网络团购,指的是相互不认识的消费者在特定时间内在同一网站上购买同个商品,以量大求得最优价格的一种网络购物方式。网络团购是当下的热门话题,团购市场发展飞快。现如今,平台类团购网站在面对大量报名参加团购的商品时,审核过程需要介入大量人力,造成对经验过于依赖。这也在一定程度上导致商品质量和服务层次不齐,影响用户的体验,造成网站用户的流失。团购网站如何选择合适的商家和商品已经成为决定网站和行业兴衰的关键。本文结合实例,提出用数据挖掘算法,构建基于团购商品销量水平预测的模型。利用TSC算法对特定类目下的商品销量水平进行划分,运用方差分析、相关性分析、似然比卡方检验等手段,提取影响团购商品销量水平的有效属性；最后,通过构建成本矩阵、剪枝置信度调整和改进的Boosting技术,应用改进C4.5决策树算法,生成可读的决策树,并且评价模型分类正确率,对规则进行解释,给出管理上的建议。同样方法可以推广到更多商品类目下,用以辅助决策筛选更多优质商品,提高网站自动化选品以及数据化运营程度。本文对某大型团购网站服饰箱包鞋类目一个季度的数据进行分析,得出了影响销量水平的因素：团购价格、折扣、是否入仓等,以及决策树分类规则。