随着管理科学和信息技术的发展,客户已经成为企业的一项重要资源,同时客户关系管理被引入到不同的应用领域。客户细分是客户关系管理中的一项基本应用。目前对客户的细分操作大多是对客户进行宏观的分类,其分类的结果是不同类别的客户在总客户中所占的比重,不能满足客户关系管理中的对客户提供个性化服务的要求。为扩展传统的分类方式,本文以应用软件商店CRM(Customer Relationship Management)系统为背景,重点研究了客户关系管理中的客户细分。本文的主要研究工作包括如下三个部分:(1)对反映用户行为特征的数据信息的收集。在本文中,用户的行为信息主要包括用户的浏览信息、订单信息、提问信息及其用户的基本信息。除了用户的浏览信息外,其他的信息都被保存在数据库中。通过利用cookie技术和Hibernate的OsCache框架完成用户浏览行为信息的追踪和缓存操作。借助缓存技术的使用,避免在保存用户的浏览信息时对数据库的频繁读写,保证系统的运行效率。(2)实现用户分类模型的建立及其对客户的细分、标识操作。在实现客户细分的过程中,需要建立客户细分模型,在该阶段利用数据挖掘中的k-means聚类算法和决策树C4.5来完成细分模型的建立。利用建立的客户细分模型,对客户进行分类操作,实现根据用户的历史行为数据将每个用户分类到具体类别中的要求。(3)保证客户分类结果的时效性。将定时机制引入系统,实现对客户分类情况的动态调整,从而实现分类结果时效性的保持。另外,通过结合应用软件商店系统的运行情况,设置运行时间,减少客户分类的动态调整对系统运行的负担。在本文中,通过构造的客户细分模型将用户细分到某个具体的用户类别,改变客户所占比重的处理方式,实现客户关系管理中“一对一”服务的思想,为客户关系管理的其他应用提供依据。另外,将细分的结果与时间相关联,保证了细分结果的有效性。在本文的后面部分,利用J2EE技术和数据挖掘技术建立基于B/S的客户细分功能模块,实现对客户细分思想的验证。