客户分类是指根据一个或若干个客户属性划分客户集合的过程。目前客户分类方法存在着没有充分利用客户相关数据的不足,本文主要研究基于聚类技术的,结合客户静态属性数据和动态属性数据的客户分类模型,以及基于该模型的原型系统的设计与实现。聚类分析技术是将数据区分为自然的群体,并给出每个群体特征描述的一种数据挖掘方法,是数据挖掘和知识发现的一种基本方法。本文定义了一种基于语义距离的对象相似度判定函数,进而提出了一种面向领域的改进概念聚类算法DMCA(Domain based Modified Clustering Algorithm),该算法能够自动确定聚类数目,且可以用于范畴属性和数值属性混合描述对象的情况。基于DMCA算法,本文进而提出了一种混合属性的客户分类模型MACSM(Mixture Attributes Customer Segmentation Model),该模型结合客户静态属性和动态属性数据,可以更加全面地分析客户特征,提高客户分类的准确性。对于客户动态属性数据,该模型提出一种提取时序特征值的方法,结合领域知识对连续数值属性进行概念划分,通过概念归纳处理,用概念合取表达式解释聚类输出,最后,该模型还提出一种类似RFM模型的客户价值分析方法。实验表明DMCA算法是有效的,MACSM模型可以提高客户分类的准确性。数据挖掘是一门实践性很强的学科,本文基于MACSM客户分类模型,结合多维分析技术、PMML和Web可视化技术设计并实现了一个可视化在线客户分类系统。它支持PMML聚类模型,具有基于Web的友好用户图形界面,开放的编程接口以及跨平台,具有一定的实用价值。