支持金融產品交叉營銷的數(shù)據(jù)挖掘研究.pdf_第1頁
已閱讀1頁,還剩87頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、當今,國內外金融企業(yè)為了取得更大的競爭優(yōu)勢,正在將市場營銷理念從“產品導向”轉變?yōu)椤翱蛻魧颉?。交叉營銷可通過向客戶提供一整套產品或者服務的解決方案,達到降低營銷成本、擴大銷售業(yè)績、增加企業(yè)利潤、增強客戶的忠誠度的目的,因此成為近年來國內外很多學者研究的熱點之一。但是,由于金融領域的數(shù)據(jù)分析具有量大、不確定性因素多等特點,導致當前的交叉營銷大多是在缺乏對客戶和產品的科學分析的情況下開展的,制定的交叉營銷方案假設條件較多,沒有針對性,效率

2、比較低,實際應用價值不高。
   作者認為要進行有效的交叉營銷,客戶細分和產品關聯(lián)分析是兩個重要的環(huán)節(jié)。通過對客戶的科學分類,可以分析各種類型客戶的消費特點,形成針對客戶群的營銷策略,奠定交叉營銷的基礎;通過產品關聯(lián)分析,可以明確各類產品的潛在聯(lián)系,結合客戶的歷史交易記錄,可以形成產品組合交叉營銷方案。進一步將客戶聚類分析和產品關聯(lián)分析相結合,可以形成個性化的、實用高效的交叉營銷方案。
   本文首先介紹了數(shù)據(jù)挖掘技術的

3、理論基礎,并闡述了該技術在金融領域中的研究和應用的現(xiàn)狀,分析了存在的不足之處;在比較多種常用算法的基礎上,選擇K-means算法建立了客戶細分模型,選擇優(yōu)化的關聯(lián)規(guī)則Apriori算法建立了產品關聯(lián)模型。為了保障客戶細分模型產生的聚類結果的穩(wěn)定性、合理性以及提高算法本身的執(zhí)行效率,采用了Dan Pelleg和Andrew Moore對K-means算法的改進方法;接著將兩個模型有效結合,構建了一個支持交叉營銷的數(shù)據(jù)挖掘模型,提出了支持金

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論