امروزه شناسایی، تعیین ارزش وبخش بندی مشتریان برای بانک‌ها یک امر حیاتی است اما روش‌های ایستای بخش بندی مشتریان که برمبنای ثبات مشتریان درهریک از بخش‌های تعیین شده می‌باشد از کارایی لازم برخوردار نبوده و شناخت الگوهای جابجایی وپویایی مشتریان در این بخش‌ها ازاهمیت ویژه ای برخوردارمی باشد. این پژوهش اقدام به بخش بندی ورتبه بندی پویای مشتریان بانک رفاه کارگران و شناسایی تحرک رفتاری آنان بین بخش های مختلف دربازه زمانی مشخص با بهره گیری از تکنیک‌های داده‌کاوه نموده است. از آنجا که داده‌کاوی درصدد توصیف حجم انبوه داده ها برای کشف الگوها و قواعد معنادار است لذا در این تحقیق از روش‌های معمول نمونه گیری جهت تعیین حجم نمونه استفاده نشده و تعداد ۱۱۲۳۷۳۵مشتری حقیقی ارزشمند بانک که دارای حساب قرض الحسنه بودند عینا بعنوان جامعه آماری و تمامی تراکنش‌های مالی ایشان در بازه زمانی ۶ماهه از اول مهر ۱۳۹۸ تا ۲۹اسفند ۱۳۹۸ بعنوان نمونه انتخاب گردید سپس عملیات پیش پردازش و مدلسازی داده ها در شش بازه زمانی و به صورت ماهانه باهدف بخش بندی ورتبه بندی پویای مشتریان به وسیله الگوریتم های کای میانگین K MEAN و شبکه های عصبی خودسازمانده SOM انجام گردید. براساس نتایج حاصل از این پژوهش مشتریان به سه بخش اصلی تقسیم وپویایی ایشان مورد بررسی قرارگرفته و راهکارهایی جهت بهبود و اثربخشی بیشتر فعالیت‌های بازاریابی ارایه شده است.
