近年来随着电子商务的飞速发展,其应用范围得到了不断扩大和普及,消费者生活的多方面需求都能够在一定程度上通过电商消费的方式得以实现。而各电子商务企业之间的竞争也由此变得更加激烈。在以客户需求为驱动的管理模式下,客户的重要性自不言而喻。而针对如何发展更多的新客户、维护和保持更多的老客户以使得企业获得持续化发展的能力,则是当前电商企业所不得不面对的重要问题。因此,本文致力于构建出电商企业的客户流失预警模型,以某电商平台中部分快消商品的用户评论数据为基础,通过挖掘客户历史消费行为识别流失客户特征,对用户未来是否有消费做出提前预警。此外针对不同的价值细分客户的特征制定有的放矢的挽回策略,从而改善企业流失现状。本文主要的研究工作:1)电商企业的客户流失问题确认本文基于电商行业特点,结合前人学者对客户流失理论的研究成果,从影响电商行业客户流失的因素出发,分析出一般客户流失的分类。并且从电商客户消费行为特征出发,分析出电商客户流失的发展过程,从而给出本文对于电商客户流失的定义。此外,从历史消费金额、消费次数、消费频率、最近消费间隔、有消费天数和消费加速度等维度构建出55个特征变量并结合多时间窗口理论,从而构建出了符合电商客户消费行为特征的多周期训练数据集。2)电商企业流失预警模型的构建评价以电商平台的部分快消商品的用户评论数据为研究样本,通过Mysql和Python实现了对原始数据清洗重构。在获得最终多周期数据训练集的特征宽表后,运用随机森林分类模型进行建模预测,经过模型参数的反复调试验证,通过对未来第一个月、第二个月以及第三个月是否消费的预测比较中发现,距离当前时间越近则模型预测效果越好。对于下一个月是否有消费的预测最终获得了82%的准确率和85%的召回率的模型效果,并输出了10个贡献度最大的特征变量。3)客户流失预警模型的应用研究对测试集对象的流失概率按照降序排列从而得到流失客户名单,针对这部分高概率流失用户运用RFM客户价值细分模型,通过KMeans聚类算法对其进行聚类,从结果上聚类效果较为明显的区分出了不同类别人群之间的特征,而后根据各人群特征以及流失受力分析从而制定对应的客户关系策略。本文采用多周训练数据集的方法来尽可能的表现电商用户的消费特征,通过对用户在不同观测时间上不同特征的计算,来模拟用户消费历史行为,并取得了一定的模型效果。随后依据客户价值细分模型,通过对用户的聚类从而区分出不同用户之间的共同特征差别,结合针对性的挽留策略的制定,从而实现了电商企业客户流失预警的目的。