对互联网下零售电子商务用户浏览的预测,能够提供良好的用户感兴趣服务与导航。对零售电子商务用户的浏览进行优化预测,需要分析每个相似用户群的浏览特征,对预测的候选集进行正、反向的修正,完成用户浏览优化预测。传统方法结合多阶马尔可夫预测方法,分析用户历史行为数据,但忽略了对浏览预测的修正,导致预测精度偏低。提出基于带反馈Markov预测模型的互联网下零售电子商务用户浏览优化预测方法,首先分析每个相似用户群的浏览特征,通过定义历史预测树,对历史预测信息进行存储,建立带反馈的历史预测模型,并对模型中的查询算法和预测算法进行分析,确定预测的候选集,对预测的候选集进行正向和反向的修正,实现对互联网下零售电子商务用户浏览优化预测。实验结果表明,所提方法能够准确对互联网下零售电子商务用户浏览特征数据进行采集,预测的准确度较高。