随着信息技术的迅猛发展和广泛应用，社会信息化进程不断加快，我国的互联网普及率逐年提高，电子商务蓬勃发展，网上购物、在线交易对于消费者而言已经从新鲜未知的事物变成了日常生活的一部分，网上支付也因此更加深入地渗透到了人们的日常生活中，扮演着越来越重要的角色。而随着网上支付的普及，各种第三方在线支付平台逐渐地为大众所熟知，并且新的在线支付平台也在不断地出现。面对竞争越来越激烈、逐渐趋于白热化的在线支付市场，如何在巩固市场地位的前提下，进一步地扩张市场份额，已成为各家在线支付平台所迫切需要解决的问题，而其中的重要工作就是提高用户对平台的黏性和业务使用的活跃性。本文由此提出了使用数据挖掘技术和分布式处理技术Hadoop对海量业务支付行为数据进行分析挖掘，并将挖掘结果用于最终的策略制定的基于精准营销的解决方案，并对精准营销的设计与实现进行了研究。首先，使用关联规则挖掘算法Apriori算法发现强关联的业务，使用聚类算法K-Means算法对用户进行细分。其次，当要对目标用户进行精准营销时，根据特征将用户匹配到与其最相似的细分用户群。最后，为目标用户推荐该细分用户群的偏好业务以及偏好业务所对应的强关联业务。而Hadoop技术则为所用到的各个数据挖掘算法能够处理大量的数据提供了强大的支持。线上的反馈数据显示，较之于之前靠经验进行营销的方法，本文提出的方法有效地提高了用户对所推荐业务的接受度和使用的活跃度，并且提升效果显著。