随着电子商务的迅猛发展和信息处理技术能力的增强,数据挖掘技术在商务领域得到了广泛的应用,这一应用能够提升商家对客户的识别、分析和需求满足能力。但是由于不同行业的数据采集点、数据处理要求及结果体现形式的不同,需要针对不同的行业甚至是企业构建适合自身的模型和运算方法。本文总体上在分析B2C客户消费特点的基础上,以电子商务相关理论为指导,综合运用几种数据挖掘技术于企业客户关系管理中,以期望技术的运用提升企业的客户关系管理水平。本文在介绍相关概念和技术手段的基础上,首先分析了B2C下客户消费的特点,并着重分析了客户分析的流程,分别分析了客户分析的总体流程和RFM理论下的客户数据分析流程,并基于RFM视角下客户价值和基于客户属性、消费心理特征和网络影响等非价值指标对客户进行了分类,并构建了基于二维聚类的客户分类模型。其次,基于不同分类,针对于客户维护重点是要利用关联规则对客户的潜在需求进行挖掘和分析,并试探性的从扫描次数减少的角度对关联规则的Apriori算法进行了改进；针对新客户主要是根据其基本注册信息和浏览记录利用个性化推荐技术进行推荐,并考虑数据量的影响引入规模因子改进了相关系数的计算,以提升预测的精度。再次,利用分类结果和关联规则构建了退出类、重点类、普通类、潜力类及黄金类五类客户关系管理的策略,并提出了实施的保障。最后通过案例分析证明了本文提出方法的有效性。本文试图采用双聚类组合的方式对客户进行分类,并探索改进关联规则和推荐系统的算法,为B2C企业的客户关系管理水平提升做出一定的支撑。