随着经济全球化以及网络技术的发展,信息交流越来越通畅,企业面临着更加激烈的市场竞争,对客户的争夺能力成为企业生存和发展的决定性因素。企业成功获取客户的关键是确定企业的客户,合理的客户分类是企业改善与客户关系的前提条件,也是非常关键的因素。对客户的合理分类有助于企业有效分配稀少的资源,加强与客户的联系,获得真正的竞争优势。基于此,本文对客户分类方法及模型进行了深入的研究,运用管理决策理论及数据挖掘技术和统计技术,对客户分类的变量及方法进行了分析,分析过程及结果概括为以下几个方面:(1)根据客户价值的内涵,对客户价值的构成进行全面深入的分析,提出基于客户当前价值、潜在价值及客户忠诚度构建客户价值模式;分析了客户价值与客户当前价值、客户潜在价值及客户忠诚度之间的关系;提出以RFM表示客户当前价值,以交叉销售能力表示客户潜在价值。(2)以RFM分析客户的当前价值,并基于自组织神经网络建立客户分类模型。通过对输出层结构分别为2×2、3×3、4×4的自组织神经网络模型进行实例分析,确定最佳的自组织神经网络分类模型输出层结构为4×4;通过对基于RFM所划分的16类客户进行分析,说明了每种类型客户的不同当前价值;利用层次分析法分析RFM对客户当前价值的贡献权重,并对每类客户当前价值排序,得到每类客户当前价值的具体排序情况。(3)针对表示客户潜在价值的客户交叉销售能力,提出了两种理解方式,并基于对向传播神经网络分别建立这两种不同理解的交叉销售模型,研究表明两种模型都能有效预测客户交叉销售活动。通过对这两种交叉销售模型的分析评价,提出了表征客户交叉销售能力的数值分析方法,并基于客户成熟度及客户最近一个购买产品的产品等级分析客户交叉销售能力,解决了客户交叉销售能力的数值预测问题。在此基础上,结合RFM及交叉销售能力对客户进行分类,对每种类型客户从当前价值及潜在价值进行了说明。(4)对客户忠诚度从情感和行为两方面进行分析,构建了客户忠诚度指标体系,通过该指标体系可以计算客户忠诚度的数值,并建立了基于神经网络的客户忠诚度模型,该模型可以预测客户的忠诚度值。(5)综合RFM、交叉销售能力和客户忠诚度在客户分类中的应用,构建了基于客户价值(RFM、交叉销售能力和客户忠诚度)的客户分类体系,依此提出综合RFM、交叉销售能力及忠诚度三方面对客户进行分类的模型,并对所划分的每类客户的价值进行排序,为企业合理分配资源提供了依据。