随着全球经济的回暖,银行业之间展开了激烈的竞争,可以肯定的是,竞争的结果就是对客户市场的重新分割,对于现在的银行业来说,最重要的不是资产概念,而是客户概念,谁掌握了客户谁就掌握着未来的机遇和财富。如何在快速多变的市场中保持老客户与争取新客户成为关乎各类银行成长和发展的关键,以客户为中心的客户关系管理思想就是在这样的环境和变化中逐渐为银行重视与推崇然而,如何成功地实施一个CRM项目,关键在于如何对客户与银行交互过程中的各种数据进行收集、分析,挖掘出隐含在数据中的有用信息,然后用分析所得的知识做出决策这就需要先进的技术和工具的支持,数据挖掘技术的出现为银行CRM的实施提供了良好的技术支持。本文先是明确选题背景和研究意义,接着综述了客户关系管理,客户细分,数据挖掘等方面的理论,然后以H银行的客户信息为研究对象,分析其现行的客户分类管理中存在的一些不足,提出按照客户价值分类的两个维度：客户活动强度和银行收益建立数据模型,利用聚类分析中的K-Means算法对客户消费行为,自身属性,银行存款收益,消费收益等指标进行挖掘和分析,详细阐述挖掘方法和过程, 并联系银行实际业务对聚类结果进行二维分类研究,建立客户细分的维度模型,并最终把客户细分为9大客户群,最后根据每个客户群体的行为和消费特征制定差异化的营销策略,从而达到产品和服务都具有针对性,争取客户满意度最大化和保持有价值客户、提升客户层次的目的。实证分析结果表明基于本文提出的对银行客户价值的评价方法更为简单、实用,可以为H银行进行客户评价提供决策支持。