在日新月异的互联网时代,电子商务相对于传统的购物模式的优势愈发明显,方便、快捷的网络购物模式正吸引着越来越多的用户。与此同时,大规模的交易与需求令电商之间的竞争日趋激烈,企业间的竞争一方面促进了电子商务的发展,同时,也加速了电商的优胜劣汰。企业竞争加剧了,客户对企业而言,就成了最重要的资源,如何吸引客户并留住客户就成了企业的工作重点,这也使得客户流失成为众多企业的关注问题。电商们为了确保自己在激烈的竞争市场的良性发展,不仅要令自身产品具备吸引力,还要深入了解用户的偏好和满意度,对用户的行为特征进行深度发掘。电商用户行为的不稳定性较大,流失率较高,那么,能否在客户流失之前及时发现他们,同时帮助营销部门锁定目标流失客户群并制定合适的营销方案是企业市场部门的重要工作。能比较准确地预测用户的流失,对流失风险较大的用户实施有针对性地挽留策略,降低流失率是电子商务企业日常运营管理中的重要工作。在这些方面,数据挖掘可以帮助企业。本文将数据挖掘技术运用到商业分析中,预测天猫用户在特定时间内的流失情况,从而实施挽留策略,降低流失率。本文主要进行了如下三方面的工作:1、介绍了客户流失的研究背景和研究现状,重点介绍了采用数据挖掘方法预测客户流失的三种模型,包括:决策树模型、迭代决策树(Gradient Boosting Decision Tree)模型,简称GBDT、逻辑斯蒂回归模型。2、运用迭代决策树模型处理特征并得到特征集合,建立逻辑斯蒂回归预测模型对样本进行分类预测。3、获取淘宝天猫网站用户2014年四个月的真实数据集,用来预测天猫用户第五个月的购买行为,然后对所提模型的预测能力进行实证分析。本文在实证分析中得到了良好的预测结果,实验最终得到的准确率是86%,召回率是79%。该模型已经具备了较好的预测能力,可以应用到电子商务企业实施日常客户流失预测,帮助电子商务企业加强客户管理,提高客户的保持率。