随着国内外港口竞争不断加剧和港口自身业务的发展,要求国内港口企业的运营模式,必须逐步向以信息为基础、以数据为中心、以客户为中心的国际先进模式进行转变,而实现这种科学经营模式的前提需要进行客户细分工作的研究。目前中国港口企业进行客户细分的方法还是基于统计或者基于经验的简单分类方法,并没有实现企业与客户之间真正的信息交互,无法满足针对不同客户需求而提供不同的服务策略。聚类分析作为数据挖掘技术中的一种重要方法,已经成为该领域中一个非常重要的研究内容。聚类分析是在没有任何先验知识的情况下将一批样本数据(或变量)按照它们在性质上的亲疏程度自动进行分类,最终能够实现样本空间的盲分类。其次使用数据挖掘聚类分析方法进行客户细分,不但可以处理几十、甚至上百个变量,从而对客户进行更精准的描述,客观地反映客户分组内的特性并综合反映客户多方面的特征；而且还有利于营销人员更加深入细致地了解客户特征,便于实现对客户行为变化的动态跟踪；进而实现对客户提供差异化服务,提高客户的满意度和忠诚度,使企业创造更多价值。本文在现有的港口信息化背景下,首先阐述了在信息化推进到现今的阶段港口生产数据对于分析与挖掘功能的迫切需求和使用数据挖掘技术的必要性。然后对客户细分基本理论、聚类分析方法应用于客户细分的基本理论以及相关的聚类分析算法做了详细的概述,为后文在进行客户细分中应用聚类分析方法奠定了理论基础。分析港口客户数据库的情况,选择和构造了港口客户细分所需要的属性,并对其进行预处理,为客户细分研究的展开做好数据准备。其次着重分析了传统的经典聚类算法K-means、AP算法和粒子群3种算法在港口客户细分中的不足,提出了融合3种算法优点的混合型聚类算法,该算法利用AP算法进行K值的选取,并充分利用PSO算法的全局搜索能力强与K-means算法局部搜索能力强等特性,通过实验验证了本文的算法能够提高聚类的效果和准确率,加快算法的收敛速度。最后将改进的K-means聚类算法应用到港口生产业务的管理实践之中,对客户细分结果进行解释,分析每类细分市场的特征,结合港口的实际情况,针对现有的客户,给出相应的客户营销目标与策略,并提出了开发新客户市场的建议。