互联网的迅速发展以及大数据时代的来临,促使企业改变营销模式,由传统的线下模式向网络营销发展,即电子商务。网络购物以其便利性获取大量客户的同时,平台用户的不稳定性增强,即客户流失率非常高。企业收益的提高可以通过发展新客户来获得,但发展新客户往往需要付出较大的代价。相对来说,保留老客户所需代价更小,而获得的收益更大。因此,电子商务企业需要对其用户进行有效的管理,减少用户的流失率,才能在激烈竞争中占据优势地位,保持较快较好的发展。网络客户与电信、金融等行业客户具有显著的不同。电信、金融行业的客户属于契约客户,流失客户很容易界定,而网络客户,如电子商务网站客户,则属于典型的非契约客户,客户状态很难预测,客户流失率相对更高。国内外研究客户流失问题起步较早的行业是电信、金融等行业,成果丰富。当前国内外在网络客户流失预测方面研究成果较少,主要运用的研究方法包括传统统计学方法、基于统计机器学习方法以及自组织方法三种。本文对网络客户流失预测进行基于客户价值以及客户评论情感两方面的研究。主要研究工作如下：1、本文在客户生命周期理论基础上,结合网络购物实际业务需求,给出一种网络流失客户定义,根据流失客户定义,区分客户为流失客户与非流失客户。在客户价值理论基础上,选取RFM模型并进行属性衍生,得到客户首次购买时间、客户最近购买时间、客户购买频率、客户购买金额以及客户评分五个指标,作为构建流失预测模型的主要属性。通过在多种预测分类算法上的验证与比较,发现基于客户价值的特征选择具有较好地预测效果,基于客户生命周期给出的流失客户定义能够较为准确的区分客户类别。2、网络客户在购物的过程中,并不能与企业进行面对面的交流,企业获取客户反馈的渠道也较为匮乏,客户评论作为企业接收客户反馈的主要途径,对于企业改进服务,保持客户具有重大意义。考虑到客户评论文本在客户购物过程中的影响以及所表达出的客户个人情感倾向对客户流失的影响,本文在基于客户价值理论构建的模型中融入客户评论情感,作为预测模型的一个新的属性,结合之前获取的五个属性,构建了包含六个主要属性的新预测模型。为验证新模型的预测效果,与SVM、神经网络等多种常用的预测分类算法进行对比试验,检测新模型的预测效果。实验结果表明,融入客户评论情感的新预测模型的表现要优于旧模型。因此,客户评论情感是识别流失客户的一个重要特征,能够有效提升模型的预测效果。