近年来,石油行业的利润逐年下滑,客户资源流失严重,各销售公司纷纷思考该如何更准更好的服务客户,但由于客户需求的多元化,我们不能对所有客户实行“一刀切”的营销策略,而要根据不同客户特点进行有针对性的精准营销。同一客户群体通常具有相似的消费习惯和偏好,我们可以将客户分成不同群体,然后针对不同群体开展相应的营销活动,既可以节约公司成本,又能使效果显著。做到这一点的关键就是有效的客户细分,客户细分的关键就是通过一系列统计分析方法将客户隐藏在数据背后的特征挖掘出来,然后进行分类。现如今关于客户细分的研究繁多,既有传统的RFM模型,又有很多基于统计算法的模型,但是应用于石油销售行业的研究并不多,而且描述客户的指标维度较单一,不足以全面体现客户的消费习惯。因此本文具有一定的理论和实际意义。本文第一章主要介绍了文章的选题背景、研究目的意义;从客户细分方法和客户细分在石油销售行业的应用两方面介绍了国内外学者的研究现状;大体介绍了本文的框架结构和可能的创新点。第二章笼统介绍了客户细分理论的概念、原则和方法。第三章主要介绍了本文用到的统计方法,包括聚类分析、K-means算法、主成分分析,其中详细介绍了 K-means算法的优缺点,并对如何确定分类个数K和如何选择初始凝聚点均做了改进。第四章在充分考虑了石油销售行业的分类目标、业务数据和客户特点之后,以其个人加油卡客户的消费明细数据为依据,从多个维度建立个人卡客户细分指标,这些指标不仅有传统的消费金额、频次、近度,还包括了对于加油时间、地点、品质的描述,更全面的展示客户的消费习惯。第五章是构建客户细分模型,先按照客户的消费能力(价值属性)将客户分成高、中、低价值三类,然后对不同价值的客户再按照消费习惯(行为属性)进行进一步细分,使用主成分分析法对聚类指标进行压缩,然后运用改进的K-means算法进行聚类分析,将高价值客户分为九类,中价值客户分为十一类,低价值客户分为两类;最后对不同细分群体进行了解读,对九类高价值客户的职业属性给出了自己的预测,并提出了相应的营销服务建议。第六章全面总结了本文的研究成果并对文中所出现的问题和不足进行了说明。