近年来,随着利率市场化进程的加快、互联网金融的兴起以及金融监管的加强,商业银行面临着越来越激烈的竞争,特别是针对客户的竞争。然而,现阶段商业银行客户流失越来越严重,成为束缚银行发展的一个重要问题。有研究表明,挽留一个老客户比获得一个新客户对银行来说更具有价值。但是由于银行资源的有限性、客户价值的差异以及客户被成功挽留可能性的不同,挽留所有的流失客户是不切实际且浪费资源。因而,如何评价流失客户的价值、预测挽留成功的可能性,找出需要挽留的客户,制定合理的挽留策略,成为亟待解决的问题。本文首先全面地回顾并分析了国内外学者关于客户流失挽留的研究成果,并在此基础上提出了本文的研究内容、研究方法及研究路线。其次,通过对客户流失挽留理论、客户价值理论以及数据挖掘理论系统的学习,重新定义了客户流失和客户挽留的概念,阐述了客户价值评价的方法以及数据挖掘的过程,并就本文所用到的数据挖掘算法进行简要的介绍。然后,基于数据挖掘和客户价值理论,从客户价值和能否挽留成功两个方面分别建立了客户价值细分模型和客户挽留预测模型,并结合这两个模型的结果,确定需要挽留的客户。其中,在客户价值细分模型构建过程中,考虑不同价值的影响,从当前价值和潜在价值两个维度出发构建了商业银行客户价值评价指标体系,并在此基础上,用模糊C均值聚类算法对这两个维度的指标分别进行聚类,得到四个具有不同价值的客户群,从而确定每个客户所属的价值类别;在客户挽留预测模型构建过程中,提出了基于粗糙集和支持向量机的客户挽留预测模型,考虑到属性信息重复的问题,用粗糙集对本文取得的属性进行约简,并以约简后的属性作为预测模型的输入,以挽留成功与否作为模型的输出,在考虑数据集不平衡问题的基础上,构建了具有不同误分代价的支持向量机预测模型,并用交叉验证法选择模型的参数。最后,结合A商业银行福建省分行的具体情况,对本文提出的模型进行实证研究,发现本文的模型能有效地识别不同的客户群和较准确地预测挽留成功的客户,并通过分析不同客户群的特征制定适用于A银行福建省分行的挽留策略。