信息技术的发展和网络使用已经日益广泛，电子化数据越来越多，“数据丰富而知识缺乏”的问题日益突显，而数据挖掘技术正为此类问题开辟了一条道路，其研究与推广已取得了较大成果。近年来，中国银行业在信息化建设方面取得了令人瞩目的成绩，但在数据挖掘的具体商业运用方面还处在一个探索前进的阶段。本文利用贝叶斯和k-prototypes算法解决了电子银行客户营销的实际应用问题，探索如何将数据挖掘技术应用于商业银行营销，具体工作如下：1.设计了基于B/S架构的电子银行客户营销系统，包括用户管理、机构管理、客户管理和报表管理四个模块。2.采用贝叶斯分类算法设计签约分类器，对客户是否能够签约电子银行做出预测并计算签约概率，供前台柜员参考，可以提高营销成功率，并分析客户属性的重要性程度。实验表明，经办柜员这一属性是客户签约与否的最重要因素，故本文在此基础上增加一次预测，采用由当前经办柜员经手过的训练样本作为分类依据再次预测，能提高预测的准确率。3.采用k-prototypes聚类算法对客户群体进行划分，按照银行业惯用的划分电子银行客户的分类方法分成三个群体，分析各个群体之间的共同特征，可以制定差别化的营销策略。再对k-prototypes聚类算法的数值型数据和分类型数据的权重和距离公式做出优化，实验表明，通过优化的算法提高了聚类的准确度。