在知识经济时代，知识已成为企业创造价值的核心来源，知识管理正逐步成为企业研究的焦点。相对于显性知识而言，隐性知识更能为企业创造核心竞争力。在知识管理中，企业需要对所收集到的大量的、动态的客户数据进行整合、分析和应用，来挖掘出其中隐含的客户隐性知识。客户是企业赖以存在和发展的依托基础，如何实现对客户隐性知识的获取和求精成为业内研究的重点。有鉴于此，本文聚焦对客户隐性知识进行获取与求精研究，以便企业能够准确把握客户的需求及其演化趋势，从而为客户提供针对性强的产品和服务，增强客户的满意度、培育忠诚度，进而保持持久的竞争力。
　　首先，论文介绍客户隐性知识获取与求精的研究背景和意义，总结客户隐性知识和客户知识管理的研究现状，并通过分析现存问题找到本文的切入点，提出本文的技术路线与思路。进而，对客户隐性知识的定义、分类和特征，以及客户隐性知识的获取和求精方法等进行归纳分析，并阐释了粗糙集、BP神经网络、遗传算法相关理论。
　　而后，论文对客户隐性知识获取的知识源进行了分析与确定，并对客户知识价值进行分析与界定；同时，通过客户知识价值矩阵讨论了客户知识价值的度量方法。对客户隐性知识获取的过程依赖进行分析，基于其提出客户隐性知识获取的三种方法，并运用粗糙集思想探讨对源数据预处理的策略与方法。
　　继而，论文基于BP神经网络构建客户隐性知识求精初始模型，对模型参数的选取、数据归一化处理等问题进行分析；在此基础上，讨论BP神经网络的不足及其改进的思路，并基于GA理论对前述初始模型进行补充与优化，详细分析了其中的编码选择、种群初始化、适应度函数、迭代次数以及具体的遗传操作等技术细节。
　　最后，在实验分析部分，论文将所收集到的数据通过MATLAB软件进行仿真分析，验证模型效果，并为企业提供相应优化建议。文末针对客户隐性知识获取与求精进行相关总结与研究展望，并结合实际情况提出本文研究不足，以及今后研究需要注意的问题和进一步的研究方向等。