移动通信和IPTV的市场形势不断变化,竞争愈演愈烈。随着用户增长放缓,如何挖掘存量用户的最大价值是企业面临的重要课题,在大数据的时代背景下,客户细分和精准营销提供了发展的方向。但是电信企业多沿用了过去的客户细分策略,方法滞后,细分维度有限、粗糙。宝贵的数据资源没有得到充分运用,因而在运营效率和运营收益上遭遇桎梏。本文回顾了市场细分和数据挖掘的相关文献,参考CRISP-DM的数据挖掘流程,内容围绕业务需求分析、样本处理、变量选择和数据准备、研究方法选择和模型建立、数据分析结果与讨论的步骤开展论文研究。针对电信运营商现有细分策略存在的问题和不足,基于真实的电信用户数据,剔除多维度的客户细分框架的构建。从客户的价值与行为特征、人口统计特征和兴趣偏好三个维度进行全面的客户细分和细分群体特征刻画,为企业开展移动通信业务和IPTV业务运营的精准营销战略提供决策依据。主要的研究内容如下：1、根据客户价值理论和电信移动通信业务特点,从客户的利润贡献、忠诚度、业务使用行为三个方面构建客户的价值与行为特征,采用K-Means聚类分析方法将客户分为5个细分群体。结合流量运营的要求,在模型建立的变量选择过程中,对于数据流量相关变量给与重点关注。2、采用卡方检验和对应分析的方法,对客户的性别、年龄等人口统计特征进行分析,进一步刻画细分市场,了解客户形象和消费水平,为企业管理客户关系、获取新客户提供可行思路。3、基于客户的ITV访问数据,进行二元Logistic回归,分析不同性别、年龄段、C网消费水平等的客户在新闻、时尚、数码、房产、母婴、教育、财经、体育,8个兴趣大类的偏好差异,为ITV业务节目资源引进、制作提供参考,为ITV业务的精准营销推广策略创造了实施条件。本文是基于数据挖掘技术在电信客户细分中进行的有益尝试。在大数据时代背景下,数据挖掘技术在电信行业有着广泛的应用前景。