基于粗糙集的市场潜在客户预测研究

发布时间：2023-05-05 19:20

　　粗糙集理论是处理不精确、不确定和模糊数据的数学工具，它能有效地从数据本身提供的信息中发现有效的、潜在的知识。本文充分利用粗糙集理论来和客户关系库中不完整的信息预测潜在客户。 首先，本论文阐述了选题的背景，粗糙集理论以及市场潜在客户的发展和现状；并且研究分析了国内外相关的最新成果。 其次，本论文对粗糙集数据预处理、连续数据的离散化处理、知识约简和分类规则进行了研究。对基于粗糙集的市场潜在客户预测模型进行设计，从企业中已有的客户关系数据库中获取客户的相关信息。将这些基本的客户信息转化为对应的二维决策表，再将决策表中不完整的客户数据进行补齐，离散化连续的客户信息；对已经形成的决策表进行属性和值的约简，生成关于市场潜在客户的决策规则。 最后本论文对饲料添加剂企业中的潜在客户进行模型预测，针对预测结果制定相对应的潜在客户营销策略。从而，扩大市场份额，为企业明确开发潜在客户的决策提供依据。

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 论文的选题背景和论文的研究意义
        1.1.1 选题背景
        1.1.2 研究意义
    1.2 粗糙集理论的相关研究综述
        1.2.1 粗糙集理论的发展
        1.2.2 粗糙集理论的研究现状
        1.2.3 粗糙集理论的应用
        1.2.4 粗糙集理论的发展趋势
    1.3 市场潜在客户的预测方法综述
        1.3.1 潜在客户的研究现状
        1.3.2 预测潜在客户的传统方法
        1.3.3 基于 SOM 神经网络对潜在客户的挖掘
        1.3.4 基于可能性理论对潜在客户的挖掘
        1.3.5 基于客户关系管理对潜在客户的挖掘
    1.4 论文的研究内容、研究方法与创新点
        1.4.1 论文的文章框架及主要内容
        1.4.2 论文的研究方法
        1.4.3 论文的创新点
2 潜在客户与粗糙集相关理论研究
    2.1 客户的相关知识
        2.1.1 客户的涵义
        2.1.2 客户价值的涵义
        2.1.3 客户价值的分类
        2.1.4 潜在客户的涵义
    2.2 粗糙集的相关知识
        2.2.1 知识与知识库
        2.2.2 不可区分关系与知识粒度
        2.2.3 近似与粗糙度
        2.2.4 信息系统与决策表
        2.2.5 知识约简与知识的依赖性
        2.2.6 属性依赖性与属性重要度
    2.3 粗糙集的特点
    2.4 粗糙集算法在潜在客户识别中的应用研究
    2.5 基于粗糙集理论的建模过程
3 基于粗糙集的潜在客户预测模型的设计
    3.1 数据预处理
        3.1.1 决策表补齐
        3.1.2 决策表补齐一般算法
        3.1.3 基于粗糙集的不完备数据分析算法
    3.2 连续数据离散化
        3.2.1 离散化问题描述与评价标准
        3.2.2 离散化处理流程
        3.2.3 离散化一般方法
        3.2.4 基于粗糙集的布尔逻辑离散化算法
    3.3 知识约简
        3.3.1 对象的约简
        3.3.2 条件属性的约简
        3.3.3 属性值的约简
        3.3.4 基于可辨识矩阵的属性约简算法
    3.4 分类规则提取
        3.4.1 分类规则的表现形式
        3.4.2 基于粗糙集决策属性支持度规则获取算法
4 基于粗糙集饲料添加剂企业潜在客户预测实证研究
    4.1 潜在客户预测模型意义
    4.2 客户预测模型的基本框架
    4.3 验证环境描述
    4.4 潍坊市某饲料添加剂企业潜在客户的预测
5 潍坊市某饲料添加剂企业开发潜在客户效果分析及措施
    5.1 潍坊市某饲料添加剂企业潜在客户的分类
    5.2 开发潜在客户相关措施
6 总结与展望
    6.1 本文总结
    6.2 进一步工作展望
参考文献
致谢
攻读学位期间发表的学术论文



本文编号：3808253