该文将从客户关系管理中客户细分问题的特点出发,探索基于数据挖掘的客户细分理论与方法及客户细分系统构架,为客户关系管理提供新的支撑技术与应用方法.该文首先对客户关系管理中的客户细分问题进行了框架性研究,提出了客户细分的空间逻辑模型与客户细分的数据-功能-方法模型(DFM模型),并在此基础上提出了以客户细分为核心的客户关系管理系统的系统构架.其次,该文分析了客户关系管理中客户细分问题的特点,指出由于客户数据具有噪声性、时变性、非确定性和非一致性,将现有的数据挖掘方法直接运用于客户细分中时,常常存在很多不足.为适应客户细分问题的这些特点,该文在对原有数据挖掘技术改造的基础上提出了三种新的分类模型,即基于支持度-显著度构架的关联分类模型、遗忘人工神经网络分类模型及动态多分类器融合分类模型,这些新的客户细分方法弥补了现有方法存在的不足,提高了客户细分的可靠性.为适应客户行为规律的复杂性和隐含性,并克服现有数据挖掘方法往往缺乏严格的统计学支持的缺点,该文在对关联分类模型进行改进的基础上,提出了一种基于支持度-显著度构架的关联分类模型.基于该模型的客户细分方法,可以保证所发现知识的统计显著性,并提高了隐含规则的发现能力.最后,在上述研究工作的基础上,该文设计了一个面向客户细分的数据挖掘原型系统.该系统初步实现了数据的导入、预处理、模型建立和模型使用等功能.该文结合一个实例,在该原型系统的支持下,分析了面向客户细分的数据挖掘在客户关系管理中的应用.