国内外电信市场竞争的加剧和电信业务的发展，要求国内电信企业的运营模式，逐步向以客户为中心、以数据为中心、以信息为基础的国际先进模式转变，客户细分成为这种科学经营模式的前提和基础。目前中国电信企业对客户进行细分的方法还是基于经验或基于统计的简单划分方法，没有使客户与企业之间发生交互的信息，无法满足业务发展的复杂分析需求。随着数据挖掘技术在电信企业管理中应用的深入，采用数据挖掘方法进行多层次，多维度、有针对性客户细分变得十分重要和紧迫。 本课题针对面向客户关系管理中客户细分问题，设计一个系统的基于数据挖掘的客户细分功能结构模型，探索电信企业数据的组织、处理和存储，应用数据挖掘技术和方法，实现准确、有效的客户细分，为解决电信客户细分问题提供系统的理论、技术和方法。在理论上，本文分析电信客户的特征，结合市场营销实践，提出如何在电信客户生命周期的不同阶段进行不同目的、不同内容的客户细分的理论，并对客户细分在电信市场营销中的具体功能进行了详细设计。在实践中，聚类分析是数据挖掘中的一个重要研究领域，也向来极具挑战性，普遍存在一系列典型的问题，如难以发现数据集中的形状、大小、密度不同的簇，对噪音数据敏感等，本文针对经典的K-means算法作了细致全面的分析，根据电信数据特点，指出该算法的缺点和改进方法，通过设计一个基于该算法的数据挖掘模型，将其应用到某市公司小灵通短信业务的客户细分中，经过反复试验得到了比较理想的细分结果，最后以此为基础针对不同客户群制定了有效的营销策略，建立了一个稳定的决策支持系统模型，对小灵通短信业务的推广具有很高的实用价值；数据的获取和预处理对于数据挖掘的优劣是一个极其重要的基础性工作，本论文为此付出了大量的时间和精力，通过对电信客户行为的分析，建立了一套完整的短信客户细分指标体系，经过数据清洗、转换等一系列数据预处理过程，形成了数据挖掘所用的变量“宽表”，保证了模型的合理性、有效性和实用性。