近年来,随着互联网行业的飞速发展,互联网金融衍生品层出不穷,加之人们不断变化的消费理念,对于银行业的根本——存款造成了巨大冲击。越来越多的人愿意将一部分原本的定期存款投向新的理财产品或者用于消费。银行有着大量的客户数据,可以利用数据挖掘的技术来识别有意愿存款的客户,提高营销的效率。本文着眼于结合数据挖掘技术与实际业务对银行营销活动进行指导。一方面通过对数据特征进行描述性分析,从定性角度给予银行营销策略指导,并利用贝叶斯平滑方法以及业务特点进行新特征构建。另一方面使用决策树、随机森林、xgboost、LightGBM模型进行最优参数选择,得到最优模型。并结合不平衡数据处理方法,对上述最优模型加以改进,得到更为有效的分类器。通过比较模型效果,发现使用新构建特征并且处理过数据不平衡后的模型有更高的同意客户识别度。最终将待营销客户数缩减为原来的1/6,这些客户中包含了原本82.4%有意愿在银行定期存款的客户。使用分析得到的营销策略指导以及最终模型能够有效地减少银行的成本,并对客户进行针对性营销,能够高效地达到增加银行定期存款储备的目的。