随着经济发展和社会进步,超市已成为人们日常消费的主要渠道,如何在激烈的竞争中保持客户已成为各商家竞争的焦点。但目前超市行业在智能决策方面的研究尚处初级阶段,对存储在数据库中的数据也做不到深入的分析和挖掘。本文在智能决策理论的基础上对超市客户流失和客户价值进行了深入研究,建立了针对超市的基于Agent的客户关系管理系统。本文通过客户流失预测模型和客户价值细分模型两个方面对如何制订即将流失客户的保持策略进行深入研究,论文完成的主要工作如下:(1)本文将Multi-Agent和数据挖掘技术引入超市客户关系研究,在JADE平台上实现了Agent成员间消息模式的通信机制,并通过各Agent间的相互协作,创建了基于Multi-Agent的超市客户关系管理系统。(2)采用改进的C4.5决策树算法对客户进行流失预测,该算法在传统C4.5算法的基础上引入了加权因子并采用权重信息熵的计算方法,既可调节分类属性距根节点的位置又可使重要类别的特性更加突出,并通过理论及数据分析验证了该方法在超市客户流失预测方面的合理性和有效性。(3)采用基于Agent的蚁群算法对预测为流失的客户进行客户价值细分,通过细分结果评定客户价值等级,以辅助超市管理者制定营销策略。Agent与蚁群算法的结合使该模块具有更强的鲁棒性,细分过程及结果也更加直观清晰,同时也提高了模型的自治性和社会性。(4)整个系统按功能划分为客户流失预测Agent、数据中间处理Agent和客户价值细分Agent三个Agent成员,并通过JADE平台实现了各Agent间的通信及各模块间的智能化协调管理,提高了超市客户关系管理系统的自动化程度。本文以超市客户关系管理为研究方向,详细阐述了系统的原理、实现过程及结果,从客户关系管理的角度对超市的客户保持策略进行了深入研究,为超市决策者制定保持客户的营销策略提供了决策依据,具有较高的理论价值和现实意义。