近年来,随着互联网的兴起与普及,众多企业都面临着向互联网转型的现状。尤其是电商的发展势头异常凶猛,传统的线下消费者纷纷向线上转移,线下商业场景的客户被严重分流,实体经济的发展面临着前所未有的严峻挑战。一方面,由于实体经济的自身特点,例如数据分散难以采集以及对已有数据难以分析加以利用等情况,线下商业场景存在资源配置效率低的问题;另一方面,线上商业场景的巨大冲击,使线下商业场景逐渐失去市场活力和竞争力。这两方面所带来的双重挑战使得线下商业场景的发展苦不堪言,众多线下商业场景也在寻求转型机会,依托于互联网技术发展自己的线上业务,却忽视了对线下商业场景的重新规划。本文首先结合线下商业场景的现状,以Wi-Fi探测客流数据为研究对象,对适用于线下商业场景的客户细分方法展开研究。其次以客户长度、客户近度、到店次数、平均驻留时长和平均到店周期为细分指标,改进了传统RFM模型,使用K-means聚类进行数据挖掘过程,将线下商业场景的客户分为重要保持、重要价值、较重要价值、一般发展和低价值这五类。随后用熵值法计算各指标的权重,建立客户价值评分模型,将这五类客户的价值进行计算,分别得出各类客户的价值得分并解释说明,根据不同细分群体到店行为特征对线下商业场景提出维持和发展用户的建议。最后在营销策略的应用方面为线下商业场景提出了服务提升的优化思路。细分结果表明,该方法对线下商业场景适用性强,客户细分基本遵循帕累托法则,为企业有限资源的合理有效配置提供了可能。