客户细分是指处在某种特定市场中的企业，按照不同客户在属性、行为以及需求、偏好和价值等要素方面的差异对客户进行分类，并且针对性地为客户提供所需的产品、服务和销售形式。不同的客户为企业提供的价值是有差别的，因此，在存在客户关系管理的企业，很有必要对客户进行统计、分析并进行客户细分。只有这样，企业才能根据不同客户的特征，有针对性的进行营销活动，保持和扩大高价值客户，发现并开发潜在客户，同时应停止低价值的客户群。有效地客户细分是企业扩大市场、获取更大利益的必经之路。如今，商品经济飞速发展，零售业日益开放，零售企业已经很难再以成本优势赢得客户，越来越多的企业开始注重以客户为中心，它们开始重视收集客户数据，比如基本信息、客户的消费记录和其他方面的信息，并尝试挖掘这些数据存在的有效信息。客户细分就是企业进行数据挖掘的一个方面。聚类分析在客户细分中的使用颇为广泛，传统的聚类算法，如K-means算法、CURE算法、STING算法、SOM算法在客户细分中的应用尤为常见。这些方法使用起来固然方便，但其依然存在一定的弊端：即使用传统方法进行聚类时，需要建模人员的干预，比如在使用K-means算法时，建模人员必须事先确定需要聚成的类的数目，即使建模人员具有异常丰富的市场营销经验，但此算法对其的依赖性太大，不可避免的造成聚类数目过多或过少，从而不能非常客观的将客户的本质特征反应出来。本文对传统聚类算法的性能做了深入的对比研究，从不同的角度对其进行了比较，指出了传统算法的优缺点。基于此，本文选用了一种新的聚类算法——客观聚类分析（Objective ClusterAnalysis），这种算法避免了建模人员的主观影响，细分结果能够真实的反应客户的特征。本文将其应用于零售业的客户细分中，并与客户细分中使用最广的K-means算法进行了细分对比研究，显示了客观聚类算法的优越性。