近些年来,客户关系管理已经成为人们研究的热点,银行的客户关系管理受到了人们更多的关注,良好的客户关系管理能够降低银行的成本,提高银行的收益。银行数据库中的大量数据是一笔宝贵的财富。利用这些数据,可以对银行客户行为进行预测,然后为银行提供更加准确的决策指导。数据挖掘技术可以发现数据背后隐藏的信息,然后能够进一步帮助银行更好地进行客户关系管理,从而提升银行的竞争力。本文论述了数据挖掘技术在银行客户关系管理中的应用,特别是在客户细分中的应用,这些应用对银行客户关系管理的实施具有一定的借鉴意义。本文利用数据挖掘的方法研究了银行客户的细分问题。首先,确定了客户细分中的研究指标,基于RFM模型,确定了近度R、频度F以及额度M三个指标;其次,利用聚类方法对客户进行聚类,将客户分为四类,分析每类客户的特点,提供不同的营销建议;最后,利用分位数回归方法研究了客户存款总量的影响因素,对结果进行分析,得出相对应的结论。通过RFM模型以及聚类方法对客户进行细分,然后利用分位数回归分析影响存款总量的因素,为银行客户关系管理提供决策指导,帮助银行进行更好地营销。