随着市场竞争的日益加剧和信息技术的飞速发展,企业的经营模式逐步由“以产品为中心"转向“以客户为中心”。这就要求企业根据客户的特征对客户进行细分,进而对不同的类型的客户提供不同的产品或服务。传统的客户细分方法一般是基于经验的分类方法或基于统计的简单划分方法,这些方法不再适合当前市场。根据客户属性的高维特性,本文选择了子空间聚类技术,对CLIQUE算法进行改进,提出OptCLIQUE聚类算法,并用OptCLIQUE聚类算法进行客户细分,实现了科学合理的划分,为市场决策提供了可靠的依据。本文对客户细分进行了研究,主要包括以下工作:第一针对CLIQUE算法中硬性的网络划分导致的复杂度增大,精度较低的不足,本文提出了Opt CLIQUE算法,该算法对网格空间中位于簇边缘的网格单元进行细化处理,减小了网格划分对聚类精度造成的损失。不同于传统的基于网格聚类算法,Opt CLIQUE算法对和稠密网格单元相邻的稀疏网格单元进行二次处理,然后重新确定网格的边界。第二Opt CLIQUE算法使用网格密度阈值函数来判定网格单元的类型,实现了参数的自动化确定,解决了依赖手工确定参数密度阈值的问题。通过对事务进行压缩、减少连接次数和数据库扫描次数,来提高算法执行的效率。第三对OptCLIQUE算法进行性能分析,仿真实验结果表明,OptCLIQUE算法无论是在聚类效果方面还是在执行效率方面,都优于CLIQUE算法和DBSCAN算法。将OptCLIQUE算法应用于电信客户细分,可以使企业更好的掌握客户动态,这对客户的维护和潜在客户的挖掘提供了强有力的技术支持。应用的实验结果也表明了OptCLIQUE算法的有效性,提高了客户分类的效率。