近年来,企业之间竞争的重点越来越表现在对终端客户的争夺上,客户成为企业至关重要的成功因素和利润来源。因此,能够全面管理客户资源并提供相关分析功能的客户关系管理(CRM)成为企业的焦点,也是企业提高自身信息化水平的关键环节。首先从CRM的基本理念入手,详细分析了CRM的含义与特征。在分析CRM与企业资源计划(ERP)之间关联的基础上,提出了一种CRM与ERP的集成模型,实现对企业内、外部资源的统一管理和充分共享,以更好地为企业和客户服务。数据挖掘技术与客户关系管理的应用结合是研究的重点。在分析了数据挖掘技术及其在CRM中的应用后,概述了数据挖掘技术在CRM中的基本实施过程。客户细分是客户关系管理的基础,也是实施客户关系管理的关键环节。一般利用数据挖掘中的聚类分析技术将一个大的客户群划分成一个个小的客户群体,且每个客户细分群内的客户具有较大的相似性,而不同细分群之间的客户具有较小的相似性,从而用来指导企业针对不同的客户细分群采取差异化的策略。K-means算法是数据挖掘中一种经典的基于划分的聚类算法,因其理论上可靠,算法简单、易实现等优点得到广泛应用。在对K-means算法基本原理及优缺点进行分析研究的基础上,针对其初始聚类中心选择敏感问题,提出了一种改进的K-means算法。实验表明,该算法效果较好,能够得到稳定的聚类结果。最后将改进的K-means聚类算法应用于CRM中基于客户价值的客户细分建模。通过此模型,可以实现将企业客户群按客户价值标准分类,对于保留高价值客户、重定价或抛弃负价值客户有重要指导意义。