随着市场竞争日趋激烈，传统的以产品为中心的市场战略逐渐被以客户为中心、以满足客户需求为目的的市场战略所取代，客户资源成为企业竞争的焦点，客户保持问题也成为客户关系管理的核心。激烈的竞争必然会导致客户处于不稳定状态，每个企业都面临着严重的客户流失问题。如何根据客户的特征和客户行为预测客户的保持度，并结合竞争环境的变化制定有效的客户挽留和赢回策略并实现赢利，是企业正常运营的重要任务，也是客户关系管理研究的一个重要课题。 本文以数据挖掘技术为客户保持提供支持作为研究的切入点，核心是利用数据挖掘辅助企业的客户保持策略的制定和实施，着重从客户保持的理论、相关的数据挖掘技术和客户保持体系的构建等方面进行了研究，并将该客户保持模型在电子商务网站进行仿真应用。 在深入的研究客户保持理论和数据挖掘技术基础之上，本文的研究重点在于客户保持体系的构建，将电子商务企业客户网站浏览记录、购买行为记录、人口统计学数据以及相关推导指标等作为数据基础，引入客户价值分析，把客户当前价值和潜在价值引入客户保持体系，建立客户二维细分矩阵，作为企业制定保持策略的一个指标。在抽取了大量客户数据后，为了降低数据处理量和计算的复杂性，使用属性约减方法将客户的过多的行为变量转换为几个主要的客户行为指标。接着将自组织竞争神经网络(SOM)作为分类方法，将客户每个月的行为划分为不同的行为状态，建立客户行为状态序列。进一步应用关联规则挖掘客户行为状态序列和客户保持/流失之间的关系，预测客户在下一阶段的保持度，并对模型预测的准确度进行评价。下一步依据客户保持策略实施原理提出了客户保持方法和客户的保持度改进阶段的具体实施步骤。模型的最后部分提出了客户保持策略评估方法，应用马尔科夫链模拟不同客户群之间的转移模型，对整体客户群的保持度和利润度进行评价，作为企业选择保持策略的指导。 通过对电子商务网站数据的仿真计算，作者对模型的可操作性和有效性进行了验证，取得了良好的效果，证明其在电子商务网站客户保持管理中具有相当的实际意义。