隨著國(guó)家供給側(cè)結(jié)構(gòu)性改革政策的逐步推進(jìn)和當(dāng)前貨運(yùn)行業(yè)日趨競(jìng)爭(zhēng)激烈的市場(chǎng)格局,鐵路貨運(yùn)行業(yè)面臨著客戶流失的風(fēng)險(xiǎn),如何對(duì)貨運(yùn)流失客戶進(jìn)行高效管理是鐵路貨運(yùn)營(yíng)銷部門需要長(zhǎng)期面對(duì)的問題。本文運(yùn)用數(shù)據(jù)挖掘技術(shù)對(duì)鐵路海量貨運(yùn)客戶數(shù)據(jù)進(jìn)行挖掘分析,用于貨運(yùn)客戶流失管理,并且從鐵路貨運(yùn)行業(yè)實(shí)際需求出發(fā),提出了貨運(yùn)客戶細(xì)分、流失預(yù)測(cè)的研究方法,并在此基礎(chǔ)上進(jìn)行了貨運(yùn)流失客戶挽留價(jià)值的研究,具有理論和實(shí)踐意義。本文的主要研究工作包括:（一）結(jié)合鐵路貨運(yùn)行業(yè)特征和鐵路貨運(yùn)客戶發(fā)貨特征,提出了基于改進(jìn)RFM模型的貨運(yùn)客戶細(xì)分模型KFAV,該模型引入了貨運(yùn)客戶發(fā)貨周轉(zhuǎn)量、貨運(yùn)客戶發(fā)貨傾向、貨運(yùn)客戶貨運(yùn)貢獻(xiàn)度等參數(shù),具有較好的實(shí)踐效果,并且針對(duì)傳統(tǒng)k-means聚類算法具有聚類中心隨機(jī)選擇的缺點(diǎn),提出了改進(jìn)的k-means聚類算法,通過建立基于Hadoop的仿真平臺(tái),驗(yàn)證了KFAV模型良好的客戶細(xì)分效果,并且證明了改進(jìn)k-means算法的高效性,也驗(yàn)證了Hadoop平臺(tái)在處理大數(shù)據(jù)方面的優(yōu)越性。（二）在貨運(yùn)客戶細(xì)分的基礎(chǔ)上,結(jié)合鐵路大宗貨物和零散白貨兩大類貨運(yùn)客戶的自身特點(diǎn),分別提出了兩類貨運(yùn)流失客戶的識(shí)別方法,... 

【文章頁數(shù)】：124 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 客戶關(guān)系管理的相關(guān)研究
        1.2.1 客戶細(xì)分方法研究
        1.2.2 客戶流失預(yù)測(cè)研究
        1.2.3 鐵路貨運(yùn)流失客戶挽留對(duì)策研究
    1.3 Hadoop體系架構(gòu)概述
        1.3.1 MapReduce分布式計(jì)算技術(shù)
        1.3.2 分布式存儲(chǔ)體系
        1.3.3 Hadoop在客戶關(guān)系管理中的應(yīng)用
    1.4 研究?jī)?nèi)容與技術(shù)線路
        1.4.1 研究?jī)?nèi)容
        1.4.2 技術(shù)線路
第2章 鐵路貨運(yùn)客戶細(xì)分研究
    2.1 引言
    2.2 貨運(yùn)客戶細(xì)分模型研究
        2.2.1 基于RFM的客戶細(xì)分模型
        2.2.2 基于KFAV的客戶細(xì)分模型
        2.2.3 基于KFAV模型的鐵路貨運(yùn)客戶價(jià)值研究
    2.3 客戶細(xì)分算法設(shè)計(jì)
        2.3.1 傳統(tǒng)k-means算法
        2.3.2 改進(jìn)k-means算法
        2.3.3 基于Hadoop的改進(jìn)k-means算法設(shè)計(jì)
    2.4 仿真求解
        2.4.1 仿真數(shù)據(jù)
        2.4.2 仿真環(huán)境
        2.4.3 仿真流程
        2.4.4 仿真結(jié)果
        2.4.5 結(jié)果分析
    2.5 本章小結(jié)
第3章 鐵路貨運(yùn)客戶流失預(yù)測(cè)研究
    3.1 引言
    3.2 大宗貨物和零散白貨概述
        3.2.1 大宗貨物概述
        3.2.2 零散白貨概述
    3.3 鐵路大宗貨運(yùn)客戶流失預(yù)測(cè)研究
        3.3.1 大宗貨物客戶流失定義
        3.3.2 大宗貨物客戶流失預(yù)測(cè)模型研究
        3.3.3 大宗貨物客戶流失預(yù)測(cè)仿真求解
        3.3.4 大宗貨運(yùn)客戶流失預(yù)測(cè)研究小結(jié)
    3.4 鐵路零散白貨客戶流失預(yù)測(cè)研究
        3.4.1 零散白貨客戶流失定義
        3.4.2 零散白貨客戶流失預(yù)測(cè)模型研究
        3.4.3 零散白貨客戶流失預(yù)測(cè)算法設(shè)計(jì)
        3.4.4 零散白貨客戶流失預(yù)測(cè)仿真求解
        3.4.5 零散白貨客戶流失預(yù)測(cè)研究小結(jié)
第4章 鐵路貨運(yùn)流失客戶挽留價(jià)值研究
    4.1 引言
    4.2 鐵路貨運(yùn)流失客戶可期貨運(yùn)價(jià)值研究
    4.3 鐵路貨運(yùn)流失客戶挽留效果模型研究
    4.4 鐵路貨運(yùn)流失客戶挽留成本研究
    4.5 鐵路貨運(yùn)流失客戶挽留價(jià)值模型研究
    4.6 鐵路貨運(yùn)流失客戶挽留價(jià)值仿真求解
        4.6.1 仿真數(shù)據(jù)及環(huán)境
        4.6.2 仿真流程
        4.6.3 仿真結(jié)果及分析
    4.7 本章小結(jié)
結(jié)論與展望
致謝
參考文獻(xiàn)
攻讀博士學(xué)位期間發(fā)表的論文


【參考文獻(xiàn)】：
期刊論文
[1]2017年航空貨運(yùn)市場(chǎng)回顧與2018年展望[J]. 曹允春,張凱迪,宋文妍.  綜合運(yùn)輸. 2018(10)
[2]交通強(qiáng)國(guó)戰(zhàn)略下水運(yùn)安全挑戰(zhàn)與展望[J]. 嚴(yán)新平,張金奮,吳兵.  長(zhǎng)江技術(shù)經(jīng)濟(jì). 2018(03)
[3]基于鐵路貨物損失分析的保價(jià)營(yíng)銷策略研究[J]. 付建飛,李星潺.  鐵道貨運(yùn). 2017(07)
[4]基于KFAV的中國(guó)鐵路貨運(yùn)客戶細(xì)分方法研究[J]. 張斌,彭其淵.  交通運(yùn)輸系統(tǒng)工程與信息. 2017(03)
[5]鐵路快運(yùn)貨物損失理賠服務(wù)質(zhì)量提高對(duì)策[J]. 黃啟營(yíng).  鐵道貨運(yùn). 2017(05)
[6]鐵路貨物損失特征及安全對(duì)策[J]. 江立.  鐵道貨運(yùn). 2017(04)
[7]鐵路大宗貨物運(yùn)輸定價(jià)的影響因素和定價(jià)對(duì)策建議[J]. 王雪姣.  價(jià)格月刊. 2017(02)
[8]我國(guó)鐵路物流發(fā)展形勢(shì)及對(duì)策分析[J]. 唐智鵬.  鐵道貨運(yùn). 2017(01)
[9]零散白貨的貨源組織問題和運(yùn)輸組織問題一體化[J]. 王志美,張星臣,徐彬.  北京交通大學(xué)學(xué)報(bào). 2016(06)
[10]供給側(cè)改革下鐵路從大宗貨物向零散快捷貨物拓展的思考[J]. 張伯敏.  交通運(yùn)輸工程與信息學(xué)報(bào). 2016(04)

博士論文
[1]基于決策樹和K最近鄰算法的文本分類研究[D]. 王煜.天津大學(xué) 2006

碩士論文
[1]數(shù)據(jù)挖掘在電信管理客戶關(guān)系系統(tǒng)的研究與應(yīng)用[D]. 馬映.湖北工業(yè)大學(xué) 2017
[2]鐵路大宗貨物運(yùn)輸市場(chǎng)監(jiān)測(cè)方案構(gòu)建研究[D]. 李偉偉.西南交通大學(xué) 2017
[3]鐵路大宗貨物運(yùn)價(jià)浮動(dòng)研究[D]. 孫嘉欣.西南交通大學(xué) 2017
[4]基于大數(shù)據(jù)技術(shù)的電信客戶維系挽的分析與研究[D]. 潘娜.鄭州大學(xué) 2017
[5]基于Hadoop的并行算法在預(yù)測(cè)客戶流失中的研究[D]. 黃鑫.江蘇大學(xué) 2017
[6]基于神經(jīng)網(wǎng)絡(luò)算法構(gòu)建電信用戶流失預(yù)測(cè)模型的研究[D]. 孫碧穎.蘭州大學(xué) 2016
[7]基于J2EE實(shí)現(xiàn)的電信CRM系統(tǒng)數(shù)據(jù)分析[D]. 蔣奇霖.南華大學(xué) 2015
[8]鐵路貨運(yùn)大數(shù)據(jù)平臺(tái)下基于聚類的客戶細(xì)分應(yīng)用研究[D]. 劉明樺.北京交通大學(xué) 2015
[9]基于商業(yè)智能的鐵路貨運(yùn)客戶流失分析模型研究[D]. 張秋紅.西南交通大學(xué) 2015
[10]基于SVM的微博話題跟蹤方法及其應(yīng)用[D]. 羅杰.北京理工大學(xué) 2015



本文編號(hào)：3724106