客户细分理论产生于第二次世界大战后，经过若干年的发展，客户细分的理论和方法不断完善，而且被广泛地应用于营销实践。基于数据挖掘的客户细分，以庞大的客户数据为基础，通过识别不同客户群体的特征，从而达到科学的客户认知、风险管理、个性化营销和服务的要求。与传统的客户细分方法相比，基于数据挖掘的客户细分能够考虑客户更多的行为属性，提高细分精确度。目前已在银行、电信、零售业等诸多领域得到了广泛应用。 本文在深入研究中小企业特征的基础上，将数据挖掘技术引入到中小企业客户细分中。目的是探讨在中小企业不能提供完备数据的情况下，进行客户细分的可行性和有效性。在理论上，本文首先研究客户细分的相关理论和方法，并介绍了数据挖掘技术工具，为中小企业客户细分的研究作理论铺垫；其次研究我国中小企业的概况，对中小企业客户细分的必要性和可行性进行分析，并对客户细分在中小企业中的整体功能做了详细设计。在实践中，聚类分析是数据挖掘中的一个重要研究领域，本文针对经典的K-means算法作了细致、全面的分析，设计出一个基于该算法的客户细分模型。将该模型应用到某个具体中小型企业的客户细分中，得到了比较理想的细分结果，并以此为基础针对不同客户群提出营销建议，进而建立了一个稳定的决策支持系统模型，为该公司业务的推广提供决策支持。本文的研究为提升中小企业的市场竞争能力提供了新的思路，为数据挖掘技术在中小企业客户细分的实用化做出了有益的尝试。