ارزیابی وفاداری مشتریان می تواند درراستای بهبود فرایندهای کسب وکار تأثیر مهمی داشته باشد. روش های معمول ارزیابی وفاداری مشتریان، صرفاً با تکیه بر سه مؤلفه تازگی (R)، تعداد دفعات (F) و ارزش پولی (M) طراحی شده اند. در این پژوهش چند عامل مؤثر دیگر شامل تعداد کالاهای خریداری شده، تعداد کالاهای برگشتی، مبلغ تخفیف و تأخیر در توزیع به تحلیل اضافه شدند و تأثیر هر یک بر بالارفتن کیفیت ارزیابی سنجیده شد. هدف پژوهش ارائه مدلی جدید برای بخش بندی مشتریان براساس میزان وفاداری آنها و تعیین راهبردهایی مناسب برای هر بخش است. مجموعه داده این پژوهش به یکی از عمده فروشی های مواد غذایی اختصاص دارد. داده ها در نرم افزار Clementine و با استفاده از شبکه های عصبی MLP، RBF و الگوریتم K-means تحلیل شدند. نتایج پژوهش نشان می دهد روش پیشنهادی بالاترین سطح دقت را در پیش بینی میزان وفاداری مشتریان دارد. براساس روش پیشنهادی، مشتریان از نظر وفاداری به پنج خوشه (مشتریان وفادار؛ بالقوه؛ جدید؛ از دست رفته و مشتریان روی گردان) تقسیم شدند که ویژگی های هر خوشه براساس وضعیت هفت عامل بیان شد و براساس این ویژگی ها راهبردهای مناسبی برای مدیریت مشتریان هر بخش ارائه شد.