近年来,销售的竞争越来越激烈,各个商家不仅在产品品质上精益求精,而且在企业管理信息化和销售上也做出了巨大的改进,开始从以产品为中心转移到以客户为中心的策略。随着商品销售数量的增加,大量的客户的产生,对于企业的销售部门来说,这些客户的重要性是不同的,在实际应用中,由于不同级别不同数量的客户对于企业带来的价值不同,同时受到维持客户关系费用开销的限制,企业只能针对比较重要的客户开展营销活动,这样给客户价值预测问题提出了新的要求。随着信息技术的发展,数据挖掘开始出现应用于企业信息化,这使得企业的数据处理能力大大的增强.本文利用数据挖掘中朴素分类技术并结合K-means聚类算法来研究客户的重要性问题,以数据库中客户数据为分析对象,试图生成对当前数据有价值的模型,并模型进行适当地分析,找出预测结果与各种因素之间隐藏的有价值的信息。企业提供的营销活动中客户的价值最大,即不仅要增大客户价值中客户的数量,更要增大客户名单中价值高的客户的数量。为了更有针对性的开展营销,企业须对那些价值比较高的客户进行更好的服务,准确的预测重要客户,正确确立目标市场是企业客户关系管理的关键。朴素贝叶斯分类模型是一种简单有效的分类方法,它的理论基础好,分类精度高,由于朴素贝叶斯分类中的独立假设前提,使得在特征选择步骤能否准确有效地分类显得尤为重要。实验结果表明,该算法能在保证一定的准确率的同时,可以预测出更多的潜在高价值客户。从而有助于提高企业的客户关系管理水平,进一步为企业的发展战略提供可参考的依据,从而使企业可以针对不同的客户采用不同的营销策略,为企业决策提供依据。