本研究以国内某商业银行活期储蓄客户的历史交易数据为研究样本,提出以客户终身价值(CLV)和客户活跃度(P(active))为二维变量的客户细分模型,从实证角度具体阐述了商业银行如何使用该模型对活期储蓄客户实施客户关系管理策略,以便提高价值客户的保持率,降低其流失率。首先,本研究结合活期储蓄的业务特征和数据情况以及前人的研究成果对随机模型BG/NBD模型和Gamma-Gamma模型进行了符合业务背景的变量(x, tx, T, mx)定义,然后结合上述模型计算出客户活跃度和客户终身价值两个细分指标。两个指标经检验显示出良好的预测精度。其次,本研究构建了活期储蓄客户细分模型。根据前人研究成果和活期储蓄的业务特征对关键的临界值进行了选取。并通过实证研究验证了细分模型的有效性。实证结果显示：商业银行活期储蓄客户中11%的客户贡献了80%的利润,一方面体现了20/80原则,另一方面说明了商业银行活期储蓄客户的利润贡献较零售业更为集中,对高价值客户的保持和流失监测显得更加重要。第三,本研究指出了该细分模型在商业银行活期储蓄客户保持方面的现实意义。文中所提出的细分模型将活期储蓄客户划分为四个细分群体,即高价值客户、潜价值客户、低价值客户和次价值客户,并提出相应的保持策略。模型不但可以实现高价值客户流失状况的实时监测和流失预警,还可以针对不同细分群的客户进行差异化的保持或挽回措施,有效分配营销资源。最后本文给出了客户保持的管理策略和建议。指出商业银行应该综合考虑客户的终身价值和活跃度的情况,对客户加以细分,针对不同的细分客户群,分配合理的营销资源,制定差异化的保持和挽回策略。