目前，建行柜面中的信用卡办理过程中只是简单进行业务推荐，由客户自行填写信用卡申请表，此时由于与客户进行沟通较少，不能相对准确的抓住客户的自身需求，导致推荐的成功率比较低，流失了很大一批优秀的客户，且这些客户会被其他同业银行进行同样的产品营销，进行客户资源的抢夺。针对此类问题，建行上级主管部门对此类问题成立了研究课题，本文所做内容是针对此类推荐问题进行细化研究。　　因为决策树算法比较易于理解，同时具有较小的误差率，所以本文使用决策树中的C5.0算法作为本文信用卡业务推荐模型的建立方法，我们根据本行过去几年的银行信用卡申请的个人客户数据，采用C5.0算法，将选取的数据进行数据处理并建立模型，最后对模型进行分析评估，最后依据实际工作特点，对构建的模型的进行成本矩阵设置和修剪程度进行了调整，最终我们得到一个修正的模型。利用此模型我们可以很容易判别客户自身是否有条件申办建行信用卡。接下来我们对这些有条件申办信用卡的客户进行细化分类营销，我们使用前文数据利用K-means法对客户结构进行了客户分类处理，通过对模型结果的比较，我们把客户最终划分为五类客户，并对每一类客户分别进行了客户特征分析，并针对每一类客户进行了个性化推荐方案的建议，以便在实际工作应用中针对不同客户找出对其营销的突破口，从而提高推荐成功几率。　　基于决策树法建立的信用卡推荐模型精确度较高、可控性较强，模型在实际运用的过程中对于申办的信用卡的客户进行分类具有指导性的作用，还能够为信贷相关方面的决策提供具有一定指导性的意见，另外对成功触发推荐的客户利用客户资料的分类结果，针对其特征进行个性化的推荐营销，可以大大增加客户的成交率，提高银行的营销效率，有较为突出的理论意义和现实意义。