摘要：为了准确识别高价值电子商务客户,提高对非流失客户的预测精度,本文首先对电子商务客户进行Kmediods聚类细分识别出高价值客户,再应用过采样和欠采样相结合的改进SMOTE处理不平衡的电子商务客户数据,最后用Ada Boost算法进行预测。实证研究表明,与成熟的客户流失预测算法BP神经网络、支持向量机（SVM）和改进支持向量机（CW-SVM）相比,该方法能更好地提高预测效果,与未细分前预测效果对比,客户细分后预测效果更好。

关键词：客户细分 不平衡数据 smote算法 ada boost算法 

单位：同济大学经济与管理学院; 上海200092