因此我们注意到，客户细分其实是一个分类问题，但是却有着显著的特点。

　　（1）客户细分是动态的。企业不断发展变化，用户数据不断积累，市场因素的变化，都会造成客户细分的'变化。所以客户细分工作需要根据客户情况的变化进行动态调整，减少错误分类，提高多次细分中至少有一次是正确分类的可能性。

　　（2）受众多因素影响。随着时间的推移，客户行为和心理会发生变化，所以不同时间的数据会反映出不同的规律，客户细分方法需要在变化过程中准确掌握客户行为的规律性。

　　（3）客户细分有不同的分类标准。一般分类问题强调准确性，客户关系管理则强调有用性，讲求在特定限制条件下实现特定目标。

　　3.数据挖掘

　　数据挖掘就是从大型数据库数据中提取有价值的，隐含的，事前未知的，潜在有用信息。数据挖掘技术不断发展，挖掘对象不再是单一数据库，已经逐渐发展到文件系统、数据集合以及数据仓库的挖掘分析。

　　二、客户细分的数据挖掘

　　1.逻辑模型

　　显然RB是一个等价关系，经RB可分类属性空间为若干等价类，每个等价类都是一个概念累，建立客户细分，就是客户属性空间和概念空间映射关系的建立过程。

　　2.客户细分数据挖掘实施

　　通过数据库已知概念类客户数据进行样本学习和数据挖掘，进行客户属性空间与概念空间映射的自动归纳。首先确定一组概念类已知客户集合。首先确定一个映射：p：C→L，使cC，如果cLi，则p（c）=Li。cC，求p（c）确定所属概念类。

　　数据部分有客户数据存储和概念维数据构成，客户数据存储有企业全部内在属性、外在属性以及行为属性等数据，方法则主要有关联规则分析、深井网络分类、决策树、实例学习等数据挖掘方法，通过对客户数据存储数据学习算法来建立客户数据和概念维之间的映射关系。

　　3.客户细分数据分析

　　建立客户动态行为描述模型，满足客户行为非确定性和非一致性要求，客户中心的管理体制下，客户细分影响企业战术和战略级别决策的生成，所以数据挖掘要能够弥补传统数据分析方法在可靠性方面的缺陷。

　　（1）客户外在属性。外在属性有客户地理分布、客户组织归属情况和客户产品拥有情况等。客户的组织归属是可数社会组织类型，客户产品拥有情况是客户是否拥有或者拥有哪些与其他企业或者其他企业相关产品。

　　（2）内在属性。内在属性有人口因素和心理因素等，人口因素是消费者市场细分的重要变量。相比其他变量，人口因素更加容易测量。心理因素则主要有客户爱好、性格和信用情况以及价值取向等因素。

　　（3）消费行为。消费行为属性则重点关注客户购买前对产品的了解情况，是客户细分中最客观和重要的因素。

　　三、结束语

　　从工业营销中的客户细分观点出发，在数据挖掘、客户关系管理等理论基础上，采用统计学、运筹学和数据挖掘技术，对客户细分的数据挖掘方法进行了研究，建立了基于决策树的客户细分模型，是一种效率很高的管理工具。

客户关系管理的论文(第20页)12

　　企业的运营管理是从以产品为中心向以客户为中心的过渡过程。企业运营开始阶段是追求产品质量，基本要求是产品的质量合格，能满足客户的功能要求。以产品质量为基础，随着企业本身的发展，以及该产品市场的进入障碍减少，企业转入以销售为导向的阶段。当市场产品饱和度达到一定程度的时候，企业进入下一个阶段，即价格竞争。实际情况是，企业要在激烈的竞争中胜出，必须从以产品、销售为导向转变为以营销为导向。营销的根本在于建立牢固的客户关系。必须联系客户，告知客户，让客户参与进来，这就是以客户为本。以客户为导向要求企业不止要擅长推出产品，更需要建立客户关系体系。在从以产品为中心向以客户为中心的转变过程中，社会的大环境是近年来计算机和互联网技术的迅速发展，特别是受云计算和大数据等技术的影响，企业管理在很多方面，相对于传统管理方式，发生了翻天覆地般的变化。那么客户关系管理系统和云计算具体是什么?二者有哪些结合点，又能为企业带来什么收益呢?客户关系管理是以客户为中心，使用相应的信息技术，本着选择有价值的客户的原则，来帮助企业实现高效的市场营销、销售和服务。由于ERP(企业资源计划)系统本身缺少对供应链下游客户的管理，到了上世纪90年代末期，互联网技术的发展为企业运营提供了丰富的数据库、商业智能等技术。在这种背景下，以高德集团为首提出客户关系管理(CRM)这一具体的概念。