随着信用卡市场竞争的加剧,客户多元化特征的呈现,国内银行的运营模式已逐步向以客户为中心的国际模式转变,银行要保持市场的领先地位就必须主动进行客户细分。传统的客户细分大多基于经验或者简单的统计方法,无法满足日益增长的数据量以及业务发展的复杂分析需求。而基于数据挖掘技术的分类方法的出现,为解决海量数据下的复杂客户细分问题提供了新的解决方法,同时也为以信用卡客户细分为基础的针对性营销提供了有效工具。本文在基于国内外相关研究的基础上,针对银行中所存在的大量信用卡数据,采用关联分类算法对银行的信用卡客户数据进行挖掘,实现对客户的细分,进行针对性的营销,从而提高客户满意度和自身的竞争价值。主要研究内容如下：第一,对关联分类算法进行了深入研究,尤其是对经典算法进行了详细地分析,并进行了客观的比较,为本文提出的关联分类的改进算法建立理论前提。第二,构建了面向信用卡客户细分的指标体系。通过研究客户在信用卡使用过程中的消费行为,并考虑到用户的行为中所隐含的价值,提出了从客户的个人特征、客户的消费行为和客户的终身价值这三个维度进行全面分析,在此基础上构建了面向信用卡客户细分的指标体系,以此作为客户细分的依据。第三,提出了基于相关度的关联分类算法ACBC。首先,采用相关度CM与贪婪算法相结合的方式,用相关度取代传统的置信度作为规则质量的评估标准,在规则产生步骤直接删除不相关或弱相关的规则。然后,采用规则优先度排序剪枝策略和数据库覆盖修剪策略相结合的方法,从初始的分类规则集中选择适当的分类规则集合来构建分类器。最后,使用分类器对测试数据集进行分类和预测。通过实验证明,ACBC算法具有较好的分类效果,减少了运算时间和存储空间的占用。第四,提出了基于相关度关联分类算法的银行信用卡客户细分的模型(ACSM)。以银行客户数据为数据源,采用ACBC算法为关键技术,对频繁属性集和类标签之间的相关度进行计算,实现对信用卡客户的细分,并根据分类结果提出了相应的营销模式和个性化营销手段。