第 1章　客户关系管理与大数据的关系

1.1　客户关系管理成为企业的核心能力

1.2　客户关系管理中的数据分析

1.3　大数据分析应用的条件

1.3.1 全面准确的海量数据

1.3.2 精细化管理理念的倡导

1.3.3 数据分析和数据挖掘技术的有效应用

1.4　大数据应用的新进展

第2章　数据挖掘概述

2.1　数据挖掘的发展历史

2.2　统计分析与数据挖掘的主要区别

2.3　数据挖掘的主要成熟技术以及在客户关系管理中的主要应用

2.3.1　决策树

2.3.2　神经网络

2.3.3　回归

2.3.4　关联规则

2.3.5　聚类

2.3.6　贝叶斯分类方法

2.3.7　支持向量机

2.3.8　主成分分析

2.3.9　假设检验

2.4　互联网行业数据挖掘应用的特点

第3章　客户关系管理中常见的数据分析项目类型

3.1　目标客户的特征分析

3.2　目标客户的预测（响应、分类）模型

3.3　运营群体的活跃度定义

3.4　用户路径分析

3.5　交叉销售模型

3.6　信息质量模型

3.7　服务保 障模型

3.8　用户（买家、卖家）分层模型

3.9　卖家（买家）交易模型

3.10　信用风险模型

3.11　商品推荐模型

3.11.1　商品推荐介绍

3.11.2　关联规则

3.11.3　协同过滤算法

3.11.4　商品推荐模型总结

3.12　数据产品

3.13　决策支持

第4章　数据分析是跨专业、跨团队的协调与合作

4.1　数据分析团队与业务团队的分工和定位

4.1.1　提出业务分析需求并且能胜任基本的数据分析

4.1.2　提供业务经验和参考建议

4.1.3　策划和执行精细化运营方案

4.1.4　跟踪运营效果、反馈和总结

4.2　数据化运营是真正的多团队、多专业的协同作业

4.3　实例示范数据化运营中的跨专业、跨团队协调合作

第5章　数据挖掘项目完整应用案例

5.1　项目背景和业务分析需求的提出

5.2　数据分析师参与需求讨论

5.3　制定需求分析框架和分析计划

5.4　抽取样本数据、熟悉数据、数据清洗和摸底

5.5　按计划初步搭建挖掘模型

5.6　与业务方讨论模型的初步结论，提出新的思路和模型优化方案

5.7　按优化方案重新抽取样本并建模，提炼结论并验证模型

......