顾客获取

对大多数企业而言，发展新客户、扩大客户基础的确是企业成长的一种主要方式。通过数据挖掘实现顾客获取就是利用客户档案找出客户的一些共同特征，通过聚类分析对客户分群，再通过模式分析预测潜在客户。通过预测潜在客户对开发活动的反映，从中识别出反映积极的客户，帮助市场人员对潜在客户进行筛选，然后有针对性进行营销活动。

客户细分

客户细分是根据企业需求，将客户划分为多个小的同质群体的过程。同属一个群体的客户往往有相似的需求，这样营销人员就容易对其进行营销组合，有针对性地实施营销策略。客户细分中比较典型的数据挖掘技术是决策树和聚类分析方法。

交叉销售及预测

现代企业和客户之间的关系是经常变动的，交叉销售是使这种关系趋于稳定的一种手段。利用市场购物篮分析挖掘客户对产品的消费模式，找出客户最容易一起购买哪些产品，从而确定如何有效决定产品组合、产品摆放等。利用序贯分析预测客户在买了某一样产品之后，多久就会买另一样产品。这样做的结果是企业获得了更高的商业利润，客户得到了所需要的产品和服务，从而使双方达到双赢的状态。

顾客维系

随着获取新客户的成本不断提高，对企业而言，维系老客户、保持原有客户的价值就显得越发重要。有统计表明，企业获取一个新客户的成本是保留一个老客户的7~10倍，而流失一个老客户的损失要争取10个新客户才能弥补。

数据挖掘通过对数据库中大量的客户历史交易记录、人口统计信息及其其他相关资料进行分析和处理，对流失客户群做针对性研究，分析哪些因素会导致客户流失，简历流失客户模型，识别导致客户流失的模式。然后根据分析结果到现有客户中找出可能转移的客户，结合模型分析哪些客户会离开并建立潜在离开者模型，一遍企业据此制定相关计划或方案，改善客户关系，争取保持客户并提高效效益。

在客户保持中，通常涉及三个数据挖掘模型，首先，建立模型用来预测和识别潜在流失者；其次，挖掘和识别潜在流失者中的“黄金用户”；最后，对“黄金用户”中的潜在流失者进行分析挖掘、识别其行为模式，从而实行有针对性的营销策略以保持这些客户。

客户盈利性识别

对企业来说，客户的数量并非越多越好，而是能够给企业带来盈利的客户越多越好，因为不同的客户对企业的盈利能力的贡献率是不同的。企业通过设置计算盈利能力的参数，利用数据挖掘对客户信息、客户历史交易记录和售后服务等信息进行分析，对客户进行分类，预测其未来的购买模式和购买行为。这样就可以在市场营销的过程中对有价值或潜在的客户投入更多精力和财力，向他们提供及时的个性化服务，既可以留住这些客户，又可以有针对性地开展交叉销售，提高其对企业的盈利能力。而对于那些低价值甚至无价值的客户，就不必浪费企业的时间和金钱去保留他们。这样可以使企业有效地降低成本、提高利润。