随着中国的银行业加速告别“利差时代”，各商业银行的新型个人银行业务正在迅速崛起。值得关注的是，各行纷纷采取动作，引入并代销开放式基金。可以说，基金投资已成为我国居民投资理财的一个重要渠道，但是商业银行对客户的基金需求仍然缺乏了解和历史经验。那么，应该如何营销基金产品呢?业内对该问题的深入分析与研究尚属空白。基于现实工作中的需要和数据库营销的需要，为了探讨银行客户购买基金的偏好，尤其是客户选择的基金类别所体现的客户购买特征，并改进基金代销业务的营销方式，本文首次引入了关联规则挖掘技术，对某商业银行客户基金认购和申购数据进行分析，剖析客户购买的基金类别之间是否存在或存在何种关联。　　 首先，本文阐述了银基业务的基本概念、类型、特征和目前商业银行常用的营销方式，进而明确银基业务营销的关键问题在于普遍缺乏有效的分析方法和手段以掌握客户购买基金的偏好和交易行为的特征等信息。要通过归纳目前银基业务营销分析方法以及存在的弊端，总结出要提升银基业务营销效率，仅仅通过定性分析是不够的，必须利用先进的数据挖掘技术，充分分析客户购买基金内在规律。　　 然后，系统描述了关联规则挖掘所涉及的基本概念，区分了基于变量类别、数据抽象层次、数据维度的关联规则分类，将所要研究的银基业务营销问题归类为布尔型、单层抽象层次、单维的关联规则问题。在此基础上详细描述了关联规则挖掘中的几个重要算法：Apriori算法和FP-growth算法，并对Apriori算法的三个优化算法进行了阐述，根据各种算法的适用情况，优先考虑使用DHP算法进行本文所研究问题的模型建立。　　 在应用方面，本文通过应用设计、数据准备、建模、评估四大步骤，侧重于寻找商业银行客户购买的基金类别之间的各种关联，尤其是强关联。首先，对该项目进行关联规则应用设计，目的在于找到客户购买基金的内在规律，解决目前缺乏有效的银基业务营销分析的问题，选取了2010年某商业银行部分客户的基金认购和申购记录，进行数据清理后完成了数据准备；然后，运用全球领先数据挖掘软件Clementine，通过关联规则挖掘的Apriori算法构建关联规则模型。　　 最后，考虑到结论的实践意义，结合银基业务特点给出满足不低于30％的支持度，不低于80％的置信度下的关联规则：主动式股票基金与指数股票型基金间存在较强关联，主动式股票基金和指数型股票基金与混合偏股型基金间也存在较强关联。　　 本文开创性运用关联规则寻找客户基金购买的规律，结论可广泛应用于商业银行的基金代销业务营销，不仅如此，运用该类方法对数据样本进行扩充和更新，还可以有效指导基金公司的产品设计和产品创新。　　 就银行应用而言，通过符合条件的客户筛选，对其定向、批量营销的方式，可以将关联规则模型结果应用于基金代销业务推动部门的历史数据，例如：筛选有主动式股票基金购买记录的客户名单，向其定向推荐指数型股票基金，同时具有主动式股票基金和指数型股票基金购买记录的客户，可以推荐混合偏股型基金。在以上关联规则指引下，将大大提高银基业务的营销效率并节约营销成本。