在激烈的市场竞争和不断变化的市场需求面前,最大限度地降低客户流失,是每个企业的成功之本。客户流失管理作为客户关系管理理论中极其重要的组成部分,其核心就在于如何进行有效的客户流失预警。目前,数据挖掘技术被广泛应用于客户流失预警的研究中。论文在客户关系管理的大背景下,在全面总结客户流失管理理论的基础上,运用数据挖掘等技术对客户流失预警问题进行了深入的探讨。首先,通过客户流失管理的广泛实践,研究客户流失预警的概念、基本特征及功能,从而对客户流失预警体系进行研究。其次,通过对客户流失数据特点以及客户流失预警问题特殊性的分析(数据量大、数据的维度较高、数据集不平衡、属性选择往往带有主观性和猜测性等),为消除属性选择的主观性和提高模型预测的准确率、覆盖率、命中率及提升度,避免使不同类别的客户属性在属性空间中发生严重的交叠,以提高模型的预测性能,从而提高预测识别的正确率。论文提出了基于信息增益(IG)与神经网络(NN)双层属性选择的客户流失预警模型,即先利用IG对客户流失数据进行主要属性选择,再用神经网络对每个主要属性进行分析,由80／20法则分析神经网络输出的结果得出影响客户流失的关键属性；然后以关键属性作为输入,客户流失概率作为输出,构建出信息增益神经网络(IG_NN)双层属性选择预警模型。为验证方法的有效性,将IG_NN双层属性选择预警模型应用到内蒙古某电信运营商的客户流失预警中,并与单一的预警模型如决策树、神经网络进行了比较。结果显示,在当前时间条件下,IG_NN双层属性选择预警模型在命中率、覆盖率、准确率和提升度方面均有不同程度的改善。因此,此模型对于处理数据量大且非平衡数据集具有良好的预测性能。在理论上,论文完善了客户关系管理及企业预警的基本理论和思想；在实践中,基于此模型良好的预测性能,能够帮助企业规避客户流失风险,指导企业进行更好地实施客户关系管理,提高企业的竞争力。