امروزه مدیریت ارتباط با مشتری به یک ضرورت اجتناب ناپذیر در سازمان‌ها تبدیل شده است. با این حال، یکی از مشکلات اولیه در این زمینه، فقدان معیار مشخص برای طبقه‌بندی مشتریان است. ایجاد مدل‌های پیش بینی از دسته‌های مشتری نیز یکی از چالش‌های مدیریت ارتباط با مشتری است. برای این منظور در این مقاله، از تلفیق روش LRFM به همراه مفاهیم چندک‌ها و روش‌های داده کاوی چند کلاسه برای دسته‌بندی مشتریان استفاده شده است. در این راهکار، ابتدا رکوردهای اطلاعاتی مشتریان بررسی و پالایش شدند تا داده‌های نامعتبر حذف گردند. سپس با ترکیب مفاهیم روش LRFM و چندک‌ها، مشتریان دسته‌بندی شده‌اند. در ادامه، به منظور تشخیص و طبقه‌بندی مشتریان جدید، خروجی‌های به دست آمده، در معرض انتخاب ویژگی قرار گرفته و ویژگی‌های اضافی آنها حذف شده است. سپس، ویژگی‌های باقی‌مانده برای ایجاد مدل‌های پیش‌بینی-کننده دسته مشتریان به طبقه‌بند‌های مختلف منتقل می‌شوند. برخلاف کارهای انجام شده تاکنون، در این مقاله، از معیارهای ارزیابی چند کلاسه میکروسکوپی و ماکروسکوپی برای ارزیابی عملکرد پیش‌بینی‌کننده‌ها استفاده شده است. به منظور ارزیابی نتایج، در یک مطالعه موردی، بخشی از اطلاعات مشتریان شرکت سرچین خراسان مورد استفاده قرار گرفته است. ارزیابی‌ها نشان می‌دهد که دقت مدل‌های پیش‌بینی روش پیشنهادی در طبقه‌بندی مشتریان، بالاتر از دقت روش مرسوم دسته‌بندی مشتریان به کمک K-Means است. بعلاوه روش پیشنهادی در تشخیص گروهی رکوردها دارای عملکرد بهتری می باشد.
