近年来，随着电信市场的飞速发展，电信客户逐渐呈现出细分化、多元化的特征，而客户是企业赖以生存的根本和发展的关键。面对海量的客户数据与信息，运营商如何从中获取有用的信息，为企业的发展提供良好的决策支持，已成为许多领域尤其是通信行业关心的首要问题。只有运用有效的方法和工具对海量的客户数据进行深入的分析，才能制定出精准的营销方案，并获得更高的投资回报。客户细分是客户关系管理系统的核心功能之一，可对客户的获取与保持以及客户增值等提供全面支持。本文针对目前客户细分结果过于笼统、细分变量与描述变量不合理等问题进行了深入研究。主要研究内容如下：（1）基于移动通信行业海量的客户数据资源，确定了客户的细分变量及其描述变量，使细分结果具有更好的可分性，解决了细分结果过于笼统的问题。（2）将半监督成对约束与密度敏感距离引入到AP算法中，提出了一种密度敏感的半监督AP聚类算法。与传统AP算法相比，提出的算法具有更好的聚类性能，尤其对非凸数据集的聚类效果有了明显提高。（3）基于本文所提出的客户细分变量及描述方法，采用上述密度敏感半监督AP聚类算法，构建了一个电信客户细分系统模型。实验结果表明，本文提出的算法在聚类性能上有显著提高。在实际应用中，能对电信客户进行较为清晰的细分，从而为运营商提供更科学的决策指导。