随着经济全球化的发展,互联网为中小型企业的发展带来更广阔的市场前景。针对目前网购市场中的大量女性客户,本文设计并实现基于化妆品销售的中小型B2C商城系统,提供给客户一个网上购物平台,帮助企业更好的盈利与发展。并在系统实现过程中,以提高用户体验为准则,对系统性能进行了优化。并通过分析客户行为及价值,提出一种基于HSDPSOK算法的客户细分方法,该方法对实现客户分类、个性化商品推荐、挖掘潜在客户以及进行精准营销等有着重要的意义。本文研究内容主要分为三个方面,如下：一、本文根据企业的具体业务需求,介绍了Struts2、Spring和Hibernate三种框架的结构、流程及特点,在此基础上,详细介绍集成框架SSH2,基于此框架设计开发了化妆品商城系统。二、本文设计并实现以下三种策略对系统的性能进行优化。(1)通过建立适当的索引和引入第三方缓存ehcache来提升数据的查询效率,实现数据库性能优化；(2)基于PV统计的智能缓存策略,实现系统预先智能从数据库中提取客户可能要访问的数据并放入缓存,进而提高系统的查询效率；(3)通过实现分页来提高数据查询时符合查询条件的结果展示效率,减少客户的等待时间。三、本文提出一种基于HSDPSOK算法的客户细分方法。客户细分采用的聚类算法中,k-means算法应用广泛,但是存在需要预先确定聚类个数K和容易陷入局部最优的两大缺陷。针对这两个问题,本文引入有效性指标SD和PSO算法,提出一种HSDPSOK算法来提升聚类质量：(1)通过聚类质量评价中的SD来解决聚类个数K的取值问题。使用样本数据对应于不同的K值进行初步K-means聚类,使用有效性指标进行比较,返回SD最小时对应的K值,保证使用最优的K值来进行聚类；(2)通过使用PSO算法来解决初始聚类中心的选取问题。基于粒子群优化算法的全局寻优能力,选取K个最优的初始点,以此作为初始聚类中心。在客户数据集上进行实验并分析了实验结果,通过各项评价指标,证明了使用HSDPSOK算法进行客户细分可以取得更好的效果。最后,本文基于该算法实现的分类结果,进行商品推荐。