随着互联网电子经济的不断发展，网络购物已经成为当今社会上重要的购物方式。近几年，电商为了扩大影响、增加销售收入，开始选择在节假日举办大型促销活动。因此，正确评估商品在节日促销活动中的促销效果对商家的生存发展至关重要，本文提出了一种基于分类回归树的网络商品促销效果评估方法。　　首先，本文介绍了网络促销的有关概念及相关的统计分类方法。为了帮助商家制定有效的促销决策和方案，用事中评估中的观察法对各项行为指标的记录数据来作为我们的评估指标。从天池大数据平台中获得经过脱敏处理过的的天猫客户真实行为数据，包括促销活动期间内10000个用户的100万多条交易记录和20万条购买记录。通过SQL软件对这些海量数据进行数据预处理后提取了七个客户行为指标，分别为日均浏览次数、日均收藏次数、日均加入购物车次数、日均立即购买次数、日均顾客数量、同类别商品个数、产生用户行为的天数。进一步，定义购买记录中日均购买次数超过100的视为网络热销商品，不到100次的为非热销商品。　　再而，基于之前得到的七个评估指标，分别建立了四个基于客户行为的网络商品促销效果的评价模型:基于Fisher LDA的促销效果模型、基于logistics的促销效果模型、基于K-均值聚类的促销效果模型以及分类回归树的促销效果模型。利用上面提出的4个模型，通过训练数据和检验数据的类别错判率比较发现，基于分类回归树的分类准确率以及模型稳定性最好。采用分类回归树所得结果:影响商品促销效果的因子依次是日均访问顾客数量、日均立即购买次数、同类型商品个数。对于天池大数据平台中的5726个商品，共有1288个热销商品。　　研究结果表明，根据分类回归树的变量选择和分叉规则中的阀值选择结果，得到了网络促销活动中热销商品的有用规则，利用对商品的分类结果来优化商品促销方案或选择最优方案，能帮助电子商务网站的商家改善促销策略提供理论依据和参考。