客户关系分析是客户关系管理(Customer Relationship Management,简称CRM)中的重要组成部分。数据挖掘是处理数据、发现知识的一种重要工具。本文利用数据挖掘中的相关模型和算法,研究了客户关系分析中的两个主题:客户流失预测和客户全生命周期价值。论文的主要工作和成果包括:1.综述了客户流失分析以及数据挖掘的研究现状,论述了客户流失分析的相关问题。2.分析了客户流失预测问题的特点,采用支持向量机(Support Vector Machines,简称SVM)模型来解决客户流失预测问题。引入SVM的几何计算方法—SK算法,在研究SK算法基础上,提出了改进算法:Forward-SK和Backward-SK算法。通过理论分析和实验数据验证,注意到Forward-SK算法与SK算法有类似的预测精度和较高的效率。而Backward-SK算法是一种更通用的算法,SK算法和软SK算法都可以看作是它的一种特例。3.通过对客户生命周期价值(Customer Lifetime Value,简称CLV)进行分析,利用Markov Chain理论对CLV进行研究。研究了一类有维持项的马氏链CRM方程,并求出其期望收益值的解析解;在此基础上求得客户期望收益总值的解析表达;与无维持项的马尔科夫链模型进行分析和比较,注意到有维持项的马氏链方程具有更好的期望收益和更大的客户期望收益总值,这与实际CRM实践观察是一致的。本文研究的数据挖掘算法和相关的模型在客户管理和其他领域也有理论和应用价值。