随着科学技术的快速发展,互联网及电子商务的使用已经逐步渗透到社会经济、文化生活的每一个领域,人类社会逐渐进入到一个信息化、电子化和数字化的时代。时代的变化也为企业客户管理带来了新的挑战,客户变得越来越成熟、越来越有个性,也越来越难捉摸。企业和客户之间的关系已经彻底改变,在激烈的行业竞争中,企业的核心经营理念已经从“以产品为中心”逐步转变成“以客户为中心”,采取有效的方法对客户进行分类,准确识别客户,区分客户群中的不同客户,将客户划分为不同等级或类别。针对不同等级的客户群体制定和实施不同的客户保持和客户升级的管理和营销方案,具有重要的理论意义和应用价值。本文基于数据挖掘、管理学和市场营销学等理论,对电子商务环境下的客户分类应用研究进行了系统的理论研究和实证分析。本论文主要围绕电子商务环境下客户分类的指标、研究方法及研究现状等相关理论而展开,做了详细的研究工作,并分析了电子商务环境下客户分类应用研究存在的问题。选择了以客户价值、网络行为日志数据和推广方案数据三个维度的指标,应用D-SOM算法构建了电子商务环境下的客户分类模型。用K-means聚类算法再次对相同的客户进行了分类,以验证D-SOM算法的有效性,并用Kruskal-Wallis检验对分类的结果进行了检验,验证分类的结果是否具有合理性。将该分类结果应用到客户保持上,构建了基于变异系数法的客户忠诚度模糊综合评价模型；将客户分类的结果应用到客户升级上,利用BP神经网络算法建立了客户升级方案预测模型,最终得到最佳的客户升级方案。最后以A搜索引擎公司为例。首先,将该公司50个客户分为VIP客户、重点培养客户、重点挽留客户、普通客户和小客户5类,并详细的分析了每一类别客户的指标走势,给出每类客户的管理和营销策略；其次,将客户分类得到的VIP客户、重点培养客户和重点挽留客户这三类客户进行客户忠诚度评价,分析了导致客户忠诚度低的原因,帮助企业找到今后努力的方向；最后,将客户分类的结果应用到客户升级上,以产品、品牌、价格、服务和渠道五种交叉渠道为指标,利用BP神经网络算法建立了客户升级模型,最终得到A搜索引擎公司的最佳客户升级方案。