数据挖掘在电子商务领域中的应用

1 绪论
1．1 研究背景
1．2 研究意义
1．2．1 客户分类
1．2．2 网店评价
1．3 国内外研究综述
1．3．1 客户分类
1．3．2 网店评价
1．4 本书主要内容
1．5 本书创新之处
参考文献

2 数据挖掘理论
2．1 数据挖掘的定义
2．1．1 数据挖掘与数据仓库
2．1．2 数据挖掘与0LAP及商务智能
2．2 数据挖掘任务及体系结构
2．2．1 数据挖掘任务
2．2．2 数据挖掘的体系结构
2．3 数据挖掘过程及过程模型
2．3．1 数据挖掘的过程
2．3．2 数据挖掘过程模型
2．4 数据挖掘算法
2．4．1 关联规则
2．4．2 聚类算法
2．4．3 决策树算法
2．4．4 神经网络算法
2．5 数据挖掘在CRM的应用
2．5．1 营销
2．5．2 销售
2．5．3 客户服务
2．5．4 客户保持
2．5．5 风险评估和欺诈识别
2．6 数据挖掘的工具
2．6．1 IntelligentMiner’
2．6．2 EnterpriseMiner
2．6．3 SPSSClementine
2．6．4 M：icrosoflBusiness：IntelligenceDevelopmentStudio
参考文献

3 分形理论
3．1 分形理论简介
3．1．1 简单分形
3．1．2 多重分形
3．2 发展历程
3．3 分形理论的应用
参考文献

4 客户分类理论
4．1 客户价值内涵
4．1．1 客户让渡价值理论
4．1．2 客户生命周期价值理论
4．2 基于客户行为的客户分类
4．2．1 RFM模型
4．2．2 修正的RFM模型
4．3 基于客户生命周期的客户分类
4．3．1 忠诚度阶梯分类法
4．3．2 依据客户关系的不同阶段进行客户分类
4．4 基于客户价值的客户分类
4．4．1 定量分类方法研究
4．4．2 定性分类方法研究
4．5 客户忠诚度
4．5．1 客户忠诚度概念
4．5．2 客户忠诚度维度结构
参考文献

5 虚拟商店理论
5．1 虚拟商店
5．1．1 虚拟商店的概念和内涵
5．1．2 虚拟商店的特点
5．1．3 虚拟商店销售的创新点
5．1．4 虚拟商店的基础环境
5．1．5 虚拟商店的客户培养
5．2 网络经济
5．2．1 网络经济的内涵及其形成
5．2．2 网络经济的特征与影响因素
5．3 绩效评价理论基础
5．3．1 资源理论
5．3．2 生命周期理论
5．3．3 战略适应理论
5．3．4 激励理论
参考文献

6 数据挖掘在客户分类中的应用
6．1 引言
6．1．1 传统的客户分类理论
6．1．2 基于客户行为的客户分类
6．1．3 基于客户生命周期的客户分类
6．1．4 基于客户生命周期价值的客户分类
6．2 模型构建
6．2．1 当前价值的计算
6．2．2 潜在价值的计算
6．2．3 客户忠诚度的计量
6．2．4 数据挖掘流程
6．3 实证研究
6．3．1 数据来源
6．3．2 模型建立
6．3．3 模型训练
6．3．4 模型预测
6．4 客户分类结果
6．4．1 客户现有价值的评价
6．4．2 客户潜在价值的评价
6．4．3 客户忠诚度的评价
6．4．4 客户分类结果
6．5 市场策略
参考文献

7 分形理论在虚拟商店评价中的应用
7．1 引言
7．2 相关理论概述
7．2．1 绩效评价的内涵
7．2．2 虚拟商店绩效评价要素
7．2．3 虚拟商店绩效评价的目的
7．2．4 虚拟商店绩效评价的影响因素
7．2．5 虚拟商店绩效评价指标选取原则
7．3 虚拟商店评价指标的构建
7．3．1 虚拟商店绩效评价内容
7．3．2 虚拟商店绩效评价指标体系
7．4 虚拟商店绩效分形评价模型
7．4．1 评价方法的确定
7．4．2 模型设计
7．4．3 子指标数据的标准化
7．4．4 子指标的相关性分析
7．4．5 分形评价
7．5 实证分析
7．5．1 案例背景
7．5．2 MATLAB软件简介
7．5．3 实证结果
参考文献

8 基于熵一灰色关联度电子商务网站评价研究
8．1 引言
8．2 电子商务网站评价指标体系的构建
8．2．1 内容指标
8．2．2 商业指标
8．3 电子商务网站评价方法
8．3．1 熵权法
8．3．2 灰色关联度分析
8．4 实证研究
8．5 结论
参考文献

9 基于生存分析的互联网用户在线时间实证研究
9．1 生存分析
9．1．1 基本函数
9．1．2 分析方法
9．2 数据来源与处理
9．2．1 数据来源
9．2．2 流失条件界定与生存时间计算
9．3 应用实例
9．3．1 生存时间分布
9．3．2 分组对比分析
9．4 影响因素分析
9．5 结论
参考文献

附录A 客户忠诚度预测测试数据集
附录B 网民／专家调查问卷