隨著國家供給側(cè)結(jié)構(gòu)性改革政策的逐步推進(jìn)和當(dāng)前貨運行業(yè)日趨競爭激烈的市場格局,鐵路貨運行業(yè)面臨著客戶流失的風(fēng)險,如何對貨運流失客戶進(jìn)行高效管理是鐵路貨運營銷部門需要長期面對的問題。本文運用數(shù)據(jù)挖掘技術(shù)對鐵路海量貨運客戶數(shù)據(jù)進(jìn)行挖掘分析,用于貨運客戶流失管理,并且從鐵路貨運行業(yè)實際需求出發(fā),提出了貨運客戶細(xì)分、流失預(yù)測的研究方法,并在此基礎(chǔ)上進(jìn)行了貨運流失客戶挽留價值的研究,具有理論和實踐意義。本文的主要研究工作包括:（一）結(jié)合鐵路貨運行業(yè)特征和鐵路貨運客戶發(fā)貨特征,提出了基于改進(jìn)RFM模型的貨運客戶細(xì)分模型KFAV,該模型引入了貨運客戶發(fā)貨周轉(zhuǎn)量、貨運客戶發(fā)貨傾向、貨運客戶貨運貢獻(xiàn)度等參數(shù),具有較好的實踐效果,并且針對傳統(tǒng)k-means聚類算法具有聚類中心隨機選擇的缺點,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,驗證了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,也驗證了Hadoop平臺在處理大數(shù)據(jù)方面的優(yōu)越性。（二）在貨運客戶細(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客戶的自身特點,分別提出了兩類貨運流失客戶的識別方法,... 

【文章頁數(shù)】：124 頁

【學(xué)位級別】：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)測研究
        1.2.3 鐵路貨運流失客戶挽留對策研究
    1.3 Hadoop體系架構(gòu)概述
        1.3.1 MapReduce分布式計算技術(shù)
        1.3.2 分布式存儲體系
        1.3.3 Hadoop在客戶關(guān)系管理中的應(yīng)用
    1.4 研究內(nèi)容與技術(shù)線路
        1.4.1 研究內(nèi)容
        1.4.2 技術(shù)線路
第2章 鐵路貨運客戶細(xì)分研究
    2.1 引言
    2.2 貨運客戶細(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模型的鐵路貨運客戶價值研究
    2.3 客戶細(xì)分算法設(shè)計
        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
    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 鐵路貨運客戶流失預(yù)測研究
    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 鐵路大宗貨運客戶流失預(yù)測研究
        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)測模型研究
        3.3.3 大宗貨物客戶流失預(yù)測仿真求解
        3.3.4 大宗貨運客戶流失預(yù)測研究小結(jié)
    3.4 鐵路零散白貨客戶流失預(yù)測研究
        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)測模型研究
        3.4.3 零散白貨客戶流失預(yù)測算法設(shè)計
        3.4.4 零散白貨客戶流失預(yù)測仿真求解
        3.4.5 零散白貨客戶流失預(yù)測研究小結(jié)
第4章 鐵路貨運流失客戶挽留價值研究
    4.1 引言
    4.2 鐵路貨運流失客戶可期貨運價值研究
    4.3 鐵路貨運流失客戶挽留效果模型研究
    4.4 鐵路貨運流失客戶挽留成本研究
    4.5 鐵路貨運流失客戶挽留價值模型研究
    4.6 鐵路貨運流失客戶挽留價值仿真求解
        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年航空貨運市場回顧與2018年展望[J]. 曹允春,張凱迪,宋文妍.  綜合運輸. 2018(10)
[2]交通強國戰(zhàn)略下水運安全挑戰(zhàn)與展望[J]. 嚴(yán)新平,張金奮,吳兵.  長江技術(shù)經(jīng)濟(jì). 2018(03)
[3]基于鐵路貨物損失分析的保價營銷策略研究[J]. 付建飛,李星潺.  鐵道貨運. 2017(07)
[4]基于KFAV的中國鐵路貨運客戶細(xì)分方法研究[J]. 張斌,彭其淵.  交通運輸系統(tǒng)工程與信息. 2017(03)
[5]鐵路快運貨物損失理賠服務(wù)質(zhì)量提高對策[J]. 黃啟營.  鐵道貨運. 2017(05)
[6]鐵路貨物損失特征及安全對策[J]. 江立.  鐵道貨運. 2017(04)
[7]鐵路大宗貨物運輸定價的影響因素和定價對策建議[J]. 王雪姣.  價格月刊. 2017(02)
[8]我國鐵路物流發(fā)展形勢及對策分析[J]. 唐智鵬.  鐵道貨運. 2017(01)
[9]零散白貨的貨源組織問題和運輸組織問題一體化[J]. 王志美,張星臣,徐彬.  北京交通大學(xué)學(xué)報. 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.  交通運輸工程與信息學(xué)報. 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]鐵路大宗貨物運輸市場監(jiān)測方案構(gòu)建研究[D]. 李偉偉.西南交通大學(xué) 2017
[3]鐵路大宗貨物運價浮動研究[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)測模型的研究[D]. 孫碧穎.蘭州大學(xué) 2016
[7]基于J2EE實現(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]鐵路貨運大數(shù)據(jù)平臺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：3724106