【摘要】本文深度挖掘银行客户交易的多维度特征,实现客户细分。首先将生活场景和背景信息作为输入变量,交易账户结构、交易渠道和交易的星级贡献作为目标变量,采用决策树C5.0算法细分变量间的关系;其次引入金融资产结构数据,运用贝叶斯网络分析预测客户特征及金融资产配置倾向。结果表明:开立Ⅱ类账户的客户风险偏好弱且忠诚度高,客户的职业和收入与交易渠道偏好存在强关联,客户的年龄和收入来源与客户交易星级贡献存在强关联,客户交易行为的差异体现了金融资产配置偏好的动态性。本文引入交易账户结构、交易渠道、星级贡献三类视角丰富交易行为内涵,有助于商业银行优化金融服务模式,增强对客户金融需求的适应能力,为提升客户金融服务体验提供决策参考。