構(gòu)建面向CRM的數(shù)據(jù)挖掘應(yīng)用

定　價(jià)：￥40.00

作　者：	(美)Alex Berson等著；賀奇等譯
出版社：	人民郵電出版社
叢編項(xiàng)：
標(biāo)　簽：	企業(yè)管理銷售管理管理信息系統(tǒng)

ISBN：	9787115094261	出版時(shí)間：	2001-01-01	包裝：
開本：	26cm	頁數(shù)：	296	字?jǐn)?shù)：

內(nèi)容簡介

本書是一本非常經(jīng)典的關(guān)于客戶關(guān)系管理（CRM）的書。全書共分為4個(gè)部分，第一部分介紹客戶關(guān)系管理領(lǐng)域遇到的實(shí)際問題，這一部分旨在使讀者了解CRM的應(yīng)用及CRM與數(shù)據(jù)倉庫、數(shù)據(jù)挖掘的關(guān)系；第二部分介紹了技術(shù)背景；第三部分著重介紹數(shù)據(jù)挖掘用于客戶關(guān)系管理的商業(yè)價(jià)值和應(yīng)用功能，包括了客戶盈利能力分析、客戶的獲得、交叉營銷的應(yīng)用、客戶的維持以及市場/客戶細(xì)分；第四部分介紹如何成功應(yīng)用數(shù)據(jù)挖掘和CRM解決方案，包括建立商業(yè)案例、配置數(shù)據(jù)挖掘步驟詳解、收集數(shù)據(jù)、客戶記分技巧、優(yōu)化CRM過程、數(shù)據(jù)挖掘和CRM工具市場等。本書最后一章介紹了電子商務(wù)對(duì)市場前景的影響、數(shù)據(jù)挖掘的趨勢與方向和有關(guān)CRM的一些數(shù)據(jù)挖掘的應(yīng)用。附錄給出了常用術(shù)語列表。目錄：第一部分?jǐn)?shù)據(jù)挖掘?qū)RM的影響1第一章客戶關(guān)系31.1介紹31.2什么是數(shù)據(jù)挖掘41.3一個(gè)例子41.4與商業(yè)過程的關(guān)聯(lián)51.5數(shù)據(jù)挖掘和客戶關(guān)系管理61.5.1數(shù)據(jù)挖掘是如何輔助基于數(shù)據(jù)庫的銷售的71.5.2評(píng)分71.5.3活動(dòng)管理軟件的作用71.5.4增加客戶在整個(gè)生命周期里的價(jià)值（LifetimeValue）71.5.5數(shù)據(jù)挖掘和活動(dòng)管理的結(jié)合81.5.6評(píng)估數(shù)據(jù)挖掘模型帶來的好處8第二章用聯(lián)系的觀點(diǎn)看數(shù)據(jù)挖掘和數(shù)據(jù)倉庫92.1介紹92.2數(shù)據(jù)挖掘和數(shù)據(jù)倉庫——聯(lián)系92.3數(shù)據(jù)倉庫綜述102.3.1數(shù)據(jù)倉庫ROI112.3.2操作和信息數(shù)據(jù)存儲(chǔ)112.3.3數(shù)據(jù)倉庫的定義和特性142.3.4數(shù)據(jù)倉庫的體系結(jié)構(gòu)152.3.5數(shù)據(jù)倉庫訪問和客戶/服務(wù)器體系結(jié)構(gòu)172.4數(shù)據(jù)挖掘182.4.1數(shù)據(jù)挖掘定義182.4.2數(shù)據(jù)挖掘的應(yīng)用領(lǐng)域192.4.3數(shù)據(jù)挖掘的分類和研究重點(diǎn)19第三章客戶關(guān)系管理233.1介紹233.2最有利可圖的客戶233.3客戶關(guān)系管理243.3.1以客戶為中心的數(shù)據(jù)庫253.3.2管理活動(dòng)263.4推銷活動(dòng)的演變273.5封閉循環(huán)的推銷273.6CRM體系結(jié)構(gòu)283.7下一代CRM28第二部分基礎(chǔ)——技術(shù)和工具29第四章數(shù)據(jù)倉庫部件314.1介紹314.2整體體系結(jié)構(gòu)314.3數(shù)據(jù)倉庫型的數(shù)據(jù)庫324.4尋找、獲取、清理和轉(zhuǎn)換工具334.5元數(shù)據(jù)334.6訪問工具354.6.1評(píng)估和可視化信息354.6.2工具分類374.6.3查詢和報(bào)表工具374.6.4應(yīng)用軟件384.6.5OLAP工具384.6.6數(shù)據(jù)挖掘工具384.7數(shù)據(jù)集市394.8數(shù)據(jù)倉庫的經(jīng)營和管理414.9Web的影響414.10利用Web的方法424.11設(shè)計(jì)選項(xiàng)和問題43第五章數(shù)據(jù)挖掘49第六章經(jīng)典技術(shù)：統(tǒng)計(jì)、近鄰、聚類67第七章下一代技術(shù)：樹、網(wǎng)絡(luò)和規(guī)則85第八章什么時(shí)候使用數(shù)據(jù)挖掘109第三部分商業(yè)價(jià)值125第九章客戶盈利能力分析127第十章客戶的獲取139第十一章交叉營銷145第十二章客戶的保持155第十三章客戶的細(xì)分167第四部分建立解決方案的關(guān)鍵177第十四章建立商業(yè)案例179第十五章在CRM中應(yīng)用數(shù)據(jù)挖掘系統(tǒng)187第十六章收集客戶數(shù)據(jù)201第十七章為客戶評(píng)分213第十八章優(yōu)化CRM過程221第十九章對(duì)數(shù)據(jù)挖掘和CRM工具市場的看法231第二十章有效進(jìn)行客戶關(guān)系管理的下一代信息挖掘和知識(shí)發(fā)現(xiàn)技術(shù)253附錄術(shù)語表269

作者簡介

暫缺《構(gòu)建面向CRM的數(shù)據(jù)挖掘應(yīng)用》作者簡介

圖書目錄

第一部分  數(shù)據(jù)挖掘?qū)RM的影響
第一章  客戶關(guān)系
     1. 1  介紹
     1. 2  什么是數(shù)據(jù)挖掘
     1. 3  一個(gè)例子
     1. 4  與商業(yè)過程的關(guān)聯(lián)
     1. 5  數(shù)據(jù)挖掘和客戶關(guān)系管理
     1. 5. 1  數(shù)據(jù)挖掘是如何輔助基于數(shù)據(jù)庫的銷售的
     1. 5. 2  評(píng)分
     1. 5. 3  活動(dòng)管理軟件的作用
     1. 5. 4  增加客戶在整個(gè)生命周期里的價(jià)值(Lifetime Value)
     1. 5. 5  數(shù)據(jù)挖掘和活動(dòng)管理的結(jié)合
     1. 5. 6  評(píng)估數(shù)據(jù)挖掘模型帶來的好處
第二章  用聯(lián)系的觀點(diǎn)看數(shù)據(jù)挖掘和數(shù)據(jù)倉庫
     2. 1  介紹
     2. 2  數(shù)據(jù)挖掘和數(shù)據(jù)倉庫——聯(lián)系
     2. 3  數(shù)據(jù)倉庫綜述
     2. 3. 1  數(shù)據(jù)倉庫ROI
     2. 3. 2  操作和信息數(shù)據(jù)存
     2. 3. 3  數(shù)據(jù)倉庫的定義和特性
     2. 3. 4  數(shù)據(jù)倉庫的體系結(jié)構(gòu)
     2. 3. 5  數(shù)據(jù)倉庫訪問和客戶／服務(wù)器體系結(jié)構(gòu)
     2. 4  數(shù)據(jù)挖掘
     2. 4. 1  數(shù)據(jù)挖掘定義
     2. 4. 2  數(shù)據(jù)挖掘的應(yīng)用領(lǐng)域
     2. 4. 3  數(shù)據(jù)挖掘的分類和研究重點(diǎn)
第三章  客戶關(guān)系管理
     3. 1  介紹
     3. 2  最有利可圖的客戶
     3. 3  客戶關(guān)系管理
     3. 3. 1  以客戶為中心的數(shù)據(jù)庫
     3. 3. 2  管理活動(dòng)
     3. 4  推銷活動(dòng)的演變
     3. 5  封閉循環(huán)的推銷
     3. 6  CRM體系結(jié)構(gòu)
     3. 7  下一代CRM
第二部分  基礎(chǔ)——技術(shù)和工具
第四章  數(shù)據(jù)倉庫部件
     4. 1  介紹
     4. 2  整體體系結(jié)構(gòu)
     4. 3  數(shù)據(jù)倉庫型的數(shù)據(jù)庫
     4. 4  尋找. 獲取. 清理和轉(zhuǎn)換工具
     4. 5  元數(shù)據(jù)
     4. 6  訪問工具
     4. 6. 1  評(píng)估和可視化信息
     4. 6. 2  工具分類
     4. 6. 3  查詢和報(bào)表工具
     4. 6. 4  應(yīng)用軟件
     4. 6. 5  OLAP工具
     4. 6. 6  數(shù)據(jù)挖掘工具
     4. 7  數(shù)據(jù)集市
     4. 8  數(shù)據(jù)倉庫的經(jīng)營和管理
     4. 9  Web的影響
     4. 10  利用Web的方法
     4. 11  設(shè)計(jì)選項(xiàng)和問題
第五章  數(shù)據(jù)挖掘
     5. 1  什么是數(shù)據(jù)挖掘
     5. 2  數(shù)據(jù)挖掘不是什么
     5. 2.1  統(tǒng)計(jì)
     5. 2. 2  OLAP
     5. 2. 3  數(shù)據(jù)倉庫
     5. 3  數(shù)據(jù)挖掘已經(jīng)成熟
     5. 4  數(shù)據(jù)挖掘的潛力是巨大的
     5. 5  從你過去的錯(cuò)誤中學(xué)習(xí)
     5. 6  我不需要數(shù)據(jù)挖掘——我已有了統(tǒng)計(jì)分析
     5. 7  測量數(shù)據(jù)挖掘的效力——準(zhǔn)確性. 速度和代價(jià)
     5. 8  將數(shù)據(jù)挖掘嵌入到你的業(yè)務(wù)處理中
     5. 9  改變的東西越多. 保留不變的也越多
     5. 10  發(fā)掘與預(yù)測
     5. 10. 1  塔爾沙漠中的黃金
     5. 10. 2  發(fā)掘——發(fā)現(xiàn)你尚未尋找到的東西
     5. 10. 3  預(yù)測
     5. 11  過適應(yīng)
     5. 12  行業(yè)狀態(tài)
     5. 12. 1  目標(biāo)解決方案
     5. 12. 2  商業(yè)工具
     5. 12. 3  商業(yè)分析家的工具
     5. 12. 4  研究分析家的工具
     5. 13  數(shù)據(jù)挖掘方法學(xué)
     5. 13. 1  模式和模型各是什么
     5. 13. 2  模式的可視化
     5. 13. 3  術(shù)語說明
     5. 13. 4  對(duì)知識(shí)和智慧的說明
     5. 13. 5  取樣
     5. 13. 6  隨機(jī)取樣
     5. 13. 7  驗(yàn)證模型
     5. 13. 8  選擇最好的模型
     5. 14  數(shù)據(jù)挖掘應(yīng)用的類型
第六章  經(jīng)典技術(shù)：統(tǒng)計(jì). 近鄰. 聚類
     6. 1  經(jīng)典
     6. 2  統(tǒng)計(jì)
     6. 2. 1  統(tǒng)計(jì)和數(shù)據(jù)挖掘之間有什么不同之處
     6, 2. 2  什么是統(tǒng)計(jì)
     6. 2. 3  數(shù)據(jù). 計(jì)算和概率
     6. 2. 4  柱狀圖
     6. 2. 5  為預(yù)測而做的統(tǒng)計(jì)
     6. 2. 6  線性回歸
     6. 2. 7  如果數(shù)據(jù)中的模式看起來不像一條直線怎么辦
     6. 3  最近鄰
     6. 3. 1  一個(gè)聚類的簡單例子
     6. 3. 2  一個(gè)最近鄰的簡單例子
     6. 3. 3  怎樣應(yīng)用最近鄰來做預(yù)測
     6. 3. 4  在商業(yè)中最近鄰技術(shù)應(yīng)用在何處
     6. 3. 5  在股票市場上應(yīng)用最近鄰技術(shù)
     6. 3. 6  為什么投票選舉更好——K近鄰
     6. 3. 7  最近鄰如何能告訴你對(duì)預(yù)測有多大的可信性
     6. 4  聚類
     6. 4. 1  聚類
     6. 4. 2  發(fā)現(xiàn)不能匹配的例子——對(duì)局外點(diǎn)的聚類
     6. 4. 3  聚類和最近鄰怎樣地相像
     6. 4. 4  怎樣用聚類和最近鄰來作出預(yù)測
     6. 4. 5  還有其他聚類的正確方法嗎
     6. 4. 6  如何權(quán)衡哪條記錄該屬于哪一簇
     6. 4. 7  聚類是在相似的簇和較少數(shù)量的簇之間的折中方法
     6. 4. 8  聚類和最近鄰預(yù)測之間有什么不同之處
     6. 4. 9  n維空間是什么
     6. 4. 10  怎樣定義聚類和最近鄰的空間
     6. 4. 11  分層聚類和不分層聚類
     6. 4. 12  不分層聚類
     6. 4. 13  分層聚類
     6. 5  選擇典型的技術(shù)
第七章  下一代技術(shù)：樹. 網(wǎng)絡(luò)和規(guī)則
     7. 1  下一代
     7. 2  決策樹
     7. 2. 1  什么是決策樹
     7. 2. 2  把決策樹看作是有目的的分割
     7. 2. 3  決策樹在業(yè)務(wù)中的應(yīng)用
     7. 2. 4  決策樹可以用在哪里
     7. 2. 5  決策樹用于勘測
     7. 2  決策樹用于數(shù)據(jù)預(yù)處理
     7. 2. 7  決策樹用于預(yù)測
     7. 2. 8  第一步是產(chǎn)生樹
     7. 2. 9  好問題與壞問題之間的區(qū)別
     7. 2. 10  樹何時(shí)停止生長
     7. 2. 11  數(shù)據(jù)不夠時(shí)決策樹算法為什么要停止生長樹
     7. 2. 12  建好樹并不意味著決策樹的完成
     7. 2. 13  ID3及其改進(jìn)——C4. 5
     7. 2. 14  CART——生成森林和挑選最優(yōu)樹
     7. 2. 15  CART自動(dòng)驗(yàn)證樹
     7. 2. 16  用CART替代屬性來處理缺少的數(shù)據(jù)
     7. 2. 17  CHAID
     7. 3  神經(jīng)元網(wǎng)絡(luò)
     7. 3. 1  什么是神經(jīng)元網(wǎng)絡(luò)
     7. 3. 2  神經(jīng)元網(wǎng)絡(luò)不是通過學(xué)習(xí)能得到更好的預(yù)測嗎
     7. 3. 3  神經(jīng)元網(wǎng)絡(luò)簡單易用嗎
     7. 3. 4  神經(jīng)元網(wǎng)絡(luò)在業(yè)務(wù)中的應(yīng)用
     7. 3. 5  什么地方使用神經(jīng)元網(wǎng)絡(luò)
     7. 3. 6  神經(jīng)元網(wǎng)絡(luò)用于聚類
     7. 3. 7  神經(jīng)元網(wǎng)絡(luò)用于奇異分析
     7. 3. 8  神經(jīng)元網(wǎng)絡(luò)用于特征抽取
     7. 3. 9  神經(jīng)元網(wǎng)絡(luò)是什么樣的
     7. 3. 10  神經(jīng)元網(wǎng)絡(luò)如何進(jìn)行預(yù)測
     7. 3. 11  神經(jīng)元網(wǎng)絡(luò)模型是如何建立的
     7. 3. 12  神經(jīng)元網(wǎng)絡(luò)模型有多復(fù)雜
     7. 3. 13  對(duì)輸出節(jié)點(diǎn)來說隱藏節(jié)點(diǎn)就像是值得信賴的顧問
     7. 3. 14  隱藏節(jié)點(diǎn)中進(jìn)行的學(xué)習(xí)
     7. 3. 15  在組織中分享責(zé)備與榮耀
     7. 3. 16  不同類型的神經(jīng)元網(wǎng)絡(luò)
     7. 3. 17  Kohonen特征圖
     7. 3. 18  神經(jīng)元網(wǎng)絡(luò)與人腦有多相似
     7. 3. 19  防止過適應(yīng)——使模型應(yīng)用范圍更廣
     7. 3. 20  對(duì)網(wǎng)絡(luò)進(jìn)行解釋
     7. 4  規(guī)則歸納
     7. 4. 1  規(guī)則歸納在業(yè)務(wù)中的應(yīng)用
     7. 4. 2  什么是規(guī)則
     7. 4. 3  如何應(yīng)用規(guī)則
     7. 4. 4  規(guī)則并不表示因果關(guān)系
     7. 4. 5  用于規(guī)則歸納的數(shù)據(jù)庫類型
     7. 4. 6  一般思想
     7. 4. 7  正確率和覆蓋率的商業(yè)重要性
     7. 4. 8  正確率和覆蓋率之間的權(quán)衡就像賭馬
     7. 4. 9  如何評(píng)價(jià)規(guī)則
     7. 4. 10  定義“興趣度”
     7. 4. 11  有用度的其他定義
     7. 4. 12  規(guī)則與決策樹的比較
     7. 4. 13  決策樹與規(guī)則歸納系統(tǒng)的另一個(gè)共同特點(diǎn)
     7. 4. 14  什么時(shí)候用哪種技術(shù)
     7. 4. 15  權(quán)衡勘查與利用
第八章  什么時(shí)候使用數(shù)據(jù)挖掘
     8. 1  介紹
     8. 2  使用正確的技術(shù)
     8. 2. 1  數(shù)據(jù)挖掘過程
     8. 2. 2  決策樹與最近鄰方法有何相似之處
     8. 2. 3  規(guī)則用于歸納什么地方與決策樹相似
     8. 2. 4  如何用神經(jīng)元網(wǎng)絡(luò)做連接分析
     8. 3  業(yè)務(wù)處理中的數(shù)據(jù)挖掘
     8. 3. 1  避免數(shù)據(jù)挖掘中的錯(cuò)誤
     8. 3. 2  理解數(shù)據(jù)
     8. 4  嵌入式數(shù)據(jù)挖掘
     8. 4. 1  分布式業(yè)務(wù)處理的代價(jià)
     8. 4. 2  衡量數(shù)據(jù)挖掘工具的最佳方法
     8. 4. 3  嵌入式數(shù)據(jù)挖掘
     8. 5  如何衡量正確率. 可解釋性和集成度
     8. 5. 1  衡量正確率
     8. 5. 2  衡量可解釋性
     8. 5. 3  衡量集成度
     8. 6  嵌入式數(shù)據(jù)庫挖掘的前景如何
第三部分  商業(yè)價(jià)值
第九章  客戶盈利能力分析
     9. 1  介紹
     9. 2  為什么要計(jì)算客戶盈利能力
     9. 3  忠誠度在客戶盈利能力上的作用
     9. 4  客戶忠誠度和復(fù)合效應(yīng)法則
     9. 5  什么是客戶關(guān)系管理
     9. 6  通過數(shù)據(jù)挖掘技術(shù)使客戶盈利能力最大化
     9. 7  預(yù)測未來的盈利能力
     9. 8  預(yù)測客戶盈利能力的變化
     9. 9  以客戶盈利能力為導(dǎo)向的市場策略
     9. 10  為什么只計(jì)算營業(yè)收入是不夠的
     9. 11  增量客戶盈利能力
     9. 12  什么是增量客戶盈利能力
     9. 13  讓銷售人員停止推銷
     9. 14  如何系統(tǒng)地開始應(yīng)用
     9. 15  用替代品通常比什么都不用更糟
     9. 16  圣杯
     9. 17  如何評(píng)估數(shù)據(jù)挖掘技術(shù)的價(jià)值
第十章  客戶的獲取
     10. 1  介紹
     10. 2  數(shù)據(jù)挖掘和統(tǒng)計(jì)模型如何發(fā)揮作用
     10. 3  一些關(guān)鍵概念的定義
     10. 4  一切從數(shù)字開始
     10. 5  試驗(yàn)活動(dòng)
     10. 6  評(píng)估試驗(yàn)活動(dòng)
     10. 7  用反應(yīng)行為模式建立數(shù)據(jù)挖掘模型
第十一章  交又營銷
     11. 1  介紹
     11. 2  如何進(jìn)行交叉營銷
     11. 3  處理步驟
     11. 4  開始分析
     11. 4. 1  建模階段
     11. 4. 2  評(píng)分階段
     11. 4. 3  優(yōu)化階段
     11. 5  多種服務(wù)
第十二章  客戶的保持
     12. 1  介紹
     12. 2  移動(dòng)電話業(yè)的客戶流失
     12. 3  用到的數(shù)據(jù)挖掘技術(shù)
     12. 4  案例分析—移動(dòng)通信業(yè)的客戶保持
     12. 4. 1  數(shù)據(jù)
     12. 4. 2  定義預(yù)測目標(biāo)
     12. 4. 3  實(shí)施數(shù)據(jù)挖掘
     12. 4. 4  數(shù)據(jù)挖掘模型
     12. 5  商業(yè)實(shí)施
     12. 6  結(jié)果
     12. 7  經(jīng)驗(yàn)教訓(xùn)
     12. 7. 1  令人驚訝的結(jié)果
     12. 7. 2  改變預(yù)測模式的目標(biāo)
     12. 7. 3  其它的數(shù)據(jù)源亦能提供幫助
     12. 7. 4  考慮客戶價(jià)值
     12. 7. 5  關(guān)于保留團(tuán)隊(duì)和其他市場努力
     12. 8  其他行業(yè)中的客戶保持
第十三章  客戶的細(xì)分
     13. 1  介紹
     13. 2  什么是細(xì)分
     13. 3  細(xì)分的意義是什么
     13. 4  與“一對(duì)一”市場的區(qū)別
     13. 5  什么是數(shù)據(jù)驅(qū)動(dòng)的細(xì)分
     13. 6  如何完成數(shù)據(jù)驅(qū)動(dòng)細(xì)分
     13. 7  細(xì)分的不同用途
     13. 7. 1  了解你的業(yè)務(wù)并執(zhí)行一個(gè)策略
     13. 7. 2  人口統(tǒng)計(jì)學(xué)細(xì)分
     13. 7. 3  心理學(xué)細(xì)分
     13. 7. 4  目的性細(xì)分
     13. 8  細(xì)分完成的方法
     13. 9  數(shù)據(jù)挖掘如何運(yùn)用到細(xì)分上來
     13. 10  用集成數(shù)據(jù)驅(qū)動(dòng)細(xì)分
     13. 11  引入和去除細(xì)分模式
     13. 11. 1  市場細(xì)分是公司的共用語言
     13. 11. 2  正確使用它們
     13. 11. 3  改變市場細(xì)分
     13. 12  案例分析
     13. 13  參考文獻(xiàn)
第四部分  建立解決方案的關(guān)鍵
第十四章  建立商業(yè)案例
     14. 1  介紹
     14. 1. 1  數(shù)據(jù)挖掘很復(fù)雜
     14. 1. 2  你如何知道已經(jīng)取得了成功
     14. 1. 3  商業(yè)戰(zhàn)略的根本轉(zhuǎn)變
     14. 2  發(fā)現(xiàn)公司對(duì)數(shù)據(jù)挖掘的需要
     14. 2. 1  執(zhí)行得不好的CRM或者簡單的促銷活動(dòng)管理
     14. 2. 2  不相稱的客戶投資和客戶價(jià)值
     14. 2. 3  缺乏將客戶轉(zhuǎn)移到高價(jià)值群體的能力
     14. 3  定義商業(yè)價(jià)值
     14. 3. 1  收益的增長
     14. 3. 2  利潤
     14. 3. 3  降低成本
     14. 3. 4  投資回報(bào)率(ROI)
     14. 3. 5  競爭優(yōu)勢
     14. 3. 6  成為早的采納者
     14. 4  成本
     14. 4. 1  數(shù)據(jù)
     14. 4. 2  基礎(chǔ)設(shè)施的成本
     14. 4. 3  人力成本
     14. 4. 4  維護(hù)成本
     14. 4. 5  控制成本：利用已有的投資
     14. 5  創(chuàng)建商業(yè)案例
第十五章  在CRM中應(yīng)用數(shù)據(jù)挖掘系統(tǒng)
     15. 1  介紹
     15. 2  啟動(dòng)一個(gè)數(shù)據(jù)挖掘應(yīng)用的10個(gè)步驟
     15. 3  問題定義
     15. 3. 1  找到關(guān)鍵環(huán)節(jié)
     15. 3. 2  定義可交付系統(tǒng)的標(biāo)準(zhǔn)
     15. 3. 3  選擇明確的小問題
     15. 3. 4  理解已有的CRM流程
     15. 4  用戶定義
     15. 4. 1  為每一個(gè)用戶建立個(gè)人資料
     15. 4. 2  利用快速啟動(dòng)程序培訓(xùn)未來的用戶并了解用戶的需求和愿望
     15. 5  數(shù)據(jù)定義
     15. 5. 1  定位數(shù)據(jù)字典
     15. 5. 2  找到數(shù)據(jù)情報(bào)員
     15. 5. 3  指標(biāo)定義
     15.6  真正地定義數(shù)據(jù)
     15. 6. 1  評(píng)估數(shù)據(jù)完整性的符合程度
     15. 6. 2  驗(yàn)證數(shù)據(jù)源
     15. 7  控制項(xiàng)目的范圍
     15. 7. 1  用文檔來控制項(xiàng)目范圍的平穩(wěn)擴(kuò)大
     15. 7. 2  控制數(shù)據(jù)清洗的范圍
     15. 7. 3  控制數(shù)據(jù)轉(zhuǎn)移. 建模和存儲(chǔ)的范圍
     15. 7. 4  控制數(shù)據(jù)挖掘的范圍
     15. 7. 5  控制試驗(yàn)性設(shè)計(jì)和評(píng)價(jià)的成本
     15. 8  試驗(yàn)
     15. 8. 1  不要等待太久
     15. 8. 2  從小的系統(tǒng)開始但要完成全過程
     15. 9  質(zhì)量保證
     15. 9. 1  使質(zhì)量保證成為一個(gè)程序
     15. 9. 2  驗(yàn)證和傳達(dá)模型的結(jié)果
     15. 10  教育培訓(xùn)
     15. 11  發(fā)布
     15. 11. 1  選擇第一批用戶
     15. 11. 2  在得到全部結(jié)果前保守秘密
     15. 11. 3  協(xié)助用戶解釋所得結(jié)果
     15. 12  持續(xù)的過程
     15. 13  結(jié)論——使數(shù)據(jù)挖掘成為業(yè)務(wù)流程的一部分
第十六章  收集客戶數(shù)據(jù)
     16. 1  介紹
     16. 2  三種類型客戶數(shù)據(jù)
     16. 2. 1  描述性數(shù)據(jù)
     16. 2. 2  市場促銷活動(dòng)的數(shù)據(jù)
     16. 2. 3  客戶交易數(shù)據(jù)
     16. 3  收集客戶數(shù)據(jù)
     16. 3. 1  內(nèi)部數(shù)據(jù)源
     16. 3. 2  Web數(shù)據(jù)
     16. 4  連接客戶數(shù)據(jù)
     16. 4. 1  數(shù)據(jù)倉庫和數(shù)據(jù)集市
     16. 4. 2  數(shù)據(jù)泵和連接器
     16. 4, 3  遠(yuǎn)距離連結(jié)
     16. 5  客戶數(shù)據(jù)和隱私
     16. 6  隱私和數(shù)據(jù)挖掘技術(shù)
     16. 7  處理隱私問題的方針
     16. 7. 1  匿名和身份信息
     16. 7. 2  具體數(shù)據(jù)與匯總數(shù)據(jù)
     16. 7. 3  信息用于市場定位或評(píng)估
     16. 7. 4  合并數(shù)據(jù)源
     16. 7. 5  匿名系統(tǒng)結(jié)構(gòu)
     16. 8  與數(shù)據(jù)挖掘有關(guān)的法律問題
第十七章  為客戶評(píng)分
     17. 1  介紹
     17. 2  評(píng)分過程
     17. 3  評(píng)分系統(tǒng)結(jié)構(gòu)和配置
     17. 4  準(zhǔn)備數(shù)據(jù)
     17. 4. 1  直接映射
     17. 4. 2  偏移映射
     17. 5  將評(píng)分過程與其他應(yīng)用集成
     17. 5. 1  創(chuàng)建模型
     17. 5. 2  動(dòng)態(tài)地給數(shù)據(jù)評(píng)分
第十八章  優(yōu)化CBM過程
     18. 1  介紹
     18. 2  通過優(yōu)化提高客戶收益率
     18. 3  為什么不優(yōu)化客戶關(guān)系
     18. 4  控制要優(yōu)化的對(duì)象
     18. 5  為什么現(xiàn)在可以
     18. 6  優(yōu)化了的CRM
     18. 7  完整的過程
     18. 8  最佳的CRM過程：評(píng)價(jià). 預(yù)測和行動(dòng)
     18. 9  促銷優(yōu)化不是什么
     18. 10  使用數(shù)據(jù)挖掘技術(shù)來優(yōu)化CRM客戶關(guān)系管理系統(tǒng)
     18. 11  優(yōu)化技術(shù)
第十九章  對(duì)數(shù)據(jù)挖掘和CRM工具市場的看法
     19. 1  介紹
     19. 2  數(shù)據(jù)挖掘市場
     19. 3  數(shù)據(jù)挖掘工具的分類
     19. 4  工具評(píng)估：屬性和方法學(xué)
     19. 5  工具評(píng)估
     19. 5. 1  Clementine(SPSS)
     19. 5. 2  4Thought和Scenario(Cognos)
     19. 5. 3  Darwin(Oracle)
     19. 5. 4  Database Mining Workstation(HNC)
     19. 5. 5  Decision Series(Neo Vista)
     19. 5. 6  Enterprise Miner(SAS)
     19. 5. 7  Entelligent Miner(IBM)
     19. 5. 8  KnowledgeSEEKER and Knowledge Studio(Angoss)
     19. 5. 9  Model 1 and Pattern Recognition Workbench(Unica)
     19. 6  別的數(shù)據(jù)挖掘工具
     19. 7  客戶關(guān)系管理工具
     19. 7. 1  個(gè)性化工具
     19. 7. 2  市場活動(dòng)管理/行銷工具
     19. 7. 3  銷售自動(dòng)化和客戶服務(wù)工具
第二十章  有效進(jìn)行客戶關(guān)系管理的下一代信息挖掘和知識(shí)發(fā)現(xiàn)技術(shù)
     20. 1  商業(yè)智能和信息挖掘
     20. 2  文本挖掘和知識(shí)管理
     20, 3  文本挖掘的好處
     20. 4  文本挖掘技術(shù)
     20. 4. 1  互聯(lián)網(wǎng)搜索
     20. 4. 2  文本分析
     20. 4. 3  語義網(wǎng)絡(luò)和其他技術(shù)
     20. 5  文本挖掘產(chǎn)品
     20. 6  使用人腦的力量
     20. 7  結(jié)論
     20. 7. 1  知識(shí)管理
     20. 7. 2  電子商務(wù)世界中的客戶關(guān)系管理
     20. 7. 3  應(yīng)用服務(wù)提供商
附錄  術(shù)語表