連鎖商業(yè)客戶關(guān)系管理

前言

　　隨著信息技術(shù)的發(fā)展，經(jīng)濟(jì)全球化進(jìn)程的加快，以沃爾瑪（Wal一Mart）、家樂福（carrefour）、麥德龍（Metro）等為代表的國際大型連鎖商業(yè)企業(yè)通過20世紀(jì)80年代的觀望和探測(cè)，90年代的潛心“修煉”，已“水土漸服”，潮水般地?fù)尀┲袊虡I(yè)市場。面對(duì)擁有雄厚資本與先進(jìn)管理理念的大型外資連鎖商業(yè)企業(yè)，我國連鎖商業(yè)企業(yè)必須轉(zhuǎn)變管理理念，只有實(shí)施以4C（Customet、Cost、Convenient、Communication）為中心的現(xiàn)代企業(yè)管理模式，通過對(duì)分布數(shù)據(jù)中有用的信息分析獲取知識(shí)的決策模式來支持連鎖商業(yè)企業(yè)經(jīng)營決策并將零售業(yè)的“商品經(jīng)營”演繹成“信息經(jīng)營”的途徑，才能提高我國商業(yè)企業(yè)自身競爭力和發(fā)展能力。其中，連鎖商業(yè)企業(yè)客戶關(guān)系管理CRM系統(tǒng)應(yīng)用正是實(shí)現(xiàn)這一現(xiàn)代管理理念的關(guān)鍵基礎(chǔ)之一。我國商業(yè)能深層次實(shí)施CRM的企業(yè)并不多，因此面向連鎖商業(yè)企業(yè)客戶關(guān)系管理R-CRM（Retail Customer RelatiotI Ship Management）模型與決策機(jī)制的研究具有重大的現(xiàn)實(shí)意義和廣闊的發(fā)展前景。本書在國內(nèi)外研究基礎(chǔ)上，以連鎖商業(yè)企業(yè)商品驅(qū)動(dòng)、供需聯(lián)動(dòng)為主線，全面分析并建立了面向連鎖商業(yè)企業(yè)的客戶關(guān)系管理模型，并就此模型進(jìn)行了深入分析和探討。本書的主要研究內(nèi)容包括以下幾個(gè)方面。

內(nèi)容概要

　　《連鎖商業(yè)客戶關(guān)系管理》在國內(nèi)外研究基礎(chǔ)上，以連鎖零售企業(yè)商品驅(qū)動(dòng)、供需聯(lián)動(dòng)為主線，全面分析并建立了面向連鎖商業(yè)企業(yè)的客戶關(guān)系管理框架與模型，實(shí)現(xiàn)對(duì)連鎖商業(yè)企業(yè)的消費(fèi)者分類、供應(yīng)商優(yōu)選和分布決策。連鎖商業(yè)企業(yè)客戶關(guān)系管理正是實(shí)現(xiàn)現(xiàn)代管理理念的基礎(chǔ)關(guān)鍵之一?！　∶鎸?duì)擁有雄厚資本與先進(jìn)管理理念的大型外資連鎖商業(yè)企業(yè)，我國連鎖商業(yè)企業(yè)必須實(shí)施以4C為中心的現(xiàn)代企業(yè)管理模式，從分布數(shù)據(jù)中得到有用的信息、獲取分析決策模式和知識(shí)，支持連鎖商業(yè)企業(yè)經(jīng)營決策，將零售業(yè)的“商品經(jīng)營”演繹成“信息經(jīng)營”，才能提高我國零售企業(yè)自身競爭力和發(fā)展能力。

書籍目錄

第1章 緒論1.1 連鎖商業(yè)企業(yè)客戶關(guān)系管理的研究背景1.1.1 行業(yè)背景1.1.2 理論背景1.2 研究CRM的意義1.2.1 連鎖商業(yè)企業(yè)CRM研究的必要性1.2.2 連鎖商業(yè)企業(yè)CRM實(shí)施的必要性1.3 連鎖商業(yè)企業(yè)CRM的界定1.3.1 連鎖商業(yè)企業(yè)CRM的概念和內(nèi)涵1.3.2 連鎖商業(yè)企業(yè)CRM分析1.4 研究思路第2章 客戶關(guān)系管理理論的研究現(xiàn)狀2.1 客戶關(guān)系管理研究綜述2.1.1 客戶關(guān)系管理的概念和內(nèi)涵2.1.2 客戶關(guān)系管理系統(tǒng)的功能與分類2.1.3 客戶關(guān)系管理的發(fā)展趨勢(shì)2.1.4 客戶關(guān)系管理的應(yīng)用與市場前景2.2 數(shù)據(jù)挖掘理論2.2.1 數(shù)據(jù)挖掘的基本原理2.2.2 數(shù)據(jù)挖掘的基本步驟2.2.3 數(shù)據(jù)挖掘的功能2.2.4 經(jīng)典數(shù)據(jù)挖掘方法綜述2.3 支持向量機(jī)理論2.3.1 統(tǒng)計(jì)學(xué)習(xí)原理2.3.2 支持向量機(jī)2.4 BP神經(jīng)網(wǎng)絡(luò)與層次分析法2.4.1 BP神經(jīng)網(wǎng)絡(luò)2.4.2 層次分析法2.5 貝葉斯網(wǎng)絡(luò)理論2.5.1 貝葉斯統(tǒng)計(jì)2.5.2 貝葉斯網(wǎng)絡(luò)2.5.3 貝葉斯網(wǎng)絡(luò)學(xué)習(xí)2.5.4 貝葉斯網(wǎng)絡(luò)（BNS）推理2.6 網(wǎng)格技術(shù)2.6.1 網(wǎng)格技術(shù)概述2.6.2 GlobusToolkit4.0：OGMA的實(shí)現(xiàn)2.6.3 數(shù)據(jù)挖掘應(yīng)用中網(wǎng)格技術(shù)的研究2.7 本章小結(jié)第3章 連鎖商業(yè)企業(yè)客戶關(guān)系管理總體框架3.1 面向連鎖商業(yè)企業(yè)R—CRM的三維結(jié)構(gòu)分析3.1.1 R—CRM中的消費(fèi)者分析3.1.2 R—CRM中的供應(yīng)商分析3.1.3 連鎖商業(yè)企業(yè)R—CRM的決策機(jī)制分析3.2 面向連鎖商業(yè)企業(yè)R—cRM的框架模型3.2.1 基于商品驅(qū)動(dòng)的R—CRM系統(tǒng)工作原理3.2.2 R—CRM的系統(tǒng)框架3.2.3 R—CRM框架模型的基本功能模塊3.2.4 R—CRM的協(xié)調(diào)機(jī)制分析3.3 面向連鎖商業(yè)企業(yè)R—CRM的結(jié)構(gòu)指標(biāo)分析3.3.l面向連鎖商業(yè)客戶消費(fèi)行為的分布式數(shù)據(jù)挖掘模型3.3.2 基于SVM的客戶分類分析3.3.3 基于BP神經(jīng)網(wǎng)絡(luò)的供應(yīng)商評(píng)價(jià)分析3.3.4 基于貝葉斯的連鎖商業(yè)企業(yè)CRM決策機(jī)制分析3.3.5 基于地域因素的分布式?jīng)Q策樹算法與其網(wǎng)格模型3.4 連鎖商業(yè)企業(yè)R—CRM實(shí)施的技術(shù)關(guān)鍵分析3.4.1 數(shù)據(jù)倉庫3.4.2 分布式數(shù)據(jù)挖掘技術(shù)3.4.3 數(shù)據(jù)分析與預(yù)測(cè)技術(shù)3.5 本章小結(jié)第4章 連鎖商業(yè)客戶消費(fèi)行為的分布式數(shù)據(jù)挖掘模型4.1 相關(guān)工作4.1.1 連鎖商業(yè)現(xiàn)狀4.1.2 基于數(shù)據(jù)挖掘的消費(fèi)行為分析現(xiàn)狀4.2 面向連鎖商業(yè)客戶消費(fèi)行為的分布式數(shù)據(jù)挖掘模型4.2.1 連鎖商業(yè)客戶消費(fèi)行為4.2.2 分布式數(shù)據(jù)挖掘模型DDMM的主題指標(biāo)4.2.3 分布式數(shù)據(jù)挖掘模型DDMM的關(guān)鍵技術(shù)4.2.4 基于約束的分布式關(guān)聯(lián)規(guī)則DARMAIF算法的研究4.2.5 改進(jìn)型分布式神經(jīng)網(wǎng)絡(luò)IDNNA算法的研究4.3 分布式數(shù)據(jù)挖掘模型DDMM實(shí)驗(yàn)與應(yīng)用分析4.3.1 系統(tǒng)概述4.3.2 DDMM模型的應(yīng)用4.3.3 應(yīng)用結(jié)果分析4.4 本章小節(jié)第5章 連鎖商業(yè)企業(yè)客戶分類第6章 連鎖商業(yè)企業(yè)供應(yīng)商評(píng)價(jià)第7章 連鎖商業(yè)企業(yè)客戶關(guān)系管理決策機(jī)制第8章 基于地域因素的分布式?jīng)Q策樹算法與其網(wǎng)格模型第9章 支持連鎖商業(yè)企業(yè)客戶關(guān)系管理的原型系統(tǒng)第10章 總結(jié)與展望參考文獻(xiàn)

章節(jié)摘錄

　　例如，可以發(fā)現(xiàn)信用卡欺詐、數(shù)據(jù)異常等問題。在某些情況下異常點(diǎn)事件可能比正常事件的發(fā)現(xiàn)更有意義?！　∑畎ê芏酀撛诘闹R(shí)，如分類中的反常實(shí)例、不滿足規(guī)則的特例、觀測(cè)結(jié)果與模型預(yù)測(cè)值的偏差、量值隨時(shí)間的變化等。偏差檢測(cè)的基本方法是，尋找觀測(cè)結(jié)果與參照值之間有意義的差別。　　2．2．4經(jīng)典數(shù)據(jù)挖掘方法綜述　　數(shù)據(jù)挖掘的關(guān)鍵步驟就是根據(jù)數(shù)據(jù)挖掘的任務(wù)選擇合適的算法建立挖掘模型以獲取知識(shí)，不同的挖掘算法對(duì)應(yīng)于不同的模型和任務(wù)。一些經(jīng)典的數(shù)據(jù)挖掘方法如下?！　。?）人工神經(jīng)網(wǎng)絡(luò)　　人工神經(jīng)網(wǎng)絡(luò)將每一個(gè)連接看作是一個(gè)處理單元，試圖模擬人腦神經(jīng)元的功能，通過從經(jīng)驗(yàn)中學(xué)習(xí)，然后發(fā)現(xiàn)一組輸人數(shù)據(jù)和一個(gè)結(jié)果間的未知聯(lián)系?！　∩窠?jīng)網(wǎng)絡(luò)對(duì)解決復(fù)雜度問題提供了一種相對(duì)來說比較有效的簡單方法，可以很容易地解決具有上百個(gè)參數(shù)的問題，很容易在并行計(jì)算機(jī)上實(shí)現(xiàn)，可以把它的節(jié)點(diǎn)分配到不同的CPU上并行計(jì)算。但神經(jīng)網(wǎng)絡(luò)方法也有一些缺點(diǎn)，主要表現(xiàn)在以下幾個(gè)方面?！　、偕窠?jīng)網(wǎng)絡(luò)很難解釋，目前還沒有能對(duì)神經(jīng)網(wǎng)絡(luò)做出顯而易見解釋的方法學(xué)。　?、谏窠?jīng)網(wǎng)絡(luò)會(huì)過度學(xué)習(xí)，在訓(xùn)練神經(jīng)網(wǎng)絡(luò)時(shí)一定要恰當(dāng)?shù)厥褂靡恍┠車?yán)格衡量神經(jīng)網(wǎng)絡(luò)的方法，如測(cè)試集方法和交叉驗(yàn)證法等。這主要是由于神經(jīng)網(wǎng)絡(luò)太靈活、可變參數(shù)太多，如果給足夠的時(shí)間，它幾乎可以“記住”任何事情。

圖書封面

評(píng)論、評(píng)分、閱讀與下載

---

    連鎖商業(yè)客戶關(guān)系管理 PDF格式下載

---