随着信息时代的来临,企业的竞争环境发生了巨大的变化,逐渐由过去的“以产品为中心”转变为“以客户为中心”。在客户经济时代,企业必须把客户当作企业最重要的资源,把客户关系管理作为提高企业核心竞争力的法宝。而高效的客户关系管理必须以扎实的客户细分为基础。然而,传统的客户细分都是以客户的统计学特征为依据,不能揭示客户内在的价值,更不能全面地反映客户关系的质量。因此传统的客户细分不可能为客户保持和资源优化配置提供科学的依据。基于此,本文提出了基于数据挖掘技术的客户细分方法。本文以H证券公司的客户细分管理为研究对象,通过实地调研与访谈反馈,发现其在客户细分管理上存在着三大问题,分别是客户细分的维度单一、客户价值的动态反映不足以及客户细分方法简单不科学。结合国内外学者相关研究成果和客户关系管理、客户细分、数据挖掘的理论基础,针对上述问题给予科学合理的解决方案:首先,从客户价值和客户忠诚度两个维度出发,构建了一套涵盖16个变量的符合H公司行业特征和企业特点的细分指标体系;其次,采用因子分析法对多个细分变量进行降维,提取潜在公共因子个数和获取因子解释信息的能力,并计算每个客户在公因子上的得分,作为聚类算法的聚类对象;再次,在分析K-means聚类算法和SOM神经网络算法优缺点的基础上,提出一种基于SOM的K-means两阶段聚类组合算法,使两类算法的优点相结合并弥补各自的不足。运用该组合聚类算法对客户进行细分,并采用簇内方差值、基于聚类分布的有效性度量(ocq)和稳定性指标验证了该算法的有效性。最后,根据最终的客户细分结果,提出企业的资源投入策略及客户保持策略等战略决策。以期指导企业解决问题,希望为诸多证券企业科学有效的客户细分提供一些实用型的参考方案。