随着数据挖掘技术不断发展,数据挖掘带来的商业价值越来越受到各行业的关注,急切想借助数据挖掘东风创造更多价值。衡量一个企业创造更多价值的直接标准是其商品销售额和销售量的增加。关联规则是数据挖掘应用最广泛的算法之一,关联规则在商品销售中的应用虽然很早就有成功案例,但随着商业竞争的日益激烈,如何提高商品推荐的有效性成了亟待解决的难题。围绕提高商品销售的有效性问题,本文主要从以下几个方面开展工作：首先,在广泛查阅有关资料的基础上,深入研究了已有的关联规则挖掘技术和聚类方法。在此基础上,通过大量实验,选取出适合商品销售推荐的关联规则挖掘算法和聚类算法；其次,利用选出的聚类算法,提取用户特征,对客户进行分类；在分类客户数据的基础上,将商品销售数据集进行转换,形成矢量化的交易数据库,便于后期挖掘效率的提高；然后,利用选出的关联规则挖掘算法对转换数据库进行挖掘,得出针对不同类型客户的挖掘结果。基于上述思路,本文提出了一个CAM(Cluster-Association Mining)算法；最后,将提出的算法在真实数据集上予以了实现。结果表明,本文提出的算具有较强的针对性和有效性。