امروزه مشتریان به عامل بسیار مهم و حیاتی در هدایت سرمایه گذاران، تولیدکنندگان و حتی محققان و نوآوران مبدل گشته اند. به همین دلیل سازمان ها نیاز دارند مشتریان خود را بشناسند و برای آنان برنامه ریزی کنند. تاکنون برای شناسایی مشتریان و به خصوص شناسایی رفتار آنها روش هایی استفاده شده که از جمله می توان روش های آماری را معرفی کرد که البته محدودیت ها و مشکلاتی دارد. در این پژوهش با استفاده از روش های داده کاوی، چهارچوبی را برای شناسایی مشتریان (با تمرکز بر مشتریان بیمه بدنه اتومبیل) ارائه می کنیم. به منظور کاهش خطاها و محدودیت ها از دو روش درخت تصمیم و خوشه بندی، به صورت مکمل استفاده کرده ایم. ابتدا با استفاده از تکنیک خوشه بندی، مشتریان را براساس ویژگی هایشان خوشه بندی کرده و سطح خسارت هرکدام از این خوشه ها را محاسبه کردیم. سسپس مشتریان آتی را براساس ویژگی هایشان و تکنیک درخت تصمیم در یکی از این خوشه ها دسته بندی نمودیم. دسته ای که مشتری در آن قرار گرفته معرف سطح خطرپذیری اوست. با استفاده از این معیار و نوع بیمه نامه مشتری می توان میزان خسارت او را پیش بینی کرد. البته برای تعیین صحت نتایج، مدل ها را ارزیابی کرده و با یکدیگر مقایسه کردیم. شایان ذکر است تکنیک درخت تصمیم برای این منظور نتایج بهتری را حاصل نمود ولی تکنیک خوشه بندی نیز تفکیک خوبی میان مشتریان ایجاد می کند.
