1、面對(duì)市場(chǎng)的激烈競(jìng)爭(zhēng)，僅依靠商品本身很難在日趨激烈的競(jìng)爭(zhēng)中取勝，現(xiàn)今市場(chǎng)的競(jìng)爭(zhēng)，實(shí)際是贏得顧客的競(jìng)爭(zhēng)。因此，如何建立顧客忠誠(chéng)度模型分析顧客的忠誠(chéng)度是十分重要的。因?yàn)檫@為企業(yè)如何更好的去識(shí)別和保留忠誠(chéng)度高的顧客，挖掘潛在和提升顧客忠誠(chéng)度，以及預(yù)防顧客流失都起著至關(guān)重要的作用。 本文分析了國(guó)內(nèi)零售業(yè)顧客消費(fèi)行為特性，探討樂(lè)國(guó)內(nèi)零售業(yè)頹客忠誠(chéng)度評(píng)價(jià)指標(biāo)體系，提出了適合國(guó)內(nèi)零售業(yè)顧客忠誠(chéng)度評(píng)價(jià)指標(biāo)模型，同時(shí)與一種較為成熟的顧客忠誠(chéng)度指標(biāo)分

2、析模型（簡(jiǎn)稱RFM）進(jìn)行了比較分析，并通過(guò)試驗(yàn)表明新模型更適用于零售業(yè)的顧客分析，實(shí)例驗(yàn)證該模型的有效性和可行性。建立忠誠(chéng)度模型后，需選取挖掘方法對(duì)數(shù)據(jù)進(jìn)行挖掘，分析了K-means算法的優(yōu)缺點(diǎn)以及在顧客細(xì)分中的不足，采用改進(jìn)的K-means算法-基于近鄰密度的初始中心點(diǎn)選擇算法（NK-means）對(duì)數(shù)據(jù)進(jìn)行分析，通過(guò)實(shí)驗(yàn)證明該算法的有效性。在分析過(guò)程中用VC開(kāi)發(fā)的可視化顧客分析系統(tǒng)對(duì)顧客按忠誠(chéng)度進(jìn)行挖掘，同時(shí)根據(jù)聚類挖掘結(jié)果對(duì)不同忠誠(chéng)