客户关系管理的核心是“以客户为中心”，在客户信息中发现积极的客户关系的过程。数据挖掘技术在客户关系管理(Customer Relations Management，CRM)中的应用是近年来研究的焦点。数据挖掘是从大量数据中挖掘出有用知识的强有力的工具。在CRM中有效运用数据挖掘技术，从与客户有关的大量数据中，挖掘出对企业有价值的知识和规则，能够使企业更好地了解客户，为企业以后的发展决策提供信息支持。 本论文首先介绍了数据挖掘的功能与技术、CRM系统的应用和特征，对数据挖掘技术在CRM中的应用进行了详细的分析。然后，重点对聚类分析算法进行了研究。根据CRM系统中客户数据的特点，为了达到更好的聚类效果，避免由于孤立点数据造成聚类结果局部最优化，本文提出利用模拟退火原理来改进传统k-均值聚类分析算法。将改进算法应用到客户群体分类中，并对应用结果进行分析。 在CRM系统中对客户信息进行分析时，受到许多因素的影响。各个因素间相互制约，相互干扰，无法定量描述。为此，利用层次分析法，将各个因素分成不同的层次，使各个因素定量化。各因素间相比较可以得出因素的权值大小，由此得出的客户信息也更加准确直观。 最后，根据联通公司当前的状况，对联通UNI-CRM系统进行了介绍和分析。利用客户数据，建立数据挖掘模型，使用改进后的k-均值聚类算法进行客户消费结构分类。从分类结果看，客户分类结果更加准确。使用层次分析法对客户忠诚度、客户信用度和客户满意度进行分析，用各个因素的标准化值和对应权值进行加权平均，计算出客户的信息分析结果，使度量结果更加合理、明确。