随着互联网的不断普及，电子商务得到迅速发展。人们足不出户就可以选择自己需要的商品或信息，但不可避免的也为用户带来了“信息超载”问题，个性化推荐服务是解决这一问题的有效方法，对电子商务的持续发展起着至关重要的作用。本文研究目的是通过构建基于用户隐性行为特征的个性化推荐模型，提出改善个性化服务的营销策略，旨在提高推荐的准确率和效率，提高交叉销售能力，使得电商营销更具针对性。针对研究内容，采用模型分析法、比较分析法和实例分析等研究方法。首先，在介绍研究背景和意义的基础上，分别从数据挖掘技术、基于用户的个性化推荐技术和网络营销策略三方面对国内外研究现状进行分析，得出现有电子商务中个性化推荐营销的不足。并对数据挖掘技术、个性化推荐和网络营销的相关理论知识进行详细阐述，奠定了本文研究的理论基础。其次，分析了电子商务网络营销现状及存在的问题，提出基于用户行为的个性化推荐设想。针对电子商务中各影响因素具有不同贡献值的实际情况，提出一种多源矩阵加权关联挖掘算法，结合该算法构建了基于用户隐性行为特征的个性化推荐模型，并对个性化推荐的体系架构进行分析,有效地减少了无效挖掘，提高了个性化推荐服务质量。最后，基于用户隐性行为特征的个性化推荐模型，对实例进行分析挖掘，并结合实例从目标用户的定位、产品关联和网页关联三个方面深入展开分析，提出了提高个性化推荐服务的营销策略。