版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、隨著信息時(shí)代和經(jīng)濟(jì)全球化的到來,信息量如日劇增,企業(yè)之間的競爭也越來越激烈。企業(yè)如何在如此激烈的市場競爭中占有一席之地,如何有效地保留客戶、減少客戶的流失呢?這些都是眾多企業(yè)最關(guān)心的問題。企業(yè)與企業(yè)之間的競爭已經(jīng)逐漸演變成為爭奪客戶的競爭。如今,客戶是上帝的口號隨處可見。如何爭取到更多忠誠的客戶成為企業(yè)夢寐以求的目標(biāo)。在此背景下,研究和探討“基于K-means聚類的企業(yè)客戶價(jià)值分析”將有著深刻的現(xiàn)實(shí)意義。
本論文深入地研究分析
2、了客戶價(jià)值理論以及前人對客戶價(jià)值評價(jià)、分類模型的論述,通過比對優(yōu)劣,指出了其中不足。在深入剖析目前客戶價(jià)值分類方法的基礎(chǔ)上,通過引進(jìn)數(shù)據(jù)挖掘技術(shù),提出了基于K-means聚類分析的客戶價(jià)值模式,并以“層次分析法”作為體系指標(biāo)權(quán)重的分析方法,為企業(yè)識別價(jià)值客戶,以個性化營銷吸引客戶提供保障。最后,提出了如何在企業(yè)中以此客戶價(jià)值模式作指導(dǎo),更好地實(shí)施CRM,以協(xié)助企業(yè)提高整體企業(yè)競爭力。
本論文主要從以下幾個方面展開研究和探討:<
3、br> (1)對客戶價(jià)值的相關(guān)理論概念進(jìn)行了綜述。分別對CRM、數(shù)據(jù)挖掘、客戶價(jià)值分析理論做了詳細(xì)的闡述。
(2)指出了客戶價(jià)值分析的必要性,重點(diǎn)論述了客戶價(jià)值傳統(tǒng)分類方法,并指出其不足,之后引入數(shù)據(jù)挖掘聚類技術(shù),建立基于K-means聚類的客戶價(jià)值分類模型。
(3)建立客戶價(jià)值評價(jià)體系,運(yùn)用層次分析法分析各指標(biāo)權(quán)重,之后運(yùn)用K-means聚類對客戶價(jià)值進(jìn)行差異化分析,對客戶進(jìn)行分類。并分別對各類客戶的營銷策略加以
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于K-Means聚類算法的客戶細(xì)分研究.pdf
- 基于遺傳算法的K-means聚類算法分析研究.pdf
- 基于K-Means的文檔聚類算法研究.pdf
- k-means聚類算法分析應(yīng)用研究
- (6)K-means聚類算法.pdf
- K-means聚類算法的改進(jìn).pdf
- K-means聚類算法的改進(jìn)研究.pdf
- 基于K-means聚類的RCNA識別算法.pdf
- 基于K-means聚類算法的負(fù)荷模型研究.pdf
- 基于凝聚模糊K-means的聚類方法研究.pdf
- 基于聚類K-Means算法的分析與應(yīng)用研究.pdf
- K-means聚類優(yōu)化算法的研究.pdf
- 基于改進(jìn)K-means聚類的推薦方法研究.pdf
- K-means聚類算法研究及其應(yīng)用.pdf
- 基于K-means聚類的LEACH協(xié)議的改進(jìn)研究.pdf
- 密度敏感的K-means聚類算法研究.pdf
- 基于密度的改進(jìn)K-Means文本聚類算法研究.pdf
- 基于遺傳算法的K-MEANS聚類改進(jìn)研究.pdf
- 數(shù)據(jù)挖掘K-means聚類算法的研究.pdf
- K-Means聚類算法的研究與改進(jìn).pdf
評論
0/150
提交評論