企业掌握着大量的客户数据，在激烈的竞争中，如何将企业的数据优势转化为企业的竞争力，如何通过优化市场营销方面的投入而获得最大的客户收益，已成为行业热门的研究课题。 企业规模的扩大，所面对的客户背景、行为特征、价值等也不同，客户对产品/服务的需求也呈现多层次、个性化、差异化的趋势，同类客户的需求也会随着时间的推移而发生变化，因此必须根据客户的特点对客户进行细分，并在此基础上对不同的细分市场提供有针对性的差异化服务。 业界承认这样的观点：获得一个新客户的成本是保持一个老客户的5倍，挽留一个不满意的客户的成本是保持一个老客户的10倍。大量的行业研究显示：客户保持率提高5％，利润将会提高25％以上。由此可见，客户保持对公司的盈利能力有着惊人的影响。然而，客户保持的目标不是追求零流失，也不是说最大化客户保持率就等同于最大化企业利润的最大化。“二八法则”告诉我们企业应该把有限的资源投入到更有利可图的客户群中。确定需要重点保持的客户，对企业有效地开展客户保持、增强盈利能力有着重要的意义。而客户细分是保证企业成功实施客户保持的关键。 客户细分的目的是为了更好地理解客户。现代客户细分模型与传统客户分类方法的区别主要集中在不同的细分变量以及采用聚类挖掘技术确定细分维。传统的客户分类主要选择了客户的一些基本属性作为细分的变量，如客户的收入、年龄、教育程度、职业等。这种传统的客户分类是比较简单和初级的，在我们对客户群进行初期的直观认识时，这种传统分类法是比较简单快捷的。但当我们应用客户细分为一些复杂营销战略提供技术支持时，这种基于简单基本属性的客户分类就显得过于粗糙了。 现代客户管理的发展和应用要求我们不仅要从一些基本属性上去认识客户，而且还要进一步深入研究消费者，研究消费者外在行为里面所蕴涵的内在规律。这就需要我们建立更能体现消费者行为本质的客户细分模型。 数据挖掘技术使得企业对其客户的了解和分析达到前所未有的水平，因此，对于从事市场营销的组织将具有特殊的实用价值。其中的客户群细分问题可以应用数据挖掘中的聚类分析技术来解决。聚类分析是数据挖掘领域的核心问题之一。它通过对数据对象间相似性的整体分析后，对数据对象进行类的划分。优势在于可以分析较大的，复杂的，高维的数据库，应用在市场研究领域。聚类分析是市场细分、寻找不同目标市场及其人员特征简单而有效的方法。 本文从数据挖掘中的聚类方法出发，论述了聚类方法对客户细分的支持，在此基础上探讨聚类方法在客户细分中的应用，并结合上海外高桥保税区某开发公司实际建立并具体实现了客户细分模型。聚类方法对海量数据更有效，本文选取的样本容量很大而且质量比较高，具有较强的真实性和代表性，很适合做聚类，因此也得到了比较好的结果。