯分類27-28
• 2.4.2 神經(jīng)網(wǎng)絡(luò)28-29
• 2.4.3 決策樹算法29-31
• 2.5 本章小結(jié)31-32
• 第三章 基于決策樹的模糊聚類評價算法32-38
• 3.1 基于決策樹的模糊聚類評價算法理論基礎(chǔ)32-35
• 3.1.1 相關(guān)算法的理論基礎(chǔ)32-33
• 3.1.2 決策樹算法與模糊聚類評價算法聯(lián)系33-35
• 3.2 基于決策樹的模糊聚類評價算法的建立35-37
• 3.2.1 所用算法選擇35
• 3.2.2 算法流程及偽代碼35-37
• 3.2.3 算法檢驗37
• 3.3 本章小結(jié)37-38
• 第四章 模糊聚類評價算法在證券業(yè)的應(yīng)用38-52
• 4.1 證券市場客戶細分現(xiàn)狀38-39
• 4.2 CRM 細分模塊系統(tǒng)設(shè)計39-45
• 4.2.1 CRM 系統(tǒng)細分模塊整體設(shè)計39-42
• 4.2.2 數(shù)據(jù)準(zhǔn)備42
• 4.2.3 數(shù)據(jù)挖掘的過程42-43
• 4.2.4 數(shù)據(jù)挖掘的結(jié)果及分析43-45
• 4.3 證券市場客戶忠誠度分類背景45-46
• 4.4 忠誠度分類模塊設(shè)計46-51
• 4.4.1 模塊業(yè)務(wù)目標(biāo)46-48
• 4.4.2 數(shù)據(jù)準(zhǔn)備過程48
• 4.4.3 數(shù)據(jù)挖掘結(jié)果及解釋48-49
• 4.4.4 客戶忠誠度管理措施49-51
• 4.5 本章小結(jié)51-52
• 第五章 總結(jié)與展望52-54
• 5.1 工作總結(jié)52-53
• 5.2 工作展望53-54
• 參考文獻54-58
• 附錄一58-60
• 攻讀碩士學(xué)位期間的成果60-61

【引證文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 王園;;客戶風(fēng)險評級管理研究與應(yīng)用——基于證券CRM管理[J];哈爾濱商業(yè)大學(xué)學(xué)報(社會科學(xué)版);2012年02期

  本文關(guān)鍵詞：基于決策樹的模糊聚類評價算法及其在證券領(lǐng)域的應(yīng)用，由筆耕文化傳播整理發(fā)布。

本文編號：366572