随着移动端互联网应用的快速发展,越来越多的传统行业依托移动互联网技术取得了突破性的发展,行业市场的快速扩张及同质化严重的特性导致该行业具有用户流失严重的特点。基于此现象,本文选取移动互联网背景下的在线旅游行业数据,通过对用户行为数据的深度预处理与挖掘分析,实现客户流失预测、用户画像分析,并提出相关建议和措施。本文研究的用户流失问题本质上是一个二分类问题,通过对目前通用的分类算法的研究,本文选取分类效果好、解释能力强的XGBOOST和Light GBM作为分类模型。考虑到缺失值、数据的不平衡性、变量冗余对最终模型结果的影响,本文选取链式方程多元插值法填补缺失值,运用改进的Borderline-SMOTE抽样方法进行不平衡处理,选取多种特征工程方法进行特征选择。并且选取了零售行业中经典的RFM模型作为用户画像模型的基础,选取客户价值、近期频率、消费能力作为特征主成分进行K-Means聚类,以此来构建用户画像体系,对不同类别的用户标签进行分析。本文的研究结论为数据预处理对最终结果有重要影响,用户转化率、市场淡旺季分布等因素对客户流失的影响较大,并且将用户分为了五个类别进行分析和营销建议。本文的结论和相关建议将帮助移动互联网背景下的行业有针对性地加强客户关系管理、流失管理和运营管理,本文的分析及数据处理思路可以作为类似问题的研究参考,具有一定的理论和实践意义。