导读:本文包含了客户保持模型论文开题报告文献综述及选题提纲参考文献，主要关键词:客户保持,客户细分,利润贡献度,贡献增长率
客户保持模型论文文献综述
颜可俊[1]（2013）在《基于客户细分的客户保持最优投入模型》一文中研究指出随着改革开放的深入和世界经济的日益全球化,国内企业正面临越来越大的外部竞争压力。在削减成本以及激烈的竞争压力下,由传统发展新客户向保持现有客户进行转型,越来越成为一种可能的营销活动方向。S公司的市场营销者可能有足够的信息来构建一个预测潜在流失者的模型,但他们却没有足够的线索来辨别应该投入多少预算到客户保持活动中去和潜在流失客户保持下来的预期收益情况如何。如何最优化客户保持投入并从中预期最大化收益,是摆在S公司面前的一个紧迫的课题。首先,本文从客户流失和保持管理一般方法出发,结合S公司的原有实际客户流失和保持管理模型情况,对S公司原有的客户保持管理进行研究和分析,找出S公司其在实际客户保持管理中存在的问题。我们认为只有以理论为基础的模拟法才是可行的,尤其是最优的保持投入管理模型。通过对目前S公司的客户细分研究存在的局限性,我们基于客户利润贡献度和贡献增长率从横向和纵向两方面对客户进行有效的细分,从而加强S公司的客户关系的管理。然后,我们针对细分后的客户群进行客户保持最优化模型研究,这个客户保持最优化投入模型主要目的是辅助企业以最优化的经济投入来获取客户的最大化盈利。同时针对不同细分的客户群我们采用不同的客户保持市场营销手段和客户保持成本预算的投入。最后,我们的实践证明在S公司运用这一基于客户利润贡献度和利润贡献增长率的客户细分的客户保持成本预算最优投入模型取得了良好效果。也同时证明了客户保持投入产生的效益在一定的拐点会出现递减趋势,客户的平均收益会随着客户保持投入的增长呈“倒U”型曲线。本文不仅对制造型的S公司客户保持最优管理水平具有实践指导意义,而且对业内其他企业,比如保险、电讯、证券行业也具有一定的客户关系管理参考价值。(本文来源于《华东理工大学》期刊2013-04-11）
孙树垒,路晓伟,张庆民,王海燕[2]（2011）在《基于客户识别的客户保持决策模型与定价策略》一文中研究指出建立了以客户识别为基础进行客户保持决策的理论框架和决策模型,提出了客户识别的叁维框架模型,认为客户识别需要在包含客户生命周期价值、客户感知价值和竞争可得性3个维度的框架下进行;随后通过建立客户识别模型,定量分析了客户识别对于客户保持的重要意义;接着阐述了以客户识别为基础进行客户保持决策的过程和方法,并综合考虑客户忠诚度因素,通过建立客户保持的决策模型,分析了统一定价和差别定价2种模式下客户保持的企业产品定价策略。(本文来源于《管理学报》期刊2011年10期）
胡丽娟,王学东[3]（2010）在《满意度视角下的B2C网站客户保持模型研究》一文中研究指出B2C网站是面向社会从事电子商务活动的有效平台,而提高客户满意度是B2C网站保持客户的重要手段。本文从B2C网站客户满意度、B2C网站员工忠诚度与B2C网站目标叁个维度出发,设计了B2C网站客户保持模型,从B2C网站形象、B2C网站内容、B2C网站服务与B2C网站安全四方面因素来分析B2C网站客户满意度,并从满意度的角度来解释B2C网站客户保持模型。(本文来源于《情报科学》期刊2010年06期）
陈浩哲[4]（2009）在《基于动力学模型的B2C移动商务客户保持策略》一文中研究指出随着B2C移动商务在我国的快速发展,企业也面临着一系列的客户流失问题。本文通过分析现阶段我国B2C移动商务的价值链和成员特性,结合客户保持的重要性,以动力学模型为分析基础,归纳影响我国B2C移动商务客户保持的因素,并提出切实可行的客户保持策略。(本文来源于《合作经济与科技》期刊2009年24期）
陆文超,薛红,刘成伟,高娜[5]（2009）在《基于RBF神经网络的超市客户保持预测模型研究》一文中研究指出利用RBF神经网络数据挖掘算法建立了超市客户保持预测模型,在MATLAB开发环境下进行程序设计和仿真分析,并与BP算法进行对比,完成了超市客户保持预测的任务,分析了该算法的优越性.(本文来源于《北京工商大学学报(自然科学版)》期刊2009年06期）
朱国玮,张慧娟[6]（2009）在《基于交易行为预测的客户保持最优投入模型研究》一文中研究指出相关研究表明,客户保持对企业的利润线有着惊人的影响,有效的客户保持可以导致企业利润可观的改善,客户保持已经成为客户关系管理的重要部分,而客户保持投入的最优化是客户保持工作的关键。在客户交易行为预测的基础上,构建客户保持投入的最优化模型。通过本模型,企业可以计算出在未来交易时间段内对某一类客户细分群体的最优客户保持投入,并与企业的历史客户保持投入进行比较,从而有效的改善企业的客户保持策略。(本文来源于《财经理论与实践》期刊2009年03期）
李德强[7]（2008）在《基于客户细分的客户获取与保持的最优化投入模型研究》一文中研究指出在传统的市场营销活动中,企业往往没有什么客户细分的观念,对市场"一刀切",造成了不理想的效果。近年来,出现了"一对一"营销的新概念,特别强调对不同的客户采用不同的市场营销手段,但是企业当面对着成千上万甚至千万的客户时,这样操作无疑会使营销成本大幅上升,适当的客户细分对企业才是有实际操作意义的。本文就是在客户细分的基础上,针对细分后的客户群进行客户获取与保持的最优化投入模型的研究。最优化投入模型主要用以辅助企业以最优化的投入来获取最大的客户盈利。(本文来源于《价值工程》期刊2008年12期）
王安东,赵文平,周磊[8]（2008）在《SMC模型求解最优动态客户保持投入的一种方法》一文中研究指出客户是资产的观念目前已被普遍接受,而企业如何对这一重要资产进行保持投入就成了亟待解决的问题。借由SMC模型的构建基础,求得个体客户在只发生一次购买行为的情况下未来每年的购买概率,再根据正向决策树构造客户保持率之公式表达,推导出未来各期客户的保持投入。在此推导过程中还可一并得到客户保持率的威布尔模拟的完整形式及各期平均客户收益。(本文来源于《工业工程》期刊2008年04期）
王冬云[9]（2007）在《电子商务的客户保持分析与模型实现》一文中研究指出分析电子商务环境下客户保持的的变化特点和决定因素,建立了以高价值客户为核心、面向企业的评价指标体系,应用层次分析法和专家决策的模糊综合评价法构建了客户保持度评价模型,全面、及时地测评客户的意愿和行为,帮助企业制定对应的营销策略。(本文来源于《柳州职业技术学院学报》期刊2007年04期）
叶勇[10]（2007）在《基于Probit模型的客户累积保持率分析》一文中研究指出客户累积保持率是描述永久性流失客户交易行为的基本指标,是企业客户关系管理的晴雨表,也是计算客户终生价值的重要参数。目前有效的客户保持率估计方法还没有定论,本文应用Probit模型给出计算客户累积保持率的一种新方法。(本文来源于《统计与决策》期刊2007年14期）
客户保持模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
建立了以客户识别为基础进行客户保持决策的理论框架和决策模型,提出了客户识别的叁维框架模型,认为客户识别需要在包含客户生命周期价值、客户感知价值和竞争可得性3个维度的框架下进行;随后通过建立客户识别模型,定量分析了客户识别对于客户保持的重要意义;接着阐述了以客户识别为基础进行客户保持决策的过程和方法,并综合考虑客户忠诚度因素,通过建立客户保持的决策模型,分析了统一定价和差别定价2种模式下客户保持的企业产品定价策略。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
客户保持模型论文参考文献
[1].颜可俊.基于客户细分的客户保持最优投入模型[D].华东理工大学.2013
[2].孙树垒,路晓伟,张庆民,王海燕.基于客户识别的客户保持决策模型与定价策略[J].管理学报.2011
[3].胡丽娟,王学东.满意度视角下的B2C网站客户保持模型研究[J].情报科学.2010
[4].陈浩哲.基于动力学模型的B2C移动商务客户保持策略[J].合作经济与科技.2009
[5].陆文超,薛红,刘成伟,高娜.基于RBF神经网络的超市客户保持预测模型研究[J].北京工商大学学报(自然科学版).2009
[6].朱国玮,张慧娟.基于交易行为预测的客户保持最优投入模型研究[J].财经理论与实践.2009
[7].李德强.基于客户细分的客户获取与保持的最优化投入模型研究[J].价值工程.2008
[8].王安东,赵文平,周磊.SMC模型求解最优动态客户保持投入的一种方法[J].工业工程.2008
[9].王冬云.电子商务的客户保持分析与模型实现[J].柳州职业技术学院学报.2007
[10].叶勇.基于Probit模型的客户累积保持率分析[J].统计与决策.2007