第1章 绪论 1
1.1 连锁商业企业客户关系管理的研究背景 2
1.1.1 行业背景 2
1.1.2 理论背景 5
1.2 研究CRM的意义 6
1.2.1 连锁商业企业CRM研究的必要性 7
1.2.2 连锁商业企业CRM实施的必要性 8
1.3 连锁商业企业CRM的界定 10
1.3.1 连锁商业企业CRM的概念和内涵 10
1.3.2 连锁商业企业 CRM分析 11
1.4 研究思路 12
第2章 客户关系管理理论的研究现状 15
2.1 客户关系管理研究综述 16
2.1.1 客户关系管理的概念和内涵 16
2.1.2 客户关系管理系统的功能与分类 17
2.1.3 客户关系管理的发展趋势 19
2.1.4 客户关系管理的应用与市场前景 20
2.2 数据挖掘理论 21
2.2.1 数据挖掘的基本原理 21
2.2.2 数据挖掘的基本步骤 22
2.2.3 数据挖掘的功能 25
2.2.4 经典数据挖掘方法综述 28
2.3 支持向量机理论 31
2.3.1 统计学习原理 31
2.3.2 支持向量机 36
2.4 BP神经网络与层次分析法 41
2.4.1 BP神经网络 41
2.4.2 层次分析法 44
2.5 贝叶斯网络理论 47
2.5.1 贝叶斯统计 47
2.5.2 贝叶斯网络 48
2.5.3 贝叶斯网络学习 50
2.5.4 贝叶斯网络BNs推理 54
2.6 网格技术 55
2.6.1 网格技术概述 55
2.6.2 Globus Toolkit 4.0：OGMA的实现 61
2.6.3 数据挖掘应用中网格技术的研究 65
2.7 本章小结 68
第3章 连锁商业企业客户关系管理总体框架 69
3.1 面向连锁商业企业R-CRM的三维结构分析 70
3.1.1 R-CRM中的消费者分析 72
3.1.2 R一CRM中的供应商分析 76
3.1.3 连锁商业企业R-CRM的决策机制分析 77
3.2 面向连锁商业企业R-CRM的框架模型 78
3.2.1 基于商品驱动的R-CRM系统工作原理 79
3.2.2 R-CRM的系统框架 81
3.2.3 R-CRM框架模型的基本功能模块 82
3.2.4 R-CRM的协调机制分析 84
3.3 面向连锁商业企业R-CRM的结构指标分析 85
3.3.1 面向连锁商业客户消费行为的分布式数据挖掘模型 86
3.3.2 基于SVM的客户分类分析 86
3.3.3 基于BP神经网络的供应商评价分析 87
3.3.4 基于贝叶斯的连锁商业企业CRM决策机制分析 87
3.3.5 基于地域因素的分布式决策树算法与其网格模型 88
3.4 连锁商业企业R-CRM实施的技术关键分析 88
3.4.1 数据仓库 88
3.4.2 分布式数据挖掘技术 92
3.4.3 数据分析与预测技术 93
3.5 本章小结 93
第4章 连锁商业客户消费行为的分布式数据挖掘模型 95
4.1 相关工作 96
4.1.1 连锁商业现状 96
4.1.2 基于数据挖掘的消费行为分析现状 98
4.2 面向连锁商业客户消费行为的分布式数据挖掘模型 102
4.2.1 连锁商业客户消费行为 103
4.2.2 分布式数据挖掘模型DDMM的主题指标 109
4.2.3 分布式数据挖掘模型DDMM的关键技术 113
4.2.4 基于约束的分布式关联规则DARMAIF算法的研究 130
4.2.5 改进型分布式神经网络IDNNA算法的研究 143
4.3 分布式数据挖掘模型DDMM实验与应用分析 149
4.3.1 系统概述 149
4.3.2 DDMM模型的应用 154
4.3.3 应用结果分析 161
4.4 本章小节 168
第5章 连锁商业企业客户分类 170
5.1 问题的提出 171
5.2 基于SVM的连锁商业企业客户动态分类模型 174
5.2.1 连锁商业企业客户多类分类问题描述 174
5.2.2 云模型 177
5.2.3 改进的序贯最小优化SMO算法 179
5.2.4 SVMDT方法 181
5.2.5 基于SVM的连锁商业企业客户动态分类模型R-DCSS 183
5.3 实验 186
5.3.1 实验数据准备 186
5.3.2 实验结果分析 189
5.4 本章小结 192
第6章 连锁商业企业供应商评价 193
6.1 连锁商业企业供应商评价的意义 194
6.2 连锁商业企业供应商评价优化研究现状分析 195
6.3 连锁商业企业供应商评价选择与优化问题描述 197
6.4 基于BP神经网络的多目标供应商模糊优选模型 201
6.4.1 连锁商业企业供应商评价指标体系 201
6.4.2 基于BP神经网络的多目标供应商模糊优选模型及评价步骤 203
6.5 算例 206
6.5.1 数据采集与处理 206
6.5.2 样本学习 208
6.5.3 模型的验证与结果分析 212
6.6 本章小结 214
第7章 连锁商业企业客户关系管理决策机制 215
7.1 连锁商业企业分布式决策的意义与现状 216
7.2 贝叶斯网络特点 218
7.3 贝叶斯网络在连锁商业企业的分布式决策中的应用研究分析 219
7.4 基于BNs的分布式迭代决策模型 220
7.4.1 分布环境下的集成决策思想 220
7.4.2 基于priDAG的分布式BNs迭代决策模型R-BNs 226
7.5 实验与分析评价 232
7.5.1 贝叶斯网络构建 232
7.5.2 贝叶斯网络推理 235
7.5.3 结果分析 237
7.6 本章小结 242
第8章 基于地域因素的分布式决策树算法与其网格模型 243
8.1 基于地域因素的分布式数据挖掘的意义 244
8.2 国内外研究现状 246
8.2.1 决策树的研究 247
8.2.2 网格技术的研究 247
8.2.3 分布式数据挖掘技术的研究 248
8.2.4 网格技术在数据挖掘技术应用方面的研究 248
8.3 主要内容及创新点 250
8.4 基于地域因素的分布式决策树算法ZDT研究 252
8.4.1 面向连锁商业企业的分布式数据挖掘模型 253
8.4.2 ZDT构思与基本概念 256
8.4.3 基于地域因素的决策树算法ZDT 261
8.5 基于网格技术的ZDM模型研究与实现 273
8.5.1 GZDM模型概述 274
8.5.2 GZDM模型结构 275
8.5.3 GZDM系统实现 282
8.6 实验与分析评价 291
8.6.1 开发与运行环境 292
8.6.2 实验运行 293
8.6.3 结果分析 305
8.7 本章小结 310
第9章 支持连锁商业企业客户关系管理的原型系统 312
9.1 概述 313
9.2 银泰百货集团HZ-RCRM系统的体系结构与实现技术 317
9.2.1 体系结构 317
9.2.2 业务逻辑服务层设计 319
9.2.3 用户界面层设计 319
9.3 HZ-RCRM的主要功能 320
9.3.1 面向银泰HZ-RCRM的消费者分析 320
9.3.2 面向银泰HZ-RCRM的供应商评价选择 322
9.3.3 面向银泰HZ-RCRM的分布式决策 323
9.4 基于知识管理的柔性数据迁移软件 325
9.4.1 数据迁移系统的架构与功能 326
9.4.2 数据迁移系统的关键技术研究 332
9.5 连锁商业企业客户服务及交互式信息服务平台 345
9.5.1 客户服务及交互式信息服务平台概述 345
9.5.2 客户服务及交互式信息服务平台的关键技术 346
9.6 连锁商业企业客户关系管理与协同商务决策系统 352
9.6.1 连锁商业企业客户关系管理与协同商务决策系统概述 352
9.6.2 连锁商业企业客户关系管理与协同商务决策系统研究内容 353
9.6.3 连锁商业企业客户关系管理与协同商务决策系统的架构与功能 354
9.6.4 连锁商业企业客户关系管理与协同商务决策系统使用说明 371
9.7 本章小结 390
第10章 总结与展望 391
10.1 总结 391
10.2 展望 393
参考文献 395