構(gòu)建面向CRM的數(shù)據(jù)挖掘應(yīng)用

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  評分                  
     1. 5. 3  活動管理軟件的作用                  
     1. 5. 4  增加客戶在整個生命周期里的價值(Lifetime Value)                  
     1. 5. 5  數(shù)據(jù)挖掘和活動管理的結(jié)合                  
     1. 5. 6  評估數(shù)據(jù)挖掘模型帶來的好處                  
 第二章  用聯(lián)系的觀點看數(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                  
 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                  
     3. 4  推銷活動的演變                  
     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  評估和可視化信息                  
     4. 6. 2  工具分類                  
     4. 6. 3  查詢和報表工具                  
     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)計選項和問題                  
 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                  
     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  從你過去的錯誤中學習                  
     5. 6  我不需要數(shù)據(jù)挖掘——我已有了統(tǒng)計分析                  
     5. 7  測量數(shù)據(jù)挖掘的效力——準確性. 速度和代價                  
     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                  
     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  對知識和智慧的說明                  
     5. 13. 5  取樣                  
     5. 13. 6  隨機取樣                  
     5. 13. 7  驗證模型                  
     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. 近鄰. 聚類                  
     6. 1  經(jīng)典                  
     6. 2  統(tǒng)計                  
     6. 2. 1  統(tǒng)計和數(shù)據(jù)挖掘之間有什么不同之處                  
     6, 2. 2  什么是統(tǒng)計                  
     6. 2. 3  數(shù)據(jù). 計算和概率                  
     6. 2. 4  柱狀圖                  
     6. 2. 5  為預(yù)測而做的統(tǒng)計                  
     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  一個聚類的簡單例子                  
     6. 3. 2  一個最近鄰的簡單例子                  
     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——對局外點的聚類                  
     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  樹何時停止生長                  
     7. 2. 11  數(shù)據(jù)不夠時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——C4. 5                  
     7. 2. 14  CART——生成森林和挑選最優(yōu)樹                  
     7. 2. 15  CART自動驗證樹                  
     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)不是通過學習能得到更好的預(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  對輸出節(jié)點來說隱藏節(jié)點就像是值得信賴的顧問                  
     7. 3. 14  隱藏節(jié)點中進行的學習                  
     7. 3. 15  在組織中分享責備與榮耀                  
     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  對網(wǎng)絡(luò)進行解釋                  
     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  如何評價規(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)的另一個共同特點                  
     7. 4. 14  什么時候用哪種技術(shù)                  
     7. 4. 15  權(quán)衡勘查與利用                  
 第八章  什么時候使用數(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                  
     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)價值                  
 第九章  客戶盈利能力分析                  
     9. 1  介紹                  
     9. 2  為什么要計算客戶盈利能力                  
     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  如何評估數(shù)據(jù)挖掘技術(shù)的價值                  
 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  試驗活動                  
     10. 6  評估試驗活動                  
     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                  
     12. 4. 3  實施數(shù)據(jù)挖掘                  
     12. 4. 4  數(shù)據(jù)挖掘模型                  
     12. 5  商業(yè)實施                  
     12. 6  結(jié)果                  
     12. 7  經(jīng)驗教訓                  
     12. 7. 1  令人驚訝的結(jié)果                  
     12. 7. 2  改變預(yù)測模式的目標                  
     12. 7. 3  其它的數(shù)據(jù)源亦能提供幫助                  
     12. 7. 4  考慮客戶價值                  
     12. 7. 5  關(guān)于保留團隊和其他市場努力                  
     12. 8  其他行業(yè)中的客戶保持                  
 第十三章  客戶的細分                  
     13. 1  介紹                  
     13. 2  什么是細分                  
     13. 3  細分的意義是什么                  
     13. 4  與“一對一”市場的區(qū)別                  
     13. 5  什么是數(shù)據(jù)驅(qū)動的細分                  
     13. 6  如何完成數(shù)據(jù)驅(qū)動細分                  
     13. 7  細分的不同用途                  
     13. 7. 1  了解你的業(yè)務(wù)并執(zhí)行一個策略                  
     13. 7. 2  人口統(tǒng)計學細分                  
     13. 7. 3  心理學細分                  
     13. 7. 4  目的性細分                  
     13. 8  細分完成的方法                  
     13. 9  數(shù)據(jù)挖掘如何運用到細分上來                  
     13. 10  用集成數(shù)據(jù)驅(qū)動細分                  
     13. 11  引入和去除細分模式                  
     13. 11. 1  市場細分是公司的共用語言                  
     13. 11. 2  正確使用它們                  
     13. 11. 3  改變市場細分                  
     13. 12  案例分析                  
     13. 13  參考文獻                  
 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管理                  
     14. 2. 2  不相稱的客戶投資和客戶價值                  
     14. 2. 3  缺乏將客戶轉(zhuǎn)移到高價值群體的能力                  
     14. 3  定義商業(yè)價值                  
     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  啟動一個數(shù)據(jù)挖掘應(yīng)用的10個步驟                  
     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)的標準                  
     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  為每一個用戶建立個人資料                  
     15. 4. 2  利用快速啟動程序培訓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)情報員                  
     15. 5. 3  指標定義                  
     15.6  真正地定義數(shù)據(jù)                  
     15. 6. 1  評估數(shù)據(jù)完整性的符合程度                  
     15. 6. 2  驗證數(shù)據(jù)源                  
     15. 7  控制項目的范圍                  
     15. 7. 1  用文檔來控制項目范圍的平穩(wěn)擴大                  
     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. 建模和存儲的范圍                  
     15. 7. 4  控制數(shù)據(jù)挖掘的范圍                  
     15. 7. 5  控制試驗性設(shè)計和評價的成本                  
     15. 8  試驗                  
     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)量保證成為一個程序                  
     15. 9. 2  驗證和傳達模型的結(jié)果                  
     15. 10  教育培訓                  
     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  為客戶評分                  
     17. 1  介紹                  
     17. 2  評分過程                  
     17. 3  評分系統(tǒng)結(jié)構(gòu)和配置                      
     17. 4  準備數(shù)據(jù)                  
     17. 4. 1  直接映射                  
     17. 4. 2  偏移映射                  
     17. 5  將評分過程與其他應(yīng)用集成                  
     17. 5. 1  創(chuàng)建模型                  
     17. 5. 2  動態(tài)地給數(shù)據(jù)評分                  
 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：評價. 預(yù)測和行動                  
     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  工具評估：屬性和方法學                  
     19. 5  工具評估                  
     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  個性化工具                  
     19. 7. 2  市場活動管理/行銷工具                  
     19. 7. 3  銷售自動化和客戶服務(wù)工具                  
 第二十章  有效進行客戶關(guān)系管理的下一代信息挖掘和知識發(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