随着全球经济的迅猛发展,行业间客户争夺、抢占市场的竞争愈演愈烈。有关研究结果表明,企业开发一位新客户要付出挽留一位老客户3-10倍的成本。如何预测客户流失问题,分析客户流失原因,制定流失客户挽留的策略,已经成为现代企业所关注的一个焦点。由于市场的迅速扩大和科技水平的持续发展,市场每日都会产生大量的数据储存在企业的数据库中,且数据具有不平衡性、缺失值、噪声影响大等特点。而随机森林(Random Forest,RF)算法作为一种新型的数据挖掘分类方法,能够有效处理大数据集,适合不平衡性、有缺失、噪声影响大的数据,可以达到非常好的回归分类效果。因此本文将这种方法应用于某著名化妆品牌公司的客户流失预测问题中。本文首先使用随机森林算法建立化妆品行业的客户流失预测模型,主要对公司已有流失客户数据进行画像,将一部分数据用于规则的训练。然后使用训练出的规则对剩下一部分数据进行预测,将预测值与真实值进行对照,计算该模型的预测精度。实证结果表明,在源数据出现缺失值且严重不平衡的情况下,随机森林能够很精准的预测出流失客户,达到了比较高的预测精度。在对企业数据进行了客户流失预测模型的建立后,又采用了CRM中最常见的RFM模型与K-means聚类算法相结合的方式,对流失客户进行了客户价值细分。共划分为8类客户,针对每一类客户分析R(Recency)、F(Frequency)以及M(Monetary)三个指标的特征,并确定了每类流失客户的挽留价值,最后计算每位客户的综合价值,在每一类中根据综合价值进行降序排序,进一步明确了哪些客户更值得挽留,提供了具体的挽留策略。