客户关系管理是企业管理中的重要内容，在这一方面，以信息可以为基础的动态客户细分方法越来越受到企业的重视。概括来说，客户细分指的就是以企业的战略意图和业务模式以及特定市场，对客户的属性、行为、需求、偏好等信息进行分类，以提供具有针对性的产品和服务。这一管理技术的运用，将极大的提高企业的服务水平，改进企业的发展战略。
一、客户关系管理与客户细分方法
1.客户关系管理
客户管理是一种以客户为中心的经营管理方法，以信息技术手段为依托，以完善与客户的交流为目标，达到最大化的客户收益率，其中包括组织机构的判断、归类、选择、争取、发展、维护等重要环节。作为一种管理理念，核心思想是把客户作为企业最重要的资源，通过深入的客户分析来完善客户的服务，并满足客户的需求，实现客户的终身价值。这一管理理念，将极大的改变公司的发展结构;作为一种管理技术来说，客户关系管理是最好的商业实践，与数据挖掘、管理、一对一营销等联系起来，为企业的销售、客户服务、决策支持等提供一个完善的平台，是企业发展的重要商务战略，可以不断的提高客户满意度和忠诚度。在这一技术中，最重要的就是CRM体系结构，通过识别客户、客户差异分析、良性接触、定制化服务着四个方面对客户关系进行管理[1]。
2.客户细分
客户细分理论是20世纪美国学者史密斯提出来的，其主要理念是对客户进行划分并能够进行深入的研究与评价，进行服务资源的合理分配。每种产品的客户不是同一群体，根据客户的背景资料和文化观念等进行细分，根据细分情况制定营销策略。因为在实际的生活中，客户受到多种方面的影响，企业的评价标准和发展情况也是在不断的变化的，所以客户细分也要具有动态性，能够反映出客户的随机性和动态性。当前动态客户细分法主要有经验描述法、传统统计法和非传统统计法三种。经验描述法是根据以往的经验对客户进行分类，具有较强的主观性;传统统计法是对客户的特征进行统计，对客户进行划分;非传统统计法是根据人工智能技术进行的非数值计算方法。对客户进行细分的依据主要有三种，外在属性，包括地域、归属等;内在属性包括年龄、性别、收入、性格、信仰、价值观等;消费行为包括最近消费、消费频率和消费金额。
二、基于信息挖掘的动态客户细分方法
1.基于数据分析的客户信息挖掘技术
数据挖掘技术指的是从大型数据库中提取能够吸引人们兴趣的信息，包括概念、规则、模式等，这些信息要具有隐含性和潜在性。这一方法的应用分为以下几步：首先确定公司的业务对象，确定明确的信息挖掘目标群体。然后进行数据准备，包括选择适用于信息挖掘的数据库、对数据记性预处理、把数据转换为分析模型等。然后开始进行数据的挖掘，并对结果进行分析和解释[2]。
2.客户细分模型
首先要确定客户细分的目的就是把客户与多种概念之间的关系进行联系，比如高收入客户、高风险客户、保守客户等。然后建立客户的数据库，每个客户作为数据空间中的一点，以客户不同的属性为维度，构成一个多维空间。根据这一数据库中已知的分类概念，对客户进行数据挖掘，自动的归纳客户的属性和概念。根据这一过程，建立一个标准的客户细分DFM功能模型。这一模型主要分为三个部分，分别是数据、功能和方法。数据部分是由客户数据存储和概念构成的，客户数据包括公司客户的全部外在属性、内在属性和消费行为数据。概念包括公司制定的与客户相关的各种描述。客户数据与概念相互映射;功能包括客户价值分析、忠诚度分析、产品定位、信用风险、营销策略等。这些功能的实现都是通过对数据部分的分析来实现的，并且随着公司的发展和市场的变化，推这些概念和数据进行更新，实现动态的客户细分;方法层面是利用多种数据、统计模型建立客户与公司给定概念之间的关系，以实现对客户的数据挖掘与细分的准确性。包括贝叶斯分类法、决策树法、网络神经分类法等，将这些统计模型和分类方法进行统和，是整个系统的核心。这一系统的实现，将会直接对客户进行定位与识别、指导新产品的开发，并为企业的战略发展提供信息支持。这一系统的实现，离不开现代电子信息技术，我们要根据企业的类型进行相关软件的开发。
