基于K--MEANS聚类、关联模型的金融流失客户挖掘模型研究

目录

声明

摘要

1．绪论

1．1． 研究背景与问题提出

1．2． 本文的研究目的

1．3． 本文的研究意义

1．4．研究方法与路径

1．4．1．研究方法

1．4．2．研究路径图

1．5．研究内容与创新

1．5．1．本文的研究内窖

1．5．2．本文的创新点

2．相关理论与方法

2．1． 客户关系管理

2．1．1．客户关系管理的定义

2．1．2．客户关系管理的实现

2．1．3．客户关系管理系统的主体架构

2．2． 数据挖掘

2．2．1．数据挖掘的定义

2．2．2．数据挖掘的流程

2．2．3．数据挖掘的应用

2．3． 数据挖掘工具-R语言

2．3．1．R语言的概念与R工具特点

2．3．1．R工具的功能

2．4．1．K-MEANS聚类的定义

2．4．2．K-MEANS工作流程与开发流程

2．4．3．K-MEANS优缺点

2．5．1．关联规则的定义

2．5．2．关联规则的算法

2．5．3．Apriori先验算法

3．金融客户流失分析

3．1． 客户流失问题现状

3．2． 客户流失的类型

3．3．客户流失的主要因素

4．数据挖掘流失客户

4．1． 采集业务数据样本

4．1．1．数据描述

4．1．2．数据抽取规则

4．1．3．数据抽取操作

4．2． 数据清洗

4．2．1．数据清洗的意义与目标

4．2．2．数据清洗操作

4．3． 数据建模

4．3．1．基于K-means的数据建模

4．3．2．基于关联规则的数据建模

4．4． 建模结果

4．5． 预测评估

4．5．1．从流失客户数量上评估

4．5．2．从余额规模变化上评估

4．5．3．评估小结

5．1． 客户整体画像

5．2． 易流失客户营销策略

5．2．1．客户活动拓展方案

5．2．2．客户体验营销方案

5．2．3．制定流失预警模型的技术方案

5．2．4．其他类型的客户营销方案

6．结论与展望

6．1． 结论

6．2．研究展望

参考文献

个人简历、在学期间发表的学术论文与研究成果

致谢