在日益激烈的竞争环境中,我国零售市场的繁盛发展逐步放缓。对于服务消费者的零售企业来说,追踪客户变化、了解客户需求、满足客户期望、识别客户细分在企业竞争过程中发挥着举足轻重的作用。另一方面,在社会因素的影响下,市场发生着翻天覆地的变化,信息技术的发展为市场营销提供了机会和挑战,数据库营销广受关注,零售企业收集顾客交易数据,充分挖掘客户细分的群体特征,指导企业进行差异化管理逐步成为企业盈利的重要手段。论文在回顾客户细分理论、数据挖掘理论及基于交易数据的客户细分研究的基础上,构建基于交易数据的零售业客户细分模型,并结合YS公司实际问题选取变量、进行客户细分、分析客户群特征、制定具有针对性的营销策略逐步实现模型。结合YS公司实例对基于交易数据的零售业客户细分研究的主要结论如下：基于客户行为变量提出动态行为细分,根据RFM分析,结合实际研究问题,增加客户购买量变量,采用聚类方法对客户进行细分研究。基于客户购买的商品信息提出静态品类细分。零售企业销售的商品具有多样性,为客户购买提供便利,进而满足客户期望,但客户特征较分散。论文通过客户购买各品类商品的购买量、购买额二个变量对客户进行静态品类细分,然后结合CHAID决策树理论识别细分群中各品类的重要性,有效识别细分群的客户特征。