随着信息技术高速发展及电子商务市场的不断发展，广大消费者越来越喜欢在网络平台上进行商品交易，网络购物已经成为当今社会上重要的购物方式。而如今的电子商务已经步入了大数据时代，每天都会产生庞大的客户行为数据，同时随着企业对海量数据中的知识提取的强烈渴望，如何从这些规模庞大的数据中提取有用的信息，并帮助企业制定相应决策，就显得尤为必要和迫切。目前在市场竞争日益激烈的电子商务时代，不断拓展更多的新客户，从众多的浏览者有效挖掘出潜在客户群体，并努力将潜在客户转换成为现实客户，企业就能获得更多效益以及市场竞争优势。潜在客户挖掘的目的就是为网站制定相应的服务策略提供准确的参考依据及做出相应决策，而目前各大电子商务网站对潜在客户挖掘方面有一定效果，但总体上做的还不是完善，如何高效、准确、及时地挖掘出潜在客户是电子商务企业共同面临的问题。本文针对电子商务网站客户的行为信息进行重点分析，将客户浏览行为与客户购买行为数据相结合，作为潜在客户挖掘的数据来源，在此基础上采用数据挖掘中粗糙集和决策树算法相结合的混合算法进行电子商务潜在客户的挖掘，实现高效、准确和及时挖掘出潜在客户的目标。本文主要的研究工作如下：首先，本文查阅了大量的资料和参考文献，对客户行为分析、潜在客户挖掘等研究进行分析和总结，准确掌握国内外的研究概况及进展。其次，对电子商务网站客户行为进行系统研究，主要对客户浏览行为和购买行为两方面进行了深入的探讨分析和理解，归纳了客户行为数据的特点。在此基础上提出以对某商品进行第一次购买的客户或浏览后未购买的客户作为挖掘对象，并且选择使用Web日志中客户的浏览行为和购买行为数据进行挖掘。接着，分析了粗糙集和决策树算法相关理论知识及潜在客户挖掘的整个过程，并且针对潜在客户行为属性集规模较大的情况下，提出一种依赖度改进的属性约简方法。而后在此基础上，采用一种新的区分价值的多变量检验改进决策树构造方法，建立电子商务潜在客户挖掘模型。最后，本文利用某电子商务网站数据和前期研究资料对本文提出的数据挖掘方法进行分析和模拟实证。实验结果表明，该方法能构造出比较理想决策树模型，而且提取的行为规则易于理解和解释，较为准确地挖掘出潜在客户。