计算机和网络技术的发展使企业获取商业数据变得更加便捷。如何从海量的数据中提取有效信息并进行分析，进而做出快速准确的营销决策，已成为企业面临的一个课题。数据挖掘技术的应用为解决这一问题提供了有效的工具。数据挖掘就是从大量的、不完全的、模糊或者随机的数据中，提取有用的信息和知识的过程，主要特点是；处理的是海量的数据。是在没有明确假设的前提下去挖掘信息、发现知识，能发现许多未知但非常有用的规则。数据挖掘处理的数据类型广泛，能处理半结构化及非结构化的数据，数据挖掘是深层次的数据分析，它对相关数据进行统计、分析、综合和推理，以指导实际问题的求解。通过数据挖掘技术，企业从大量的数据库中发掘出不同的信息与知识，将有利于企业在市场营销中分析和掌握顾客需求，进而提供个性化的服务。

数据挖掘技术在企业客户行为分析中起着关键作用，企业可用数据挖掘技术对已有的客户数据进行一系列的分析，找出其中蕴涵的知识。以采取有效的措施和策略，主要作用表现在：(1)在客户细分中的作用。企业的资源是有限的，因此必须根据市场的状况，根据客户的消费行为进行划分，以采取更有效的营销策略；同时对客户进行了细分，可以使企业深刻认识客户，对不同的客户群提供相应的个性化服务，使双方都受益。可根据地理环境、产品利润、使用率、品牌忠诚度、购买阶段等因素对企业的客户进行划分。(2)客户盈利能力分析。不同的客户盈利能力不一样，企业可根据已有的历史数据，采取数据挖掘技术对数据进行分析，如可根据某种客户盈利能力度量标准将客户群按不同盈利水平进行划分，对企业的“黄金客户”给予充分重视，可向他们提供特殊服务和经营策略，提高其满意度和忠诚度，为企业的盈利作保证。另外在采取分类挖掘技术将客户分成不同的客户群，根据不同类的客户不同消费行为。考虑对这些客户实行分类管理。(3)客户关系的建立与保持。在企业的经营过程中，企业已有的客户都有生命周期，随时间而不断流失，同时随着业务的扩大也要不断补充新客户，因此企业业务发展指标都包括获取新客户的能力。新客户包括那些对企业产品和服务不了解的客户，也可能是竞争对手的客户，企业可通过采取营销手段来获得这些客户。企业通过充分利用数据挖掘技术，如对反馈的客户进行概念描述从整体上把握，运用数据挖掘中的关联规则技术挖掘他们的兴趣所在；同时，运用一定的盈利判断标准，对客户的盈利能力进行预测，可采取分类，处理数据，分析出有价值的知识，挖掘出那些对企业感兴趣并可使企业盈利的客户群，这样企业就可采取有效的促销策略。采用数据挖掘技术。企业还可以对企业已流失客户的数据进行分析，如进行一些关联分析，找出跟客户流失相关的规律和服务的缺陷所在，可对流失客户数据建立决策树模型，然后对现有客户进行预测，找出可能流失的客户群，以采取积极的预防措施。

数据挖掘有不同的方法，比较常用的有：关联分析、序列模式分析、分类分析、聚类分析等，每种分析方法都有各自的适用性。在客户管理中，应根据不同需要选择不同的方法。(1)关联分析，是利用关联规则进行数据挖掘。在研究领域，对关联分析的研究开展得比较深入，出现了许多关联规则的挖掘算法。关联分析是为了挖掘隐藏在数据间的相互关系，它能发现数据库中形如“某客户在一次购买活动中购买商品的同时购买商品”之类的知识。(2)序列模式分析。与关联分析相似，其目的也是为了挖掘数据之间的联系，但序列模式分析的侧重点在于分析数据间的前后序列关系，它能发现数据库中形如“在某一段时间内顾客购买商品，接着购买商品，然后购买商品的序列频度”之类的知识，序列模式分析描述的问题是在给定交易序列数据库中。每个序列是按照交易时间排列的一组交易集。挖掘序列函数作用在这个交易序列数据库上，返回该数据库中出现的高频序列。(3)分类分析。通过分析示例数据库中的数据，为每个类别做出准确的描述或建立分析模型或挖掘出分类规则，然后用此规则对其他数据库中的记录进行分类。如信用卡公司的数据库中保存着持卡人的记录，公司根据信用程度将持卡人分类后，利用分类分析对每个信用等级做出准确描述或挖掘分类规则，然后依据该规则对其他相同属性的数据库记录进行分类。分类分析的几种典型模型包括线性回归模型、决策树模型、神经网络模型等。(4)聚类分析。聚类分析是通过分析数据库中的记录数据，根据一定的分类规则，合理地划分记录集合，确定每个记录所在类别。聚类分析与分类分析是个互逆过程。在最初分析中，可根据以往经验将要分类的数据进行标定，划分类别，然后用分类分析方法挖掘出每个类别的分类规则，用此规则重新对集合进行划分。由于聚类倾向于定性分析，在很多场合下，聚类结果作为其他技术的基础，在此之上采用决策树和神经网络方法，进一步对特定类进行分析，可以达到消除数据噪音，提高可靠性的效果。

根据营销管理,营销管理营销管理中的不同需要，可以采用不同的分析方法。如在客户细分中，在不太明确客户群体分类标准的情况下，可采取挖掘的聚类技术，对客户群进行划分。企业营销人员也可采用数据挖掘的分类技术，对每个客户群的未来状况如为企业带来的利润率进行预测；同时，可采用挖掘的概念描述，在高的抽象层次上对每个客户群进行理解和不同的客户群间进行比较。由于客户本身是不断变化的，因此客户群的构成和特征也是动态的，我们需要以灵活动态的指导思想理解客户群，才能得到正确的结论。一般来说，企业应根据客户关系生命周期进行不同阶段的客户类聚和理解，在生成客户营销策略后需要对客户进行再次的细分和类聚，以设计产品、价格、渠道和广告等策略。这个时候，就需要其他的数据模式和维度，例如设计广告策略，可能就需要以媒体习惯对客户群进行再次的划分，形成电视、广播、杂志等不同的维度；设计产品策略，就需要根据客户群的消费特征进行划分。形成基本功能、包装、送货安装等维度。

数据挖掘不仅是一项技术，重要的是要把它用于营销实践中。最常见的是用数据挖掘的结果，提供个性化的产品和服务。现在各个行业的竞争越来越激烈，企业获得新客户的成本正在不断上升，因此保持原有客户就显得非常重要，而客户通常可以分成以下三类：对企业无价值或低价值的客户，忠诚度很高的有价值客户，忠诚度低但同样对公司有价值的客户。保持住第三类客户，可以大大提高企业利润降低营销成本。但是在运营中由于一般crm系统注重的是自动化的处理和数据时点性采集，无法有效地发现、保持这类客户。而数据挖掘技术可以通过对公司客户历史及当前顾客购买产品的数据资料，按时期、地理、产品、销售额等不同因素，建立购买序1[]