随着我国加入WTO后外资银行的进入，使得国内银行业面临的竞争压力越来越大，零售客户对商业银行来说显得愈发重要，有效发掘客户、管理客户资源已成为银行的制胜关键。而客户细分能够有效实现银行以客户为中心、服务为目的的战略目标，为不同的客户群提供更为个性化的服务，使银行的有限资源能够产生最大效用。另一方面，银行拥有海量的客户信息数据，数据挖掘技术的应用为银行客户数据中隐藏知识的发现提供了有利支持。　　 本文针对目前客户细分中的研究不足，从生活方式的视角设计了一个基于数据挖掘的客户细分模型，并通过自编的调查问卷采集银行零售客户数据，对上述细分模型进行了实证分析。具体研究内容包括：　　 首先，本文在详细阐述数据挖掘理论和客户细分理论的基础上：从生活方式的角度提出了客户细分模型的内容框架及研究假设。并根据模型的研究目的和实际情况，以AIO量表为研究工具，设计了适合本研究的“商业银行零售客户生活方式调查问卷”进行调查取样，最后共获得408份有效问卷。　　 其次，针对回收的有效样本数据，本文着重进行了实证分析。首先运用SPSS软件进行了信度分析和效度分析，然后利用因子分析将银行客户的生活方式归纳为六个维度，并依据得到的生活方式维度，通过K-Means聚类分析将客户细分为三大类。在此基础上，通过卡方检验分析了不同客户在人口统计变量上的差异，对每一类客户的特征进行了提取，有助于提高银行营销活动的针对性和有效性。接下来，本文使用挖掘软件WEKA中的Apriori算法对聚类分析所得的三类客户及“购买基金”类客户在银行零售业务办理方面的行为规律进行了关联分析，根据所得的关联规则结果提出了一些营销建议。　　 最后，对全文进行总结，并提出了本文的创新点及研究展望。