当今社会已步入信息爆炸时代,大量信息已成为信息社会最重要的特征,然而如何更好的利用信息,如何在海量数据中发现知识创造价值是人类面对的一个重要课题。而从最早被应用于超市关联规则发现的Apriori算法提出至今,超市大量详尽的信息资源一直伴随着数据挖掘技术的发展前沿不断被使用。但是到目前为止我国超市零售企业并没有对积累的顾客销售数据开展有效的研究分析,不能利用数据挖掘方法对超市决策提供有价值的帮助。本文收集到哈尔滨一家大型连锁超市的实际交易数据,并针对关联规则分析在超市营销决策中的应用展开研究。本文首先系统的介绍了数据挖掘理论、关联规则算法的相关理论,以及超市经营中的涉及的市场营销学和消费者行为学的基础知识。然后在理论研究的基础上提出了运用关联规则中各个项目的加权利润之和的思想评估关联规则价值,并相应的设计了三个超市关联分析模型。这三个模型分别讨论了超市货架摆放、超市商品捆绑销售和超市竞争产品分析的问题。接着本研究针对收集到的一个季度的超市交易数据进行处理,通过实施数据挖掘项目的SEMMA流程,并运用SAS软件中的Enterprise Miner商业模块和SAS语言编程实现了本文提出的超市市场营销模型的演算。最后,本文结合数据来源超市的实际情况根据模型结果提出了切实可行的营销建议。通过模型演算发现了大量符合支持度-置信度阈值的关联规则,本文运用关联规则中各项加权利润选取了一些有实用价值的规律并加以具体分析。研究发现虽然一些关联规则的支持度-置信度相对不高,但是产生的利润比高支持度-置信度下的规则更显著。可见本文提供的方法具有一定的合理性和优越性,在实际超市运营中具有很强的推广价值。这一研究也为全国提供了开展连锁超市业数据挖掘项目可行性的相关证据支持。