en گروه بندی مشتریان با استفاده از تکنیک های داده کاوی در صنعت توزیع غذا (مطالعه موردی) توسعه قابل توجه داده ها سازمان ها را ملزم کرده است تا از ابزاری برای درک روابط بین داده ها و تصمیم گیری های متنوع متناسب با اطلاعات به دست آمده استفاده کنند. تقسیم بندی مشتری و تجزیه و تحلیل رفتار او در صنایع تولیدی و توزیعی با توجه به هدفمند بودن فعالیت های بازاریابی و ارتباط موثر و با مشتریان از اهمیت ویژه ای برخوردار است. تقسیم بندی مشتری با استفاده از تکنیک های داده کاوی عمدتا بر اساس متغیرهای خرید اخیر (R) ، فرکانس خرید (F) و ارزش پولی خرید (M) در مدل RFM است. در این مقاله ، با استفاده از متغیرهای ذکر شده ، دوازده گروه مشتری مرتبط با BTB (تجارت به تجارت) یک شرکت تولید مواد غذایی ، گروه بندی شده اند. گروه بندی در این مطالعه براساس الگوریتم K-means و شاخص Davies-Bouldin ارزیابی می شود. در نتیجه ، گروه بندی مشتری به سه گروه تقسیم می شود و در نهایت CLV (مقدار طول عمر مشتری) هر خوشه محاسبه می شود و استراتژی های بازاریابی مناسبی برای هر خوشه ارائه شده است. Significant data development has required organizations to use a tool to understand the relationships between data and make various appropriate decisions based on the information obtained. Customer segmentation and analysis of their behavior in the manufacturing and distribution industries according to the purposefulness of marketing activities and effective communication and with customers has a particular importance. Customer segmentation using data mining techniques is mainly based on the variables of recency purchase (R), frequency of purchase (F) and <a name="_Hlk63987339">monetary </a>value of purchase (M) in RFM model. In this article, using the mentioned variables, twelve customer groups related to the <a name="_Hlk63954170">BTB </a>(business to business) of a food production company, are grouped. The grouping in this study is evaluated based on the K-means algorithm and the Davies-Bouldin index. As a result, customer grouping is divided into three groups and, finally the CLV (customer lifetime value) of each cluster is calculated, and appropriate marketing strategies for each cluster have been proposed. مدیریت ارتباط با مشتری , داده کاوی , تقسیم بندی مشتری , تجزیه و تحلیل RFM , ارزش طول عمر مشتری Customer relationship management, Data mining, Customer segmentation, RFM analysis, Customer lifetime value 1 8 http://sjamao.srpub.org/browse.php?a_code=A-10-2-61&slc_lang=en&sid=7 Ramin Taghi Livari رامین تقی لیوری 1003194753284600282 1003194753284600282 Yes Master of Science, Industry Engineering, Islamic Azad University, South Tehran Branch, Thran, Iran. کارشناس ارشد مهندسی صنایع ، دانشگاه آزاد اسلامی ، واحد تهران جنوب ، تران ، ایران. Navid Zarrin Ghalam نوید زرین قلم 1003194753284600283 1003194753284600283 No Master of Science, Industry Engineering, Sharif University of Technology, Thran, Iran. کارشناس ارشد مهندسی صنایع ، دانشگاه صنعتی شریف ، تهران ، ایران.