连锁商业客户关系管理电子书籍txtpdf网盘下载网站

前言

　　随着信息技术的发展，经济全球化进程的加快，以沃尔玛（Wal一Mart）、家乐福（carrefour）、麦德龙（Metro）等为代表的国际大型连锁商业企业通过20世纪80年代的观望和探测，90年代的潜心“修炼”，已“水土渐服”，潮水般地抢滩中国商业市场。面对拥有雄厚资本与先进管理理念的大型外资连锁商业企业，我国连锁商业企业必须转变管理理念，只有实施以4C（Customet、Ct、Convenient、Communication）为中心的现代企业管理模式，通过对分布数据中有用的信息分析获取知识的决策模式来支持连锁商业企业经营决策并将零售业的“商品经营”演绎成“信息经营”的途径，才能提高我国商业企业自身竞争力和发展能力。其中，连锁商业企业客户关系管理CRM系统应用正是实现这一现代管理理念的关键基础之一。我国商业能深层次实施CRM的企业并不多，因此面向连锁商业企业客户关系管理R-CRM（Retail Customer RelatiotI Ship Management）模型与决策机制的研究具有重大的现实意义和广阔的发展前景。本书在国内外研究基础上，以连锁商业企业商品驱动、供需联动为主线，全面分析并建立了面向连锁商业企业的客户关系管理模型，并就此模型进行了深入分析和探讨。本书的主要研究内容包括以下几个方面。

内容概要

　　《连锁商业客户关系管理》在国内外研究基础上，以连锁零售企业商品驱动、供需联动为主线，全面分析并建立了面向连锁商业企业的客户关系管理框架与模型，实现对连锁商业企业的消费者分类、供应商优选和分布决策。连锁商业企业客户关系管理正是实现现代管理理念的基础关键之一。　　面对拥有雄厚资本与先进管理理念的大型外资连锁商业企业，我国连锁商业企业必须实施以4C为中心的现代企业管理模式，从分布数据中得到有用的信息、获取分析决策模式和知识，支持连锁商业企业经营决策，将零售业的“商品经营”演绎成“信息经营”，才能提高我国零售企业自身竞争力和发展能力。

书籍目录

第1章 绪论1*1 连锁商业企业客户关系管理的研究背景1*1*1 行业背景1*1*2 理论背景1*2 研究CRM的意义1*2*1 连锁商业企业CRM研究的必要性1*2*2 连锁商业企业CRM实施的必要性1*3 连锁商业企业CRM的界定1*3*1 连锁商业企业CRM的概念和内涵1*3*2 连锁商业企业CRM分析1*4 研究思路第2章 客户关系管理理论的研究现状2*1 客户关系管理研究综述2*1*1 客户关系管理的概念和内涵2*1*2 客户关系管理系统的功能与分类2*1*3 客户关系管理的发展趋势2*1*4 客户关系管理的应用与市场前景2*2 数据挖掘理论2*2*1 数据挖掘的基本原理2*2*2 数据挖掘的基本步骤2*2*3 数据挖掘的功能2*2*4 经典数据挖掘方法综述2*3 支持向量机理论2*3*1 统计学习原理2*3*2 支持向量机2*4 BP神经网络与层次分析法2*4*1 BP神经网络2*4*2 层次分析法2*5 贝叶斯网络理论2*5*1 贝叶斯统计2*5*2 贝叶斯网络2*5*3 贝叶斯网络学习2*5*4 贝叶斯网络（BNS）推理2*6 网格技术2*6*1 网格技术概述2*6*2 GlobusToolkit4*0：OGMA的实现2*6*3 数据挖掘应用中网格技术的研究2*7 本章小结第3章 连锁商业企业客户关系管理总体框架3*1 面向连锁商业企业R—CRM的三维结构分析3*1*1 R—CRM中的消费者分析3*1*2 R—CRM中的供应商分析3*1*3 连锁商业企业R—CRM的决策机制分析3*2 面向连锁商业企业R—cRM的框架模型3*2*1 基于商品驱动的R—CRM系统工作原理3*2*2 R—CRM的系统框架3*2*3 R—CRM框架模型的基本功能模块3*2*4 R—CRM的协调机制分析3*3 面向连锁商业企业R—CRM的结构指标分析3*3*l面向连锁商业客户消费行为的分布式数据挖掘模型3*3*2 基于SVM的客户分类分析3*3*3 基于BP神经网络的供应商评价分析3*3*4 基于贝叶斯的连锁商业企业CRM决策机制分析3*3*5 基于地域因素的分布式决策树算法与其网格模型3*4 连锁商业企业R—CRM实施的技术关键分析3*4*1 数据仓库3*4*2 分布式数据挖掘技术3*4*3 数据分析与预测技术3*5 本章小结第4章 连锁商业客户消费行为的分布式数据挖掘模型4*1 相关工作4*1*1 连锁商业现状4*1*2 基于数据挖掘的消费行为分析现状4*2 面向连锁商业客户消费行为的分布式数据挖掘模型4*2*1 连锁商业客户消费行为4*2*2 分布式数据挖掘模型DDMM的主题指标4*2*3 分布式数据挖掘模型DDMM的关键技术4*2*4 基于约束的分布式关联规则DARMAIF算法的研究4*2*5 改进型分布式神经网络IDNNA算法的研究4*3 分布式数据挖掘模型DDMM实验与应用分析4*3*1 系统概述4*3*2 DDMM模型的应用4*3*3 应用结果分析4*4 本章小节第5章 连锁商业企业客户分类第6章 连锁商业企业供应商评价第7章 连锁商业企业客户关系管理决策机制第8章 基于地域因素的分布式决策树算法与其网格模型第9章 支持连锁商业企业客户关系管理的原型系统第10章 总结与展望参考文献

章节摘录

　　例如，可以发现信用卡欺诈、数据异常等问题。在某些情况下异常点事件可能比正常事件的发现更有意义。　　偏差包括很多潜在的知识，如分类中的反常实例、不满足规则的特例、观测结果与模型预测值的偏差、量值随时间的变化等。偏差检测的基本方法是，寻找观测结果与参照值之间有意义的差别。　　2．2．4经典数据挖掘方法综述　　数据挖掘的关键步骤就是根据数据挖掘的任务选择合适的算法建立挖掘模型以获取知识，不同的挖掘算法对应于不同的模型和任务。一些经典的数据挖掘方法如下。　　（1）人工神经网络　　人工神经网络将每一个连接看作是一个处理单元，试图模拟人脑神经元的功能，通过从经验中学习，然后发现一组输人数据和一个结果间的未知联系。　　神经网络对解决复杂度问题提供了一种相对来说比较有效的简单方法，可以很容易地解决具有上百个参数的问题，很容易在并行计算机上实现，可以把它的节点分配到不同的CPU上并行计算。但神经网络方法也有一些缺点，主要表现在以下几个方面。　　①神经网络很难解释，目前还没有能对神经网络做出显而易见解释的方法学。　　②神经网络会过度学习，在训练神经网络时一定要恰当地使用一些能严格衡量神经网络的方法，如测试集方法和交叉验证法等。这主要是由于神经网络太灵活、可变参数太多，如果给足够的时间，它几乎可以“记住”任何事情。

图书封面

评论、评分、阅读与下载

---

    连锁商业客户关系管理 PDF格式

---