中国加入WTO后,金融行业所面临的巨大的竞争迫使银行采用以客户为中心的管理模式。而在以客户为中心的管理模式中,最重要最紧迫的任务是对客户进行细分。客户细分的目的是为了更好地了解客户并提供个性化服务。国外已有一些关于消费者行为应用于客户细分方面的研究,如RFM细分模型、客户价值矩阵模型等。而国内在实际应用中客户细分的标准大多采用客户地区分布、客户特征等,以客户消费行为作为细分标准的还比较少见。但国外的细分模型共同之处为仅从消费行为的一个方面—消费层次进行细分,其划分具有一定的片面性。为了克服现有细分方法的缺点,本文采用了一种新的基于消费行为的细分模型,该模型选择消费金额和消费变动率为细分变量,并采用聚类的方法来确定细分变量的划分,从消费层次和消费波动情况两个方面对消费者的消费行为进行研究。本文的研究目标是建立一个基于消费行为的客户细分模型,并将其应用于指导银行进行针对性营销和欺诈风险的探测。本文首先使用改进的K-平均算法构建细分模型,从中可获知客户消费行为的特征模式,而且还可通过特征模式查找到感兴趣的特征消费群。然后使用DBSCAN算法建立模型,并将两者的结果进行比较,发现DBSCAN算法在聚类过程中排除了孤立点对聚类的影响,使所得到的客户类型更贴近于实际。我们对经过细分得到的客户群,再做进一步的研究,挖掘客户消费行为和客户个人属性如受教育程度、收入、年龄、职业等的关联关系和持卡人选择特约商户消费的规律等,帮助银行找到特定消费群体的消费习惯,以此为基础,对所识别出来的消费群体进行有针对性的营销。最后,我们尝试将此模型应用于信用卡欺诈行为的探测。实验表明对客户细分后再使用BP模型进行检测的正确检出率略有提高,错误检出率降低,这也从一个侧面说明我们的细分方法是有效的。