在當(dāng)今激烈競爭的商業(yè)環(huán)境中,客戶已成為企業(yè)最重要的資產(chǎn),誰把握了客戶誰就擁有了市場。保持客戶、吸引客戶和充分發(fā)掘客戶的盈收潛力是企業(yè)提高核心競爭力的關(guān)鍵。在證券行業(yè)也是如此。如何能更好地了解客戶的特點和需求,設(shè)計滿足客戶需求的有效產(chǎn)品和服務(wù),提高客戶的收益和滿意度,是證券業(yè)客戶關(guān)系管理的關(guān)鍵所在。而客戶細分策略就是他們贏得客戶的最好基礎(chǔ)。 數(shù)據(jù)挖掘技術(shù)是一種新的商業(yè)信息處理技術(shù),能夠幫助企業(yè)根據(jù)客戶的內(nèi)在和外在屬性、及客戶的消費行為特征對其分類,從而為不同類別的客戶提供針對性的產(chǎn)品和服務(wù)。而聚類分析是該領(lǐng)域的核心技術(shù)和非�；钴S的研究方向。聚類就是按照事物的屬性特征把事物聚集成若干簇,使同一簇內(nèi)的數(shù)據(jù)對象之間具有較高的相似性,而不同簇之間的數(shù)據(jù)對象相似度較低。 本文在對客戶細分理論和聚類分析理論進行闡述的基礎(chǔ)上,對傳統(tǒng)的K-means算法在距離的計算和初始點的選擇上進行了改進,然后利用證券客戶數(shù)據(jù)進行了實證研究,聚類結(jié)果比較理想,而且計算時間大大縮減。在論文的最后還針對不同的證券客戶給出不同的營銷建議。

【文章頁數(shù)】：53 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文研究內(nèi)容及框架
    1.4 研究方法、創(chuàng)新點及難點
        1.4.1 研究方法
        1.4.2 創(chuàng)新點
        1.4.3 難點
第二章 相關(guān)理論綜述
    2.1 客戶細分基本理論
        2.1.1 客戶細分的產(chǎn)生與理論依據(jù)
        2.1.2 客戶細分的目的與作用
        2.1.3 客戶細分的方式
    2.2 數(shù)據(jù)挖掘基本理論
        2.2.1 數(shù)據(jù)挖掘概述
        2.2.2 數(shù)據(jù)挖掘過程
        2.2.3 數(shù)據(jù)挖掘基本方法
    2.3 聚類分析理論
        2.3.1 聚類分析概述
        2.3.2 將聚類算法應(yīng)用于客戶細分
第三章 數(shù)據(jù)預(yù)處理
    3.1 數(shù)據(jù)預(yù)處理概述
    3.2 證券客戶數(shù)據(jù)預(yù)處理的原因
    3.3 數(shù)據(jù)預(yù)處理技術(shù)
        3.3.1 數(shù)據(jù)清洗
        3.3.2 數(shù)據(jù)集成
        3.3.3 數(shù)據(jù)轉(zhuǎn)換
        3.3.4 數(shù)據(jù)規(guī)約
第四章 K-means聚類分析
    4.1 K-means算法
    4.2 對混合數(shù)據(jù)間距離的計算辦法
        4.2.1 兩個數(shù)據(jù)對象間距離的計算及改進
        4.2.2 數(shù)值型屬性權(quán)重的求解
    4.3 兩個混合型數(shù)據(jù)對象間的距離
    4.4 聚類中心的確定
        4.4.1 初始聚類中心的確定
        4.4.2 以后聚類中心的確定
    4.5 聚類過程
第五章 實證分析
    5.1 所用軟件介紹
    5.2 數(shù)據(jù)的獲取和數(shù)據(jù)預(yù)處理
    5.3 聚類分析
    5.4 實證結(jié)果分析
第六章 總結(jié)及展望
    6.1 總結(jié)
    6.2 研究的局限性和展望
參考文獻



本文編號：3867948