现代企业80%的利润是来自20%的重要客户,而其余80%中的大部分客户对企业是微利的,甚至是无利可图的。因此如何建立高效的客户知识管理,实施合理的客户分析,有效地获得企业的关键客户,从而对企业客户实施差异化管理,已经是各企业急需解决的课题。本文提出了一种基于客户知识进行客户分析的CRM系统的实现方案,通过获取客户知识、分析客户知识,利用数据挖掘的相关方法、流程建立基于客户知识的客户分析模型,对客户进行分类,为企业营销活动提供支持。本文根据CRM中数据挖掘的流程,对客户分类数据挖掘过程进行实例化:确定模型的问题域——实现客户细分;根据实现客户细分的主题,展开数据准备工作;建立数据挖掘算法;实施数据挖掘,得到分类结果。对于数据挖掘算法,由于客户分析中客户类别预先未知的特点,我们选用经典聚类算法——基于距离的K-Means聚类作为分类算法。同时引入了模拟退火策略的思想,改进K-Means聚类算法,从而解决K-Means在处理孤立点数据容易造成聚类结果局部最优化的问题。在进行聚类分类的过程中,由于客户知识分布零散、粒度太小的特点,无法直接将其作为聚类距离进行分类。本文通过建立一个客户综合评估模型,从零散的客户知识中抽取可供评估的知识,并将其降维、集成为一个可直接用于评估的综合指标－－客户综合评估值,作为聚类的分类距离,为数据挖掘提供数据依据。在建立客户综合评估模型过程中,本文采用了无量纲化的方法对客户知识的多个指标进行规范化处理,并采用层次分析的方法来综合这些指标,实现降维处理。论文最后设计并实现了基于客户知识的CRM系统,建立了一个完整的客户知识获取、客户知识存储、客户知识应用并实现客户知识创新的系统。通过客户交互子系统为企业提供多种途径来获取客户知识;通过业务应用子系统和客户分析子系统来应用客户知识;通过客户知识库管理子系统来共享、创新客户知识,子系统不仅为企业用户提供了合理客户分析的评估模型模版、算法模版,还提供用户定制客户分析评估模型库和算法的功能。