基于客户价值分析的汽车维修客户服务系统研究与开发
发布时间：2021-03-13 04:25
在经济全球化、客户需求个性化快速发展的阶段,通过技术手段满足客户的个性化需求,对于提高企业的盈利能力、提升企业自身价值具有重要的作用。对企业来说,采用科学的方法识别客户价值、对客户进行精准定位,是实现个性化服务的关键。论文以汽车维修服务业为研究对象,建立了客户价值分析模型,应用大数据挖掘技术对客户价值进行聚类分析,从客户数据中挖掘出对经营决策有价值的知识和规律,帮助汽车维修企业提升对客服务质量,提高企业竞争力。论文的主要工作和创新点体现在:（1）分析了传统RFM客户价值分析模型（Recency Frequency and Monecy value,RFM）存在的缺陷,建立了一个RFM’IA（Recency Frequency Improved Monecy Introduce and Attention value,RFM’IA）客户价值分析模型,给出了模型中各个指标的定义,阐述了模型对客户价值的分析和判断方法。（2）针对传统FCM算法（Fuzzy C-means Clustering Algorithm,FCM）中存在聚类个数与聚类中心不确定的问题,提出了O
【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
国内外汽车市场利润占比
聚类分析效果图
3隶属度直观解释
【参考文献】：
期刊论文
[1]基于改进OPTICS聚类的雷达信号预分选方法[J]. 吴连慧,周秀珍,宋新超. 舰船电子对抗. 2018(06)
[2]基于客户满意的汽车售后服务创新研究[J]. 何珍. 中国市场. 2018(35)
[3]地质变形监测专利技术综述[J]. 楚显玉,赵志洪. 河南科技. 2018(20)
[4]网络购物临场感、信任与消费者在线粘性——以B2C模式下消费者网购生鲜农产品为例[J]. 康培,孙剑,邓彦宇. 企业经济. 2018(07)
[5]大数据背景下机器学习并行算法研究[J]. 马巍巍,殷凤梅,张江. 电子技术与软件工程. 2018(11)
[6]Hadoop的两大核心技术HDFS和MapReduce[J]. 李港,刘玉程. 电子技术与软件工程. 2018(07)
[7]基于OPTICS聚类的差分隐私保护算法的改进[J]. 王红,葛丽娜,王苏青,王丽颖,张翼鹏,梁竣程. 计算机应用. 2018(01)
[8]最优聚类个数和初始聚类中心点选取算法研究[J]. 张素洁,赵怀慈. 计算机应用研究. 2017(06)
[9]“清新+精致”的日式创意——日本博报堂（hakuhodo）经典案例分享[J]. 林莹,王叔良. 中国广告. 2015(06)
[10]数据挖掘在物流客户细分中的应用[J]. 李煜,陈相汝. 现代商贸工业. 2015(07)
硕士论文
[1]基于Spark平台的大数据聚类算法研究及其应用[D]. 刘磊.南京邮电大学 2018
[2]聚类分析中最佳聚类数确定方法研究[D]. 张雄.南京邮电大学 2018
[3]现役雷达预测性维修保障资源匹配算法研究[D]. 王慧敏.西安电子科技大学 2018
[4]基于模糊聚类的并行化推荐算法设计与研究[D]. 杨业.浙江理工大学 2018
[5]基于客户价值细分的A电商企业CRM系统优化[D]. 王璀璨.北京交通大学 2017
[6]基于Hadoop的物流历史数据聚类挖掘研究[D]. 苏金.西安工业大学 2017
[7]区间数模糊层次分析法在信息安全风险评估中的研究与应用[D]. 邹华莎.湖北工业大学 2017
[8]汽车后服务转型及市场发展分析[D]. 徐小晶.浙江工业大学 2017
[9]基于Spark平台的空间数据挖掘DBSCAN聚类算法并行化研究[D]. 金都.电子科技大学 2017
[10]基于云计算的文本分类研究与应用[D]. 严嘉铭.浙江理工大学 2016
本文编号：3079568
【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
国内外汽车市场利润占比
聚类分析效果图
3隶属度直观解释
【参考文献】：
期刊论文
[1]基于改进OPTICS聚类的雷达信号预分选方法[J]. 吴连慧,周秀珍,宋新超. 舰船电子对抗. 2018(06)
[2]基于客户满意的汽车售后服务创新研究[J]. 何珍. 中国市场. 2018(35)
[3]地质变形监测专利技术综述[J]. 楚显玉,赵志洪. 河南科技. 2018(20)
[4]网络购物临场感、信任与消费者在线粘性——以B2C模式下消费者网购生鲜农产品为例[J]. 康培,孙剑,邓彦宇. 企业经济. 2018(07)
[5]大数据背景下机器学习并行算法研究[J]. 马巍巍,殷凤梅,张江. 电子技术与软件工程. 2018(11)
[6]Hadoop的两大核心技术HDFS和MapReduce[J]. 李港,刘玉程. 电子技术与软件工程. 2018(07)
[7]基于OPTICS聚类的差分隐私保护算法的改进[J]. 王红,葛丽娜,王苏青,王丽颖,张翼鹏,梁竣程. 计算机应用. 2018(01)
[8]最优聚类个数和初始聚类中心点选取算法研究[J]. 张素洁,赵怀慈. 计算机应用研究. 2017(06)
[9]“清新+精致”的日式创意——日本博报堂（hakuhodo）经典案例分享[J]. 林莹,王叔良. 中国广告. 2015(06)
[10]数据挖掘在物流客户细分中的应用[J]. 李煜,陈相汝. 现代商贸工业. 2015(07)
硕士论文
[1]基于Spark平台的大数据聚类算法研究及其应用[D]. 刘磊.南京邮电大学 2018
[2]聚类分析中最佳聚类数确定方法研究[D]. 张雄.南京邮电大学 2018
[3]现役雷达预测性维修保障资源匹配算法研究[D]. 王慧敏.西安电子科技大学 2018
[4]基于模糊聚类的并行化推荐算法设计与研究[D]. 杨业.浙江理工大学 2018
[5]基于客户价值细分的A电商企业CRM系统优化[D]. 王璀璨.北京交通大学 2017
[6]基于Hadoop的物流历史数据聚类挖掘研究[D]. 苏金.西安工业大学 2017
[7]区间数模糊层次分析法在信息安全风险评估中的研究与应用[D]. 邹华莎.湖北工业大学 2017
[8]汽车后服务转型及市场发展分析[D]. 徐小晶.浙江工业大学 2017
[9]基于Spark平台的空间数据挖掘DBSCAN聚类算法并行化研究[D]. 金都.电子科技大学 2017
[10]基于云计算的文本分类研究与应用[D]. 严嘉铭.浙江理工大学 2016
本文编号：3079568
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3079568.html
