客户终身价值管理
基本信息·出版社：社会科学文献出版社 ·页码：215 页 ·出版日期：2009年11月 ·ISBN：750971138X/9787509711385 ·条形码：9787509711385 ·版本：第1 ...
| 商家名称 |
信用等级 |
购买信息 |
订购本书 |
|
|
 |
客户终身价值管理 |
 |
|
|
客户终身价值管理 |
|
基本信息·出版社：社会科学文献出版社
·页码：215 页
·出版日期：2009年11月
·ISBN：750971138X/9787509711385
·条形码：9787509711385
·版本：第1版
·装帧：平装
·开本：20
·正文语种：中文
·丛书名：湖南农业大学商学院学术文库
内容简介 《客户终身价值管理》综合运用市场营销理论、客户关系管理理论、管理决策理论与方法，以数据挖掘为技术基础，以客户终身价值为核心，构建完整的客户终身价值管理体系，包括客户细分、终身价值计算以及客户保持资源分配策略。
《客户终身价值管理》进一步推动厂市场营销及客户关系管理前沿领域——客户终身价值的相关研究，完善了信息技术、数据挖掘技术在市场营销、客户关系管理等领域的前瞻性应用；有助于企业采取不同策略获取、保持不同价值的客户，在此基础上进一步创造和提升客户终身价值，增强企业的竞争能力。
作者简介 张国政，湖北浠水人，2007年毕业于上海财经大学技术经济及管理专业，获管理学博士学位，现为中南大学管理科学与工程博士后，湖南农业大学商学院教师。主要研究领域为：数据挖掘、营销科学及金融风险管理。已在Journal ofIntelligent Mam4facturing、《财贸经济》、《中央财经大学学报》、《国际贸易问题》、《科技管理研究》等国内外知名期刊发表论文三十余篇。其中：SCI、EI、ISTP及CSSCI收录二十余篇。已参与完成国家自然科学基金、上海教育委员会曙光项目等课题6项，目前主持湖南省社科基金、浙江省社科联等课题多项。
编辑推荐 《客户终身价值管理》：湖南农业大学商学院学术文库
目录 第一章 导论
第一节 研究背景及意义
第二节 文献综述
第三节 研究内容及结构安排
第二章 客户终身价值管理体系
第一节 客户终身价值理论基础
第二节 客户终身价值研究路径及本书的研究视角
第三节 客户终身价值管理的核心要素
第四节 客户终身价值管理体系
第五节 本章小结
第三章 基于危险／生存特征的客户细分
第一节 客户细分概述
第二节 客户细分变量、细分方法和细分模型
第三节 基于危险／生存特征的细分模型
第四节 本章小结
第四章 客户终身价值计算
第一节 客户终身价值计算模型概述
第二节 CLV模型核心要素及假设
第三节 基于Cox的CLV计算模型
第四节 本章小结
第五章 客户终身价值管理决策
第一节 客户终身价值管理概述
第二节 资源分配基准
第三节 客户终身价值管理策略的关键要素
第四节 客户终身价值管理策略
第五节 本章小结
第六章 案例分析
第一节 案例分析相关说明
第二节 基于危险／生存概率的电信客户细分
第三节 电信客户终身价值计算
第四节 管理决策
第五节 本章小结
第七章 总结与研究展望
第一节 总结
第二节 创新之处
第三节 研究展望
附录1 Customer Segmentation Based on Survival Character
附录2 Customer Retention Based on BP ANN and Survival Analysis
附录3 A Study on the Relation between Enterprise Competitive Advantage and CRM Based on Data Mining
参考文献
……
序言 现代营销策略将客户视为企业的重要资源，维持良好的客户关系是现代企业创造利润、获得竞争优势的动力和源泉。随着企业技术进步与管理水平的提高，行业内提供相同或相似产品和服务的企业越来越多，迫使企业不得不将竞争的焦点从产品的竞争、服务的竞争转向通过各种手段对有限的客户资源的争夺。客户关系管理（CRM）是企业从“以产品为中心”到“以客户为中心”的重大战略转移，使企业在多变的市场中更灵活和有效地应对，从而提高企业的经营绩效。客户保持对企业变得越来越困难，却又越来越重要。增加5％的客户保持率可以为企业增加20％－80％的收益，原因是保持老顾客的成本低，获取新顾客的成本高；同时，在大多数行业，顾客与企业的关系越长久，企业从顾客身上获利就越多。在消费者日趋成熟的今天，如何留住老客户，提升客户保持率，是企业迫切关心的问题。
文摘 插图：
甚至换一种算法。另外，数据挖掘是面向最终用户的，因此需要对发现的模式进行可视化，或者需要将结果转换为用户易懂的表示。数据挖掘算法执行，仅仅是整个过程的一个步骤。数据挖掘质量的好坏有两个影响要素：一是所采用的数据挖掘技术的有效性；二是用于挖掘的数据的质量和数量。整个挖掘过程是一个不断反馈的过程。
（四）数据挖掘的应用
由于数据挖掘是一门具有广泛应用的新兴学科，针对特定领域的应用包括生物医学、DNA分析、金融、零售和电信等，需要在实践中将数据挖掘技术与特定领域知识结合在一起提供满足特定任务的数据挖掘解决方案。
下面以生物医学研究和商业应用为例来说明数据挖掘的应用。
1.生物医学研究
生物医学研究近年来有了迅猛的发展，从新药物的开发和癌症治疗的突破，到通过大规模序列模式和基因功能的发现，进行人类基因的识别与研究。
2.商业应用
商业或企业对数据挖掘的应用需求很大，商业应用领域有：市场营销、金融、银行、制造和通信等。商业上的大多数应用针对的是分类预测挖掘。
（1）市场营销数据挖掘在市场营销上的应用可分为两类：数据库市场营销和购物篮分析。前者的任务是通过交互式查询、数据细分和模型预测等方法来选择潜在的顾客以便向他们推销产品；后者的任务是分析市场销售数据（如POS数据库）以识别顾客的购买行。
