第1章 绪论 1
1.1社交网络的概念 1
1.2社交网络对企业管理决策的影响 1
1.3企业社交网络 2
1.4本书的结构 3
第2章 基于在线社交网络的客户终身价值决策 5
2.1引言 5
2.2基本概念 6
2.2.1客户终身价值定义 6
2.2.2终身价值计算公式 7
2.2.3 CLV建模方法 8
2.3基于RFM模型的客户终身价值研究 13
2.3.1基于RFM模型的客户终身价值分析 13
2.3.2实证研究 15
2.3.3总结 23
2.4基于评论行为的客户购买次数预测 24
2.4.1 Logit回归模型预测客户购买流失 24
2.4.2 Pareto/NBD模型预测客户购买次数 34
2.4.3 Pareto/NBD改进模型 41
2.5基于购买行为的客户评论次数预测 44
2.5.1 Logit回归模型预测客户评论流失 45
2.5.2 Pareto/NBD模型预测客户评论次数 53
2.5.3 Pareto/NBD改进模型 58
2.6客户消费金额及终身价值研究 60
2.6.1 Gamma-Gamma模型 61
2.6.2实证研究 64
2.7客户终身价值研究 68
2.7.1模型构建 68
2.7.2相关性检验 70
2.7.3实证研究 70
2.8本章总结 73
2.8.1主要贡献 73
2.8.2研究不足 74
2.8.3未来研究方向 74
第3章 基于企业社交网络的员工潜力研究 75
3.1员工潜力相关概念、模型及测试方法 76
3.1.1员工潜力概念 76
3.1.2员工潜力的冰山模型 76
3.1.3员工潜力的传统测量方法 77
3.2基于社交网络分析的员工潜力模型构建 79
3.2.1潜力员工评价标准 79
3.2.2基于企业社交网络的员工潜力定义及评价指标 80
3.2.3指标体系的建立 80
3.2.4各评价指标的含义及量化 82
3.3评估指标权重的确定 83
3.3.1问卷调查 83
3.3.2专家评分 84
3.3.3员工访谈 85
3.3.4权重确定 86
3.4数据处理及模型验证 87
3.4.1数据来源 87
3.4.2数据收集及调研 88
3.5数据描述与处理 89
3.5.1社交网络数据 89
3.5.2员工特征数据 91
3.5.3员工潜力值数据 93
3.6变量定义 95
3.6.1员工绩效 95
3.6.2员工离职 95
3.7员工潜力测量模型验证 96
3.7.1样本员工潜力值分布统计 96
3.7.2员工潜力测量模型验证 97
3.8人口统计学特征与员工潜力分析 101
3.8.1性别对员工潜力的影响 101
3.8.2年龄对员工潜力的影响 101
3.8.3学历对员工潜力的影响 102
3.9员工潜力相关性分析 103
3.9.1员工潜力与员工流失相关性分析 103
3.9.2员工潜力与员工绩效相关性分析 104
3.10结论及展望 105
3.10.1研究结论 105
3.10.2不足及展望 105
第4章 面向企业社交网络的员工绩效研究 107
4.1社会资本及员工绩效的相关概念 107
4.1.1社会资本的概念 107
4.1.2社会资本的测量 108
4.1.3社会资本相关理论 109
4.1.4员工绩效的概念及相关理论 111
4.1.5员工流失的概念 112
4.1.6概念及基本理论研究述评 114
4.2企业社交网络价值创造机制研究 115
4.2.1企业社交网络与个人社会资本 115
4.2.2个人社会资本与员工绩效 116
4.2.3个人社会资本与员工流失 117
4.2.4企业社交网络价值创造机制概念模型 120
4.3数据来源与处理 121
4.3.1数据来源 121
4.3.2数据处理 123
4.3.3社交网络结构特征数据 123
4.3.4社会资本数据 125
4.3.5员工幸福感数据 125
4.3.6数据二次处理 126
4.3.7数据描述性统计 127
4.4利用STATA软件进行假设检验 129
4.4.1员工社交网络行为带来的社会资本累积 129
4.4.2员工流失模型 133
4.4.3员工绩效模型 137
4.5分层贝叶斯建模假设检验 142
4.5.1员工流失模型 142
4.5.2员工绩效模型 147
4.5.3两种方法的对比分析 149
4.6结论与展望 150
4.6.1结论 150
4.6.2研究局限及未来展望 152
第5章 基于在线评论分析的产品创新管理决策 154
5.1相关术语界定 155
5.2在线评论文本处理 156
5.2.1数据爬取和去重去噪 157
5.2.2产品特征词库构建 157
5.2.3主题模型构建和情感分析 161
5.2.4模型性能测试结果 163
5.3在线评论有用性分析 164
5.3.1样本有用性人工标记 164
5.3.2评论样本选取 165
5.3.3问卷实施与结果分析 167
5.4评论有用性模型的自变量提取 168
5.4.1自变量体系的确定 168
5.4.2本文构建的评论有用性模型自变量体系 168
5.4.3自变量提取的智能化实现 171
5.4.4数据有用性处理实现的流程图 172
5.5有用性模型训练及预测 175
5.5.1有用性模型训练 176
5.5.2评论有用性预测 179
5.6需求权重分析与产品改进 180
5.6.1需求权重分析方法 180
5.6.2基于KANO模型的产品改进 186
5.7产品改进建议 188
5.8基于产品在线声誉测度的竞品分析 189
5.8.1在线声誉的概念 189
5.8.2在线声誉的测度 190
5.8.3产品在线声誉的测度 200
第6章 在线社交网络的数据采集及处理 203
6.1社交网络数据采集方法 203
6.1.1社交网络数据采集的总体方法 203
6.1.2网络爬虫基本原理 204
6.2数据采集开源工具 206
6.2.1 Gooseeker介绍 206
6.2.2 Scrapy 208
6.2.3 JSpider 210
6.3一种基于AJ AX技术爬虫软件的实现 211
6.3.1 AJAX网页技术的特点 211
6.3.2 AJAX爬虫的技术难点及设计考虑 212
6.3.3基于AJAX爬虫系统的总体结构设计 216
6.3.4爬虫实现的具体流程 218
6.3.5动态网页数据采集案例 219
6.4采集后数据的存储 222
6.4.1分析HTML页面 222
6.4.2编写代码抽取信息 223
6.5原始数据的去重处理 224
6.5.1文本去重算法 224
6.5.2数据去重的实现步骤 226
6.6原始数据的去脏处理 229
6.6.1建立涉脏涉性词库 230
6.6.2去脏流程 231
6.7去除微博中的广告 231
6.7.1微博中广告格式分析 231
6.7.2去广告步骤 232
6.8文本数据的特征提取 234
6.8.1事件时间信息抽取 235
6.8.2事件后果信息抽取 236
6.8.3事件触发词及命名实体抽取 241
参考文献 243