بخش بندی یکی از مهم ترین مقوله ها در رسیدن به بازاریابی مدرن و مدیریت ارتباط با مشتری موفق، به خصوص در بانکها و موسسات مالی است. از طرفی یکی از مشکلات تجزیه و تحلیل اطلاعات مشتریان بانکها، چند بعدی بودن اطلاعات آنان میباشد. هدف این تحقیق ارائه یک متدولوژی تلفیقی از الگوهای جمعیت شناختی و تراکنشی ((rfm جهت بخش بندی مشتریان بانک مورد مطالعه است. این متد بر روی رکورد های 5010 نفر از مشتریان بانک مورد مطالعه در بازه زمانی سال1389 تا 1390 به همراه چهار ویژگی جمعیت شناختی (سن، جنسیت، تحصیلات، شغل) اجرا شد. در این روش ابتدا متغیرهای تازگی(r)، تکرار(f) و ارزش پولی(m) تراکنش ها برای هر مشتری محاسبه ، سپس با استفاده از الگوریتم های خوشه بندی k means و two step مشتریان بر اساس رتبه rfm به چهار گروه اصلی تقسیم شده اند. مشتریان پلاتینیوم با بالاترین رتبه rfm ، 6% از مشتریان بانک را تشکیل می دهند و در رتبه های بعدی مشتریان طلایی با 11% ، آهنی با 23% و سربی با 60% قرار دارند. در نهایت به کمک مفاهیم هرم ارزش مشتری و درخت تصمیم گیری هر گروه تحلیل و پیشنهاداتی متناسب با رتبه rfm و مشخصات جمعیت شناختی هر گروه جهت بهبود روابط با مشتریان تبیین شده است. نتایج روش پیشنهادی با توجه به سهولت استفاده و چند بعدی بودن اطلاعات، می تواند به بانکها و موسسات مالی کمک نماید تا مشتریان خود را به صورت هدفمند دسته بندی نمایند.