随着证券市场的日益规范,佣金的浮动制使得券商经纪业务的竞争愈发激烈,提高客户服务质量变得重要。随着信息时代的来临,企业逐渐由过去的产品为中心转变为以客户为中心,企业也认识到良好客户关系的提升已成为制胜关键。为了进行有效的竞争,企业必须进行客户细分,选择最有利的目标客户群体,集中企业资源,制定有效的竞争策略,来增强自己的竞争优势,同时企业也必须强调和重视客户忠诚度的管理,针对不同忠诚度的客户进行相应管理,完成被动营销模式向主动营销模式的转变,使个性化证券营销更具有方向性。本文主要基于客户忠诚度理论及数据挖掘技术,充分结合国内证券行业特点进行深入研究。研究内容包括基于决策树的模糊聚类评价算法和模型的建立,以及模型在客户细分以及客户分类预测,客户忠诚度分类和客户忠诚度预测上的应用,数据挖掘技术的主要方法及操作流程。研究重点在于分析国内证券业客户自然属性和交易行为特性,探讨证券业客户分类模型和忠诚度评价指标体系,提出适合国内证券业客户分类和忠诚度评价的数据挖掘方法及流程。在理论研究基础上,结合某证券公司客户忠诚度识别案例,本文详细分析证券公司客户分类及忠诚度识别的数据挖掘过程,并且根据数据挖掘结果对不同分类和忠诚度等级客户提出相应个性化营销建议,从而为优化证券公司的营销策略提出建议。文章最后对课题的研究进行总结,并且对基于数据挖掘的我国证券业客户分类及忠诚度研究的前景做出展望。