随着金融业的深化改革,金融机构不断增加。近些年互联网在金融行业的应用和创新速度越来越快,智能设备的普及使得整个社会环境发生着剧变。银行业本来就竞争激烈,新形势的发展又给银行业不小的冲击。银行为了保持自己的发展,必须要探索核心竞争优势。而客户是银行的立足的根本,更新银行客户关系管理势在必行。本文正是立足于这种形势下,探索在社交网络普及的情形下,银行如何利用数据挖掘技术进行客户关系管理,打造核心竞争力。本文对客户关系管理相关理论进行了研究,提出了客户价值的一些新观点,最重要的是将客户社交网络信息纳入到客户关系管理的整个过程之中,其次在客户分类中探讨了一些数据挖掘技术优化的方法。客户价值是客户关系管理的核心和基础。以往的客户价值主要通过客户的身份与客户资产来衡量,客户未来价值一直被提及。本文则提出,更早的进行客户管理,并将客户潜力作为一个重要的衡量指标,将部分社交网络信息纳入到客户潜力的指标中来。而在客户价值体系建立后,客户分类则成为了客户关系管理应用的关键一步。文章通过数据挖掘技术中的聚类和决策树方法综合起来实现客户细分,通过对数据挖掘流程,即在聚类之前使用图表化的工具对数据特征进行探索性分析,以更好的选择聚类中心和类别。又在算法上提出了一些优化。通过银行数据库和电话回访得到了客户数据,然后进行数据处理,模型优化。最终使得聚类结果比之最初使用模型得到了一定程度的提升。