随着互联网游戏行业多年的发展，人口红利逐渐消失，游戏行业已经成为一个商业红海，如何在激烈的竞争中利用精准营销提高竞争力、降低成本成为企业致胜的重要手段之一，各大游戏公司也越来越重视数据化运营。在精准营销中有一个核心技术问题，那就是如何针对不同应用场景找出目标用户，传统的数据统计分析方法难以抓住问题的全貌，数据挖掘方法可以针对海量的数据进行全面的分析，可以发现一些隐藏比较深，比较复杂的知识和规则。而随着计算能力的提升，理论的不断发展，数据挖掘技术成为发掘用户行为模式，解决目标用户发现问题的重要方法。然而将数据挖掘技术工程化，融入实际游戏精准营销工作中还存在很多困难，缺少实践方案。本文以如何将数据挖掘技术更好地接入游戏精准营销工作为研究对象，首先分析了腾讯公司免费模式游戏的营销活动的形式和需求，将核心技术问题抽象成用户分类问题，之后根据实际工作情况和跨行业数据挖掘标准过程（cross-industry standard process for data mining，即CRISP-DM）划定了腾讯游戏营销业务接入数据挖掘技术的人工范围和软件开发范围。根据软件开发范围，本论文设计和实现了一套游戏精准营销系统，包括：a）属性分析工具，用来分析玩家行为属性和营销目标的关联性，一方面帮助业务方理解用户行为，另一方面帮助数据分析人员选择属性；b）属性选择工具，使用决策树算法对数据进行建模，数据分析人员能依据模型输出的属性权重对属性进行选择；c）建模评估工具，封装了分类算法和外围的数据存储系统接口，能对数据进行建模和预测，用于业务接入数据挖掘工作的前期试验和评估；d）自动化用户分类子系统，在建模评估工具上层实现自动化调度和结果统计功能，完成数据挖掘技术落地应用；e）广告查询子系统，统一管理用户分类子系统预测出的用户，对渠道部门提供用户对应的广告查询功能，优化目标用户投放流程。系统上线后接入了多款腾讯游戏，以游戏《穿越火线》为例，9个月9次营销活动带来新付费用户和回流付费用户30万人，每期模型的平均提升度约220%。业务流程上，前期新业务接入人力消耗从1人月降为1人周，接入自动化用户分类系统后，指定类型营销活动可实现0人力投入等。整个精准营销系统确实带来了效益和效率上的提升。