面对不断变化的市场需求和竞争激烈的市场环境，将客户流失率降至最低，是企业赢得市场、取得成功的根本。自从我国加入WTO后，各个市场对外开放，我国各行各业都面临来自外国产品的竞争，大大加重了企业对客户资源的争夺，与此同时，信息技术的快速发展推动了电子商务时代的到来，网络营销以其独特的优势运营而生，使得供应商也成为企业的竞争对手，这对零售企业来说无疑是雪上加霜。因此，对零售行业的进行客户关系管理显得迫切而重要。客户关系管理的重点在于降低客户流失率，而降低客户流失率的关键在于客户流失预警，进行客户流失预警的常用技术是数据挖掘。本论文在客户关系管理的大知识背景框架下，梳理分析客户流失管理相关理论的基础上，利用数据挖掘技术方法对零售业客户流失预测问题进行了研究。本文首先回顾了客户关系管理的相关理论知识，客户流失的定义、原因及客户流失管理过程，探讨了客户价值的概念以及客户价值评估的几类算法。然后提出了基于RFM客户价值和IG-NN属性选择的客户流失预警模型，利用RFM模型计算出客户价值，用信息增益选择主要属性，再用神经网络分析每个主要属性对客户流失率的影响程度并结合二八法则判断导致客户流失的关键属性，并以客户价值、关键属性作为神经网络的输入，客户流失概率作为网络输出，构建基于RFM客户价值和IG-NN属性选择的客户流失预警模型。然后将本文所得结果与单一神经网络和基于IG-NN属性选择的客户流失预警模型进行对比，发现本文的客户流失预警模型在准确率、命中率、覆盖率以及提升度方面均优于另外两个模型。最后，对本文的研究结论进行了总结，并对未来研究提出展望。