در دنیای امروز، کسب‌وکارها برای موفقیت باید بتوانند نیازها و خواسته‌های مشتریان خود را به‌طور دقیق درک کنند. یکی از راه‌های انجام این کار، خوشه‌بندی مشتریان براساس رفتارهای خرید آنها است. در زمینه تخفیف دهی، خوشه‌بندی مشتریان می‌تواند به شناسایی مشتریانی که بیشترین احتمال خرید مجدد را دارند، کمک کند و با ارائه تخفیف‌های هدفمند به این مشتریان، کسب‌وکارها می‌توانند میزان فروش خود را افزایش دهند و وفاداری مشتریان را بهبود بخشند. بر این اساس هدف از این مقاله شناسایی و دسته‌بندی مشتریان فروشگاه‌های اینترنتی بر اساس معیارهای تازگی مبادله(R)، تعداد تکرار مبادله(F) و ارزش پولی مبادله(M) است. بدین منظور داده‌های مربوط به فروشگاه اینترنتی دیجی کالا را که بزرگ‌ترین فروشگاه آنلاین در ایران است در بازه زمانی یک ساله مورد بررسی قراردادیم. نتایج این مطالعه نشان داد که خوشه‌بندی مشتریان می‌تواند به شناسایی مشتریان با رفتارهای مختلف کمک کند .در این مطالعه، مشتریان به چهار خوشه تقسیم‌بندی شدند:خوشه1: مشتریان جدید و کم‌فعالیت.خوشه2: مشتریان فعال و کم‌ارزش.خوشه3: مشتریان غیرفعال و با ارزش متوسط.خوشه4 مشتریان وفادار و ارزشمند. سپس بر اساس ویژگی‌های هر خوشه، با استفاده از نظرات خبرگان و الگوریتم های داده کاوی، استراتژی‌های تخفیف دهی مختلفی ارائه شد. برای خوشه یک: که شامل مشتریان جدید با تعداد تکرار خرید پایین بودند، استراتژی تخفیف دهی تکراری و برای خوشه دو که شامل مشتریان فعال ولی با مبلغ خرید پایین بودند استراتژی تخفیفی درصدی، خوشه سه که شامل مشتریان غیرفعال بود استراتژی تخفیف پلکانی و برای خوشه چهار که شامل مشتریان وفادار و ارزشمند است استراتژی تخفیف دهی زماندار پیشنهاد شد. نتایج نشان داد که ارائه تخفیف‌های هدفمند به مشتریان هر خوشه می‌تواند به بهبود کارایی استراتژی تخفیف دهی کمک کند.

داده‌کاوی خوشه‌بندی مدل RFM استراتژی تخفیف دهی الگوریتمK mean