随着市场竞争的不断加剧，零售企业为了取得竞争优势，急需寻找到新的利润增长点。通过数据挖掘技术，可以从大量积累的数据中提取有价值的知识，指导企业的营销策略。交叉销售，就是通过了解客户的消费行为，分析产品之间存在的关联关系，利用个性化的营销方式将这种关系进行强化，以达到促进销售的目的，使客户感到满意的同时获取更多的经济效益，取得双赢的效果。数据挖掘中的关联规则算法是进行交叉销售分析的主要技术，虽然有许多研究人员对其算法和执行效率进行了大量的研究，但是如何通过关联规则对交叉销售商品组合进行优化，使其在零售企业决策过程中发挥更大的作用，还需要更深入的研究。本文利用数据挖掘技术对零售企业数据库进行分析，构建了客户促销参与模型和交叉销售模型，既可以面向群体消费者，也可以面向个体消费者，解决了实际的商业问题，对本研究领域具有一定的帮助。本文首先利用层次分析法对RFM客户细分模型进行了改进，构建出客户促销参与模型，通过判断客户参与零售企业促销活动的情况将客户细分，提取积极参与促销活动的客户群体作为交叉销售的目标对象；其次利用关联规则算法对客户的消费数据进行分析，寻找到不同产品之间存在的关联关系；最后引入“交叉销售系数”的概念，充分考虑到客单价、产品毛利率等因素的影响，帮助零售企业确定最优的交叉销售商品组合，取得了良好的效果。