能源行业的销量预测能够为企业内部的高效管理提供依据,帮助企业宏观调控来提高经济效益。现有方法大多基于历史销售数据进行时间序列分析,或是采用回归、神经网络等方法提取环境因素等外部数据进行预测。然而,销量受宏观经济因素、周期性因素、周边环境因素等多因素综合影响,直接体现在客户的细粒度消费行为上,现有工作在销量预测方面缺少对客户行为的深入分析,因此需要挖掘与销量相关的影响因素并量化为可解释的预测指标。本文引入细粒度的客户消费行为作为重要的分析依据,从客户行为上理解各影响因素对销量的影响,提出了基于客户行为分析的销量预测框架。通过聚合碎片化的客户行为数据,分析了代表性群体客户的购买行为与零售销量之间的内在关联性,既考虑了个体间消费习惯的差异性,又归纳出群体客户的行为模式一致性,同时为管理人员提供了可解释的依据。根据不同类型客户群体的数量分布规律,对群体客户行为进行预测,并进一步作为客户行为特征进行销量预测。针对能源零售管理模式,设计了三种零售销量预测目标:单站短期预测、单站长期预测与多站联合预测。基于销量的时间序列得到周期性特征,基于客户消费行为进行分析得到客户行为特征。单站预测使用单站相关特征,多站联合预测基于站间相关性筛选得到其他站与单站相关的特征,对单站预测特征集合进行扩展,实现联合预测,并采用包裹式特征筛选和预测模型进行销量预测。选用两个真实的油品交易数据集,从两个方面对预测方法进行验证,一方面对比了融入不同形式的客户行为特征对预测准确度的影响,另一方面对比了使用不同预测模型对预测准确度的影响,并评估预测模型的适用性。实验结果表明本文工作的有效性,基于客户行为的销量预测能够得到更好的预测结果。