现今汽车行业的竞争日趋激烈，企业竞争目标逐渐从产品转向服务。优质的售后服务成为企业留住客户、提高企业竞争力的有效手段之一。汽车售后服务包括一系列的服务过程，其中重要的一项为汽车维修保养服务。对于汽车企业而言，根据客户的维修保养行为发掘其维修保养习惯，并根据客户的保养习惯推荐更为准确、合理的增值服务项目，有利于提高客户的满意度，增强客户的品牌忠诚度，更有利于增加企业的利润，增强企业的竞争优势。因此此项研究具有重要的理论意义和实用价值。　　 本文针对客户维修保养习惯挖掘和保养服务推荐等内容进行研究。综合应用不确定性人工智能、数据挖掘、服务推荐等IT技术和管理理论与方法，从汽车维修服务行业着手，根据客户的汽车维修保养行为为客户进行分类，研究每类客户群的汽车维修保养习惯，提供准确合适的服务推荐，增强客户满意度，使汽车4S店在激烈的竞争中占据上风。主要研究内容包括：首先，本文查阅大量的国内外相关文献，对汽车售后服务、云模型、关联规则及服务推荐四个领域的研究现状进行分析研究。其次，本文构造了用于客户分类的正态云模型和基于客户类别用于挖掘各类别客户群汽车维修保养习惯的关联规则模型，并总结了几种适合汽车售后服务领域使用的服务推荐策略。其中，用于客户分类的正态云模型构造思想为：采用云的数字特征--期望、熵和超熵，产生云滴，构造云模型，并按历史数据和行业规定标准产生标准云和客户云，将客户云与标准云进行比对，进行类别判定，并将客户归类。基于客户类别挖掘客户群汽车维修保养习惯的关联规则模型的构造思想为：在已分类客户的基础上，采用传统关联规则方法对该类客户群汽车的维护项目进行分析，先采用等宽划分方法对数据进行离散化处理，再根据不同的客户类别设定不同的最小支持度，并设定统一的最小置信度，之后按照apriori算法找出各个维护项目间的关联规则，最终得到客户维修保养习惯。最后，本文以某汽车4S店为实例，将客户分类和关联规则挖掘模型及推荐策略应用此4S店售后服务部门，对4S店售后服务人员进行服务推荐指导。本文对客户汽车维修行为的分析研究，可以为服务商形成主动适时的服务方案提供理论和方法上的支撑。一方面使客户能够享受到最合适的服务，另一方面可提高服务商的服务效率，避免服务资源的浪费，提高客户关系的质量。