随着互联网金融的遍地开花，我国的实体金融机构感受到了巨大的压力，争取高价值客户成为各金融机构的必备手段，也是客户关系管理的最主要目的。商业银行作为金融行业的重要组成部分，业务范围广泛、客户群体众多是其主要的特点。这些特点为客户关系管理的研究提供了得天独厚的资源优势，但面对数量庞大的客户数据，传统的分析方法难以得出有针对性的结论，而数据挖掘就为海量数据的分析提供了技术支持。客户关系管理就是对企业内部的客户资源进行集中式管理，以此达到客户资源的内部共享，不断提高单个客户的价值水平，最终实现企业的超额利润。基于数据挖掘的客户关系管理系统就是银行运用数据挖掘技术，对客户的隐含信息进行分析和挖掘，以实现对客户的准确分类，为商业银行的决策提供支持。　　论文从理论和实证两方面出发，以客户关系管理理论和数据挖掘理论为理论基础，结合两个理论内容对商业银行的客户类型进行分析。　　首先，介绍了论文的选题背景及研究意义，分别阐述了国内外数据挖掘的研究现状，以及我国对CRM的研究内容，并对客户关系管理和数据挖掘的理论内容加以论述，为后续论文工作夯实了理论基础。　　其次，重点分析了数据挖掘中的神经网络、遗传算法和决策树法，对三种分类方法的优缺点进行了理论层面的比较，并对三种方法的实际应用领域加以说明，从理论和实际两个角度进行抉择，选定决策树法为论文的实证方法。将A银行的1696条贷款客户数据作为主要的研究对象，分析这些贷款客户是否会提前还款。结论表明：在所研究的客户中，消费类贷款客户通常不会选择提前还款，而生产性贷款客户通常都会选择提前还款，且提前还款的客户比例约占总人数的四成。针对这一结论，将所有的客户划分为七个类型，针对每个类型客户的消费特征及偏好产品，提出了不同的CRM管理策略。　　最后，以论文的研究结论为中心，从银行的角度出发，提出了具有差别化的营销方式和客户关系维系方法，并将这一理念延伸至产品及服务的开发阶段。在客户出现时，准确判断客户类型，适时调整营销策略，明确高价值客户特征，对不同价值客户进行有差别化管理；在客户维系过程中，尽量降低维系成本，提高维系性价比，增加新媒体推广方式的占比，减少人工成本开支，尽量采用客户喜爱的维系方式，提高客户满意度；对银行各类金融产品及服务的开发，也要以客户偏好为导向，弄清客户需求，避免“闭门造车”，主动适应客户需求的变化，增强客户粘性。同时，也从严控数据质量、选择合理算法和理性对待结论三个方面，对应用数据挖掘工具提出了几点建议。