دغدغهی اصلی سازمانها و کسبوکارهای امروزی، سودآوری بیشتر از طریق کشف خصوصیات و سلایق پنهان مشتریان است. این موضوع به بازاریابی دقیقتری در راستای محصولات و همچنین وفادارسازی مشتریان منجر میشود. بر این اساس بازاریابی به موقع و دقیق از طریق داده های تولید شده در مراودات واقعی و تراکنشهای مالی، انجام میپذیرد. این کار به کشف دانش، درک و پاسخگویی صحیح به نیازهای مشتریان برمبنای اهداف تجاری کسب و کارها، کمک بسزایی مینماید. ارتباطی که از این طریق با مشتریان ایجاد میشود به کمک تکنیکهای نوین داده کاوی و کشف الگوهایی ارزشمند از رفتارهای مشتریان به منظور فروش و سود بیشتر، کسب رضایتمندی مشتری، ایجاد روابط مؤثر با مشتریان و در نتیجه ایجاد وفاداری در آنها، انجام میگردد. لذا میتوان گفت که داده کاوی و استفاده از تکنیکهای یادگیری ماشین راه را برای مدیریت بازاریابی مدرن در سازمانهای تجاری بیش از پیش فراهم آورده است. در تحقیق حاضر دو مدل متفاوت برای خوشه بندی مشتریان یک فروشگاه خرده فروشی با تعداد خوشه های بهینه ارائه گردیده است و نتایج خوشه بندی به لحاظ کیفیت، سنجیده شده اند. بر همین اساس خوشه ها به روش RFM به دسته های مختلف تقسیمبندی شده، و برای هر کدام از بخشهای مشتریان، برنامه های وفادارسازی مناسب تهیه و به مدیران بازاریابی پیشنهاد میگردد. مدیران بازاریابی بر اساس همین بخشبندی های واقعی میتوانند برنامههای دقیقتری در راستای وفادارسازی، اجرای کمپینهای تبلیغاتی، حفظ رضایت مشتریان، کسب سود و کاهش هزینه ها و همچنین جلوگیری از ریزش بازار تسخیر شده، پیشنهاد داده و اجرا نمایند.
