در راهبرد های اخیر بازاریابی، مشتریان از منابع مهم سازمان قلمداد می شوند. بر اساس این، کسبدانش درباره مشتریان و درک نیازهای آنها برای حفظ مشتریان در تجارت الکترونیک بسیار ضروری است. پیش بینی رفتار خرید مشتریانِ برخط دشوار است؛ زیرا به ندرت بازدید آنها از فروشگاه ها به خرید واقعی ختم می شود و این موضوع برای بازاریابان و پژوهشگران نوعی چالش شده است؛ از این رو، برای داشتن کسب وکارِ برخط موفق باید رفتار مشتریان را تحلیل کرد. بنابراین، این پژوهش با دو هدفِ الف) طرح چارچوبی برای افزایش دقت تحلیل و شناخت گروه های مشتریان و ب) ارائه مدل و قوانینی برای پیش بینی رفتار آ نها، رفتار مشتریان را تحلیل می کند. در این پژوهش از روش کریسپ و الگوریتم کا-میانگین برای خوشه بندی مشتریاناستفاده شده است؛ سپس با اختصاص سه نوع برچسب خرید، خریدنکردن و انتظار خرید به مشتریان و با استفاده از درخت تصمیم C5 مشتریان دسته بندی شدند. درنهایت، مدلی با دقت 63.6% و مجموعه ای از 261 قانون مناسب با اطمینان 70% برای کسب وکار به دست آمد.
