目前,国内电信市场竞争变得越来越激烈,客户对电信业务、服务的要求日趋多样化和差异化,对电信服务的整体质量也提出了更高要求。随着3G时代的来临,运营商只有深入分析用户消费行为,精确识别、细分用户,针对不同层次用户进行定向营销,方能更有效地提高客户满意度与忠诚度,进而提升企业的竞争力。论文针对电信领域的客户细分问题,探索了电信企业客户数据的组织、处理和存储方法,应用数据挖掘技术,实现准确、有效的客户细分。论文以客户细分理论和数据挖掘理论为基础,阐述了如何在电信客户生命周期的不同阶段进行不同目的、不同内容的客户细分。接着,分析了电信数据仓库建设过程中的关键问题,重点讨论了电信企业客户历史数据的组织和存储方法。在此基础上,详细讨论了电信客户细分属性选择的原则和方法,为客户细分的展开做好了数据准备。然后,根据电信数据特点,设计了一个基于K-Means算法的电信客户细分数据挖掘模型。在实证分析部分,论文将上述客户细分模型应用到中国电信咸阳分公司固网客户的细分实践中。以客户价值+行为二维属性为基础,选出了55个价值相关属性和38个行为相关属性,然后,运用SPSS16.0进行数据探索分析和皮尔逊相关分析,最终确定出16个价值属性和20个行为属性,形成了客户细分模型的应用研究中所采用的属性“宽表”。接着,采用了Clementine 11.0数据挖掘软件对基于K-Means算法的电信客户细分模型进行验证,将“宽表”中的数据导入该模型,通过K值的不断调整,对样本数据集进行了尝试性运算,最终将总体客户划分为8个客户群。进而,从价值+行为二维维度对客户群进行了特征刻画与定性分析,并针对不同的客户群制定了相应的营销策略。最后,通过建立一个稳定的客户细分决策支持系统模型,将客户细分嵌入到OLTP (On Line Transaction Processing,联机事务处理)中,使客户细分成为方便、实用的日常决策分析工具。