客户是证券公司生存的决定因素，为了提高客户的满意度和忠诚度，证券公司开始实施客户关系管理，目的在于发展新客户并保持老客户，寻求客户价值最大化。正确的客户细分是实施有效的客户关系管理的第一步，它不仅起到优化企业资源配置、降低成本的作用，还可以获得更有利可图的市场渗透。在本论文中，利用自组织特征映射聚类方法对证券行业的客户细分问题进行了研究，并针对细分结果提出了相应的营销策略。 论文中，提出了一种拓展自组织特征映射(SOM：Self—Organizing feature Map)的聚类算法，先利用自组织特征映射对原始数据集进行初步聚类，再利用K—means算法对第一步聚类结果进行合并，得到最终的聚类结果。然后，针对上海某证券营业部的客户交易数据，选择合适的细分指标，分别建立了证券客户行为和客户价值细分模型，并利用数据挖掘软件Clementine进行了算法实现，对得到的细分结果进行了分析，对每类客户制定了相应的营销策略。 在利用K—means算法进行聚类时，本文提出了一种利用有效性指标来确定聚类数目的方法。为了验证基于自组织特征映射算法的聚类绩效，在进行客户价值细分时，将拓展SOM聚类算法与K均值算法的聚类结果进行了对比分析，结果表明基于SOM的拓展聚类算法具有较高的绩效。