铁路货运客户流失管理的理论与方法研究
发布时间：2022-12-22 21:49
随着国家供给侧结构性改革政策的逐步推进和当前货运行业日趋竞争激烈的市场格局,铁路货运行业面临着客户流失的风险,如何对货运流失客户进行高效管理是铁路货运营销部门需要长期面对的问题。本文运用数据挖掘技术对铁路海量货运客户数据进行挖掘分析,用于货运客户流失管理,并且从铁路货运行业实际需求出发,提出了货运客户细分、流失预测的研究方法,并在此基础上进行了货运流失客户挽留价值的研究,具有理论和实践意义。本文的主要研究工作包括:（一）结合铁路货运行业特征和铁路货运客户发货特征,提出了基于改进RFM模型的货运客户细分模型KFAV,该模型引入了货运客户发货周转量、货运客户发货倾向、货运客户货运贡献度等参数,具有较好的实践效果,并且针对传统k-means聚类算法具有聚类中心随机选择的缺点,提出了改进的k-means聚类算法,通过建立基于Hadoop的仿真平台,验证了KFAV模型良好的客户细分效果,并且证明了改进k-means算法的高效性,也验证了Hadoop平台在处理大数据方面的优越性。（二）在货运客户细分的基础上,结合铁路大宗货物和零散白货两大类货运客户的自身特点,分别提出了两类货运流失客户的识别方法,...
【文章页数】：124 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景和意义
1.2 客户关系管理的相关研究
1.2.1 客户细分方法研究
1.2.2 客户流失预测研究
1.2.3 铁路货运流失客户挽留对策研究
1.3 Hadoop体系架构概述
1.3.1 MapReduce分布式计算技术
1.3.2 分布式存储体系
1.3.3 Hadoop在客户关系管理中的应用
1.4 研究内容与技术线路
1.4.1 研究内容
1.4.2 技术线路
第2章 铁路货运客户细分研究
2.1 引言
2.2 货运客户细分模型研究
2.2.1 基于RFM的客户细分模型
2.2.2 基于KFAV的客户细分模型
2.2.3 基于KFAV模型的铁路货运客户价值研究
2.3 客户细分算法设计
2.3.1 传统k-means算法
2.3.2 改进k-means算法
2.3.3 基于Hadoop的改进k-means算法设计
2.4 仿真求解
2.4.1 仿真数据
2.4.2 仿真环境
2.4.3 仿真流程
2.4.4 仿真结果
2.4.5 结果分析
2.5 本章小结
第3章 铁路货运客户流失预测研究
3.1 引言
3.2 大宗货物和零散白货概述
3.2.1 大宗货物概述
3.2.2 零散白货概述
3.3 铁路大宗货运客户流失预测研究
3.3.1 大宗货物客户流失定义
3.3.2 大宗货物客户流失预测模型研究
3.3.3 大宗货物客户流失预测仿真求解
3.3.4 大宗货运客户流失预测研究小结
3.4 铁路零散白货客户流失预测研究
3.4.1 零散白货客户流失定义
3.4.2 零散白货客户流失预测模型研究
3.4.3 零散白货客户流失预测算法设计
3.4.4 零散白货客户流失预测仿真求解
3.4.5 零散白货客户流失预测研究小结
第4章 铁路货运流失客户挽留价值研究
4.1 引言
4.2 铁路货运流失客户可期货运价值研究
4.3 铁路货运流失客户挽留效果模型研究
4.4 铁路货运流失客户挽留成本研究
4.5 铁路货运流失客户挽留价值模型研究
4.6 铁路货运流失客户挽留价值仿真求解
4.6.1 仿真数据及环境
4.6.2 仿真流程
4.6.3 仿真结果及分析
4.7 本章小结
结论与展望
致谢
参考文献
攻读博士学位期间发表的论文
【参考文献】：
期刊论文
[1]2017年航空货运市场回顾与2018年展望[J]. 曹允春,张凯迪,宋文妍. 综合运输. 2018(10)
[2]交通强国战略下水运安全挑战与展望[J]. 严新平,张金奋,吴兵. 长江技术经济. 2018(03)
[3]基于铁路货物损失分析的保价营销策略研究[J]. 付建飞,李星潺. 铁道货运. 2017(07)
[4]基于KFAV的中国铁路货运客户细分方法研究[J]. 张斌,彭其渊. 交通运输系统工程与信息. 2017(03)
[5]铁路快运货物损失理赔服务质量提高对策[J]. 黄启营. 铁道货运. 2017(05)
[6]铁路货物损失特征及安全对策[J]. 江立. 铁道货运. 2017(04)
[7]铁路大宗货物运输定价的影响因素和定价对策建议[J]. 王雪姣. 价格月刊. 2017(02)
[8]我国铁路物流发展形势及对策分析[J]. 唐智鹏. 铁道货运. 2017(01)
[9]零散白货的货源组织问题和运输组织问题一体化[J]. 王志美,张星臣,徐彬. 北京交通大学学报. 2016(06)
[10]供给侧改革下铁路从大宗货物向零散快捷货物拓展的思考[J]. 张伯敏. 交通运输工程与信息学报. 2016(04)
博士论文
[1]基于决策树和K最近邻算法的文本分类研究[D]. 王煜.天津大学 2006
硕士论文
[1]数据挖掘在电信管理客户关系系统的研究与应用[D]. 马映.湖北工业大学 2017
[2]铁路大宗货物运输市场监测方案构建研究[D]. 李伟伟.西南交通大学 2017
[3]铁路大宗货物运价浮动研究[D]. 孙嘉欣.西南交通大学 2017
[4]基于大数据技术的电信客户维系挽的分析与研究[D]. 潘娜.郑州大学 2017
[5]基于Hadoop的并行算法在预测客户流失中的研究[D]. 黄鑫.江苏大学 2017
[6]基于神经网络算法构建电信用户流失预测模型的研究[D]. 孙碧颖.兰州大学 2016
[7]基于J2EE实现的电信CRM系统数据分析[D]. 蒋奇霖.南华大学 2015
[8]铁路货运大数据平台下基于聚类的客户细分应用研究[D]. 刘明桦.北京交通大学 2015
[9]基于商业智能的铁路货运客户流失分析模型研究[D]. 张秋红.西南交通大学 2015
[10]基于SVM的微博话题跟踪方法及其应用[D]. 罗杰.北京理工大学 2015
本文编号：3724106
【文章页数】：124 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景和意义
1.2 客户关系管理的相关研究
1.2.1 客户细分方法研究
1.2.2 客户流失预测研究
1.2.3 铁路货运流失客户挽留对策研究
1.3 Hadoop体系架构概述
1.3.1 MapReduce分布式计算技术
1.3.2 分布式存储体系
1.3.3 Hadoop在客户关系管理中的应用
1.4 研究内容与技术线路
1.4.1 研究内容
1.4.2 技术线路
第2章 铁路货运客户细分研究
2.1 引言
2.2 货运客户细分模型研究
2.2.1 基于RFM的客户细分模型
2.2.2 基于KFAV的客户细分模型
2.2.3 基于KFAV模型的铁路货运客户价值研究
2.3 客户细分算法设计
2.3.1 传统k-means算法
2.3.2 改进k-means算法
2.3.3 基于Hadoop的改进k-means算法设计
2.4 仿真求解
2.4.1 仿真数据
2.4.2 仿真环境
2.4.3 仿真流程
2.4.4 仿真结果
2.4.5 结果分析
2.5 本章小结
第3章 铁路货运客户流失预测研究
3.1 引言
3.2 大宗货物和零散白货概述
3.2.1 大宗货物概述
3.2.2 零散白货概述
3.3 铁路大宗货运客户流失预测研究
3.3.1 大宗货物客户流失定义
3.3.2 大宗货物客户流失预测模型研究
3.3.3 大宗货物客户流失预测仿真求解
3.3.4 大宗货运客户流失预测研究小结
3.4 铁路零散白货客户流失预测研究
3.4.1 零散白货客户流失定义
3.4.2 零散白货客户流失预测模型研究
3.4.3 零散白货客户流失预测算法设计
3.4.4 零散白货客户流失预测仿真求解
3.4.5 零散白货客户流失预测研究小结
第4章 铁路货运流失客户挽留价值研究
4.1 引言
4.2 铁路货运流失客户可期货运价值研究
4.3 铁路货运流失客户挽留效果模型研究
4.4 铁路货运流失客户挽留成本研究
4.5 铁路货运流失客户挽留价值模型研究
4.6 铁路货运流失客户挽留价值仿真求解
4.6.1 仿真数据及环境
4.6.2 仿真流程
4.6.3 仿真结果及分析
4.7 本章小结
结论与展望
致谢
参考文献
攻读博士学位期间发表的论文
【参考文献】：
期刊论文
[1]2017年航空货运市场回顾与2018年展望[J]. 曹允春,张凯迪,宋文妍. 综合运输. 2018(10)
[2]交通强国战略下水运安全挑战与展望[J]. 严新平,张金奋,吴兵. 长江技术经济. 2018(03)
[3]基于铁路货物损失分析的保价营销策略研究[J]. 付建飞,李星潺. 铁道货运. 2017(07)
[4]基于KFAV的中国铁路货运客户细分方法研究[J]. 张斌,彭其渊. 交通运输系统工程与信息. 2017(03)
[5]铁路快运货物损失理赔服务质量提高对策[J]. 黄启营. 铁道货运. 2017(05)
[6]铁路货物损失特征及安全对策[J]. 江立. 铁道货运. 2017(04)
[7]铁路大宗货物运输定价的影响因素和定价对策建议[J]. 王雪姣. 价格月刊. 2017(02)
[8]我国铁路物流发展形势及对策分析[J]. 唐智鹏. 铁道货运. 2017(01)
[9]零散白货的货源组织问题和运输组织问题一体化[J]. 王志美,张星臣,徐彬. 北京交通大学学报. 2016(06)
[10]供给侧改革下铁路从大宗货物向零散快捷货物拓展的思考[J]. 张伯敏. 交通运输工程与信息学报. 2016(04)
博士论文
[1]基于决策树和K最近邻算法的文本分类研究[D]. 王煜.天津大学 2006
硕士论文
[1]数据挖掘在电信管理客户关系系统的研究与应用[D]. 马映.湖北工业大学 2017
[2]铁路大宗货物运输市场监测方案构建研究[D]. 李伟伟.西南交通大学 2017
[3]铁路大宗货物运价浮动研究[D]. 孙嘉欣.西南交通大学 2017
[4]基于大数据技术的电信客户维系挽的分析与研究[D]. 潘娜.郑州大学 2017
[5]基于Hadoop的并行算法在预测客户流失中的研究[D]. 黄鑫.江苏大学 2017
[6]基于神经网络算法构建电信用户流失预测模型的研究[D]. 孙碧颖.兰州大学 2016
[7]基于J2EE实现的电信CRM系统数据分析[D]. 蒋奇霖.南华大学 2015
[8]铁路货运大数据平台下基于聚类的客户细分应用研究[D]. 刘明桦.北京交通大学 2015
[9]基于商业智能的铁路货运客户流失分析模型研究[D]. 张秋红.西南交通大学 2015
[10]基于SVM的微博话题跟踪方法及其应用[D]. 罗杰.北京理工大学 2015
本文编号：3724106
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3724106.html
