近几年来,电子商务作为一种全新的商业运营模式,在市场交易额中的占有率逐年攀升,同比增长率也在逐步提高。2014年京东和阿里巴巴先后上市,“双11”共创571亿元的天量交易额,促使电子商务产生质的飞跃。在利益的驱动下,电商企业数量增多,其增长速度远超过网络购买客户的增长速度。因此,电商企业需要改变营销策略,促使其营销模式从以产品为中心转变为以客户为中心,营销方式从大众化转变为差异化,而差异化的营销模式和方式关键在于客户细分。因此,对于有效的客户细分研究就具有重要的意义和深远的影响。自组织映射网络(SOM)是一个无导师监督自主学习神经网络,能够将高维数据映射到低维网格中,使得大量数据进行聚类分析。但由于SOM在竞争学习过程中权值调整倾向于局部最优,从而减弱了全局最优性；而遗传算法(GA)全局寻优能力强、学习速度快。因此,本文构建基于GA优化SOM的组合模型GA-SOM,并将其应用到电子商务客户细分中。对此,针对SOM现有聚类分析研究现状和存在问题,本文主要完成以下工作：(1)采用GA优化SOM,选取SOM领域调整函数作为GA最优适应度函数,有效地规避了权值局部调整的缺点。(2)针对传统的SOM方法没有期望输出层,无法准确判断聚类效果的优劣,本文将SOM改进为有期望输出的S-SOM有监督网络,首次使用S-SOM来判断电子商务客户细分的聚类结果是否最优。(3)本文首次将SOM、GA-SOM、S-SOM三个模型融合使用,共同应用到电子商务客户细分中。