随着国内金融市场的不断发展和完善，信用卡业务的增长为银行带来大量利润，信用卡客户的分析和研究也受到更多的重视。目前我国对客户价值的评价系统还比较简单，方法还比较单一，如何合理的衡量信用卡客户的价值成为我国商业银行的一个重要问题。客户细分是一种有效评价客户价值的方法，它是指根据客户的需求和差异把客户按照一定的标准和规则划分为不同的客户群的方法。利用客户细分方法能够区分不同价值的客户群，并对于不同的客户群制定有针对性的营销策略，以此来提高银行的服务质量，提高银行的市场竞争力。　　 本文在研究了客户细分理论的基础上，使用聚类方法来分析客户行为，结合商业银行信用卡的特点和现状，提出了基于客户价值和行为的信用卡客户细分模型：　　 首先对相关理论基础进行了介绍：第一，介绍了客户细分理论的产生、概念和方法。第二，介绍了聚类技术的相关方法、分类以及评价标准。　　 然后，介绍了客户价值模型，对已有的客户价值模型的定义、计算公式做了详细的分析和总结，并指出其中的不足。在此基础上结合信用卡的业务特点提出基于传播效应的客户价值模型，通过客户的当前价值、潜在价值、传播价值和保持价值来计算客户的生命周期价值。　　 接着，介绍了两种聚类算法K-means、DBSCAN，分析了这两种算法的优点和不足以及适用场景，并基于这两种算法的思想提出两阶段聚类算法，通过大量对比实验验证两阶段聚类算法的有效性。然后在加入权重W的RFM模型的基础上使用两阶段算法对信用卡客户数据进行聚类，并给出每类的得分，从定性和定量上分析细分客户群。　　 最后，对本文提出的两个模型进行具体应用，使用某商业银行的信用卡数据，从客户行为和客户价值的角度进行了客户细分，并分析了细分结果，给出了营销策略，对银行信用卡工作人员有一定的借鉴意义。