随着“互联网+物流”平台的兴起,运输领域也诞生了一种新兴业态——无车承运人。这种新业态使得交易更加安全有效,也对货源方和承运方提供了更多保障。无车承运人平台在交易的过程中,平台数据库内会存放海量数据,包括货主、车主的相关信息及交易数据等。通过高效的数据分析和数据挖掘手段,可以帮助企业发现更多隐藏在大数据背后的规律。同样地,数据挖掘技术在无车承运人领域的应用也能更好地帮助平台企业实现从大数据到商业信息的转换,为企业运营提供有力支撑。本文将对无车承运人平台承运方摘单行为的偏好进行研究。首先,针对无车承运人进行相关的文献综述,介绍消费者行为理论层面的相关研究,进一步阐述数据挖掘技术在消费者行为领域的相关研究,并总结数据挖掘的研究现状及相关模型算法的具体使用过程。其次,本文对无车承运人平台承运方用户特征及价值进行分析。根据用户价值理论和消费者行为理论构建无车承运人平台承运方的用户价值体系,并基于该体系结合聚类挖掘技术（K-means算法）对承运方进行用户细分,根据细分结果对不同用户群组进行特征及价值分析,为无车承运人平台提供相关营销策略。最后,本文基于关联挖掘对承运方用户摘单行为偏好进行分析。在聚类挖掘结果的基础上,结合关联规则对群组内部的偏好进行数据挖掘。构建多维多层关联规则模型,并利用关联挖掘技术（Apriori算法）发现不同承运方用户群组的摘单行为偏好,有针对性的提出相应的推荐方案。本文在最后一章提出结论和未来的研究方向。结论表明,本文的研究结果具有科学性,经Z平台近期的数据验证,实际运营中确实存在这样的偏好结论。本文设计的指标体系及相关模型对Z无车承运人平台的相关工作具有重要意义,可以推广到更多无车承运人平台的相关工作中。