近年来，随着中国零售行业的逐渐开放，一些行业国际巨头，如沃尔玛、家乐福等迅速占领国内市场，并逐渐扩散到二三级城市，零售企业之间的竞争日趋激烈。如何有效地避免客户流失，保留客户，制定科学合理的营销和服务策略从而最大程度地降低客户的流失率，已成为目前运营商需要解决的一个问题。　　 零售行业经过多年的发展，已经拥有许多成熟的数据库系统，积累了大量业务数据。然而面对海量的数据，要想从中获取有用信息，预测出客户在未来一段时间内的流失倾向，以及如何更有针对性地对即将流失的客户采取措施进行挽留，传统的基于客户行为的分析方法已经不能满足这样的需求。国内外电信行业已有将数据挖掘应用于客户流失预测和流失控制的成功案例。然而国内零售行业目前主要集中在通过建立客户关系管理系统来进行客户维系挽留，根据现有文献，尚未有效地建立行业性的客户流失预测模型。　　 本文从零售行业的实际需求出发，在前人研究的基础上，结合目前零售企业客户维系管理现状，构建了基于RFMD特征量的客户流失预测模型，通过在三种常用的预测客户流失概率的数据挖掘技术中应用RFMD特征量，比较在三种方法中使用RFMD特征量的预测效果改进情况，从而论证基于RFMD特征量的客户流失预测模型在预测效果上的改进。本文的主要工作和创新点主要体现在特征变量的构造上。　　 特征变量的构造和特征变量的选取对客户流失预警模型的学习效率以及最终模型的准确性和稳定性有很大影响。在分析和比较了众多特征变量筛选和关系分析理论的基础上，充分考虑了零售行业数据库系统的数据特点，本文引入扩展后的RFM模型，即RFMD模型作为特征变量进入模型。该指标模型的优点是能够提供有效的信息量，且便于解释其经济意义。　　 本文采用理论研究和实证研究相结合的方法，以美国某零售企业SAM公司的客户数据为基础，构建了客户流失预测模型及其改进模型。文中详细阐述了包括数据的准备、属性的选择、模型的构建以及模型的评价和应用的整个过程。本文采用数值化指标和图形化指标对模型进行评价，使得评价更加客观，研究结果表明基于RFMD特征量的logistic客户流失预测回归模型在预测准确率方面所改善程度最大，从整体性能来看也要优于零售业现有的客户流失分析方法。　　 最后，本文提出了本文的不足和进一步研究方向，并总结了主要研究成果。