امروزه بانک ها برای جذب و حفظ مؤثر مشتریان به ابزارهای جدیدی مانند سیستم های پیشنهاددهنده نیاز دارند. برخلاف عموم سیستم های پیشنهاددهنده که پیشنهاد بر اساس شباهت میان ترجیحات سایر کاربران به وی داده می شود؛ در این پژوهش از روش دسته بندی استفاده شده است که در آن پیشینه علایق خود مشتری، مهم ترین ویژگی برای تصمیم گیری درباره خدمات بانکی مناسب به اوست. در این پژوهش از چهار دسته بندی کننده پرسپترون چندلایه، ماشین بردار پشتیبانی،K - نزدیک ترین همسایه و بیز ساده استفاده شد. ابتدا پس از پیش پردازش مجموعه داده مربوط به سرویس های مورد استفاده مشتریان مختلف بانک با چهار روش مختلف دسته بندی آموزش داده شدند؛ سپس اعتبار آنها با روش اعتبارسنجی ضربدری ده تایی به تأیید رسید و بهترین روش انتخاب شد. در انتها پیشنهاددهنده نهایی که ترکیبی از چهار روش دسته بندی بیز ساده با عملکرد 4/85 درصد، K- نزدیک ترین همسایه با عملکرد 3/83 درصد، پرسپترون چندلایه 1 با عملکرد 4/81 درصد و پرسپترون چندلایه 2 با عملکرد 6/92 درصد، به ترتیب برای پیشنهاد چهار سرویس بانکی اینترنت، موبایل، انتقال وجه با اینترنت و پرداخت صورت حساب با تلفن است، ارائه شد.
