连锁商业客户关系管理

第1章 绪论
1.1 连锁商业企业客户关系管理的研究背景
1.1.1 行业背景
1.1.2 理论背景

1.2 研究CRM的意义
1.2.1 连锁商业企业CRM研究的必要性
1.2.2 连锁商业企业CRM实施的必要性

1.3 连锁商业企业CRM的界定
1.3.1 连锁商业企业CRM的概念和内涵
1.3.2 连锁商业企业CRM分析

1.4 研究思路

第2章 客户关系管理理论的研究现状
2.1 客户关系管理研究综述
2.1.1 客户关系管理的概念和内涵
2.1.2 客户关系管理系统的功能与分类
2.1.3 客户关系管理的发展趋势
2.1.4 客户关系管理的应用与市场前景

2.2 数据挖掘理论
2.2.1 数据挖掘的基本原理
2.2.2 数据挖掘的基本步骤
2.2.3 数据挖掘的功能
2.2.4 经典数据挖掘方法综述

2.3 支持向量机理论
2.3.1 统计学习原理
2.3.2 支持向量机

2.4 BP神经网络与层次分析法
2.4.1 BP神经网络
2.4.2 层次分析法

2.5 贝叶斯网络理论
2.5.1 贝叶斯统计
2.5.2 贝叶斯网络
2.5.3 贝叶斯网络学习
2.5.4 贝叶斯网络(BNS)推理

2.6 网格技术
2.6.1 网格技术概述
2.6.2 GlobusToolkit4.0：OGMA的实现
2.6.3 数据挖掘应用中网格技术的研究

2.7 本章小结

第3章 连锁商业企业客户关系管理总体框架
3.1 面向连锁商业企业R—CRM的三维结构分析
3.1.1 R—CRM中的消费者分析
3.1.2 R—CRM中的供应商分析
3.1.3 连锁商业企业R—CRM的决策机制分析

3.2 面向连锁商业企业R—cRM的框架模型
3.2.1 基于商品驱动的R—CRM系统工作原理
3.2.2 R—CRM的系统框架
3.2.3 R—CRM框架模型的基本功能模块
3.2.4 R—CRM的协调机制分析

3.3 面向连锁商业企业R—CRM的结构指标分析
3.3.l面向连锁商业客户消费行为的分布式数据挖掘模型
3.3.2 基于SVM的客户分类分析
3.3.3 基于BP神经网络的供应商评价分析
3.3.4 基于贝叶斯的连锁商业企业CRM决策机制分析
3.3.5 基于地域因素的分布式决策树算法与其网格模型

3.4 连锁商业企业R—CRM实施的技术关键分析
3.4.1 数据仓库
3.4.2 分布式数据挖掘技术
3.4.3 数据分析与预测技术

3.5 本章小结

第4章 连锁商业客户消费行为的分布式数据挖掘模型
4.1 相关工作
4.1.1 连锁商业现状
4.1.2 基于数据挖掘的消费行为分析现状

4.2 面向连锁商业客户消费行为的分布式数据挖掘模型
4.2.1 连锁商业客户消费行为
4.2.2 分布式数据挖掘模型DDMM的主题指标
4.2.3 分布式数据挖掘模型DDMM的关键技术
4.2.4 基于约束的分布式关联规则DARMAIF算法的研究
4.2.5 改进型分布式神经网络IDNNA算法的研究

4.3 分布式数据挖掘模型DDMM实验与应用分析
4.3.1 系统概述
4.3.2 DDMM模型的应用
4.3.3 应用结果分析

4.4 本章小节

第5章 连锁商业企业客户分类
第6章 连锁商业企业供应商评价
第7章 连锁商业企业客户关系管理决策机制
第8章 基于地域因素的分布式决策树算法与其网格模型
第9章 支持连锁商业企业客户关系管理的原型系统
第10章 总结与展望
参考文献