快速消费品(Fast Moving Consumer Goods,简称FMCG)是一个竞争白热化的行业,在众多产品种类中,快速消费品是一个相对而言利润率丰厚、销售规模大、发展速度快的一个行业。根据多年来机构跟踪与市场观察,快速消费品市场是一个潜力巨大有待开发的市场,由于其市场规模巨大、商家的进入门槛低、消费群体人数多等特点,且各个品牌的商家分别占领一定的市场份额,因此市场竞争异常激烈。对于一个企业来说,把握消费者的需求,满足他们的需求,是确保其能在竞争激烈的市场中赢得一席之地至关重要的因素。而为了了解客户需求,挖掘他们的潜在价值,数据挖掘是一项至关重要的手段。聚类分析是数据挖掘的一个重要分支,透过聚类分析技术从中观察顾客己知及未知的消费行为,可从过去的消费行为中发现顾客的需求,甚至预测他们的下一步行为,为企业制定营销战略进行指导。而在聚类分析中,模糊聚类分析因其对数据做软划分的特性特别适用于分析对象具有模糊性、动态性、不确定性的案例。基于模糊聚类的数据分析方法能够很好地迎合快速消费品企业对客户行为分析的诉求。它不仅能将数据有效整合达成全局视角,更能建立多变量之间的关联和差异关系,有效区分市场上个性化、多元化的消费者需求,而不受传统统计分类方法的局限。在应用模糊聚类分析方法对快速消费品客户行为进行聚类分析后,大量数据可以被转换为有效的信息,为生产企业、营销企业的管理者制定决策方针带来一种全新的参考依据。本研究基于模糊聚类算法,以公司调研得到的客户行为数据为依据,对客户行为进行聚类分析,并就聚类结果分析并归纳出了其实际的应用意义,对企业的经营决策提供了有价值的参考信息。本文分为六个部分。第一章为本研究的意义、研究内容、国内外研究现况和组织框架的介绍；第二章是行业综述,介绍了快消产品和其消费者的行为特征；第三章介绍了模糊聚类及其分析快速消费品客户行为的可行性与模型设计；第四章介绍了模糊聚类算法在该领域的实现过程；第五章将设计理念实际应用于实际案例并分析的结果；第六章依据以上的分析结果提出了结论以及未来的展望。