为了充分展示企业与客户之间的完整视图,迫使基于商业部门的流程型客户关系管理朝着基于组织和管理功能的操作型客户关系管理发展；然而随着企业客户信息量以及客户与企业之间复杂关系的剧增,现有的客户关系管理系统已经不能满足企业的发展需要。为了能够自动地从纷繁复杂的交易信息中挖掘出潜在的、有价值的商业模式,客户关系管理从运营型向分析型发展已成为必然趋势。近年来,客户关系管理领域正发生着革命性的变化,金融数学模型的应用和计算机技术的发展为处理复杂的客户关系奠定了良好的基础；基于数据仓库的数据挖掘技术的出现,为提高客户关系管理水平提供了新契机。所以,充分利用企业的信息资源,在以产品为中心的管理模式转向以客户为中心的管理模式变革中,将数据挖掘技术与客户关系管理系统相结合,从大量的企业销售数据中发现有价值的商业信息,实现企业管理决策的科学化,从而提高客户关系管理系统的时效性,这对企业面对激烈的市场竞争具有非常重要的现实意义。为了能够在客户关系管理系统中发现客户类型与交易行为特征之间的关联,结合数据挖掘技术中的关联规则方法,论文基于客户关系管理的分析应用,提出了一种基于属性位复用索引的约束性关联规则挖掘算法(MBRAPI, an algorithm of constraint association rules mining based on reuse attribute position indexing),该算法能够挖掘满足用户约束需求的且为任意长度的单层布尔型关联规则。首先,算法运用属性位复用索引技术来构建索引值候选区间,完全删除了不包含用户约束需求的候选频繁项口集,克服了现有同类算法存在冗余候选频繁项目集的不足,有效地减少了算法的计算量；其次,算法通过索引值候选区间来产生候选频繁项目集,打破了传统基于集合理论构建候选频繁项目集的思想,在产生候选频繁项目集时减少了计算量,在计算支持数时减少了扫描事务数据的个数；最后,算法借助索引值候选区间的端点变量,通过二进位取反双向生成候选频繁项目集的索引值,避免了同类算法将整数转换为二进制向量的计算,达到了提高挖掘算法效率的目的。算法借助仿真实验平台与现有算法作横向和纵向比较,大量的实验结果表明,在挖掘满足用户约束需求的关联规则时,该算法的执行效率比经典算法和现有同类算法更快速更有效。为了验证提出算法的实用性,论文设计了一个基于房屋销售的客户关系管理系统,将算法应用到系统中实现数据分析功能,即用MBRAPI算法挖掘客户特征及其购买房屋特征之间的关联,根据这些关联规则房地产企业可以针对不同客户类型来选择房屋位置和改进房屋布局,从而尽最大努力来提高客户满意度,使企业获得最大利益。通过仿真系统的智能挖掘结果可以发现顾客及其交易特征,验证了算法在客户关系管理系统中的实用性。