ارزیابی وفاداری مشتریان، موضوعی است که در چند سال اخیر با توجه به امکانات نوین جمع آوری و تحلیل داده ها مورد توجه بسیاری قرار گرفته است. این ارزیابی ها می توانند در جهت بهبود فرآیندهای کسب وکار تأثیرات بسیار مهمی را داشته باشند. در این جهت روش های داده کاوی توانایی قابل توجهی دارند. از طرفی، روش های معمول ارزیابی وفاداری مشتریان، صرفا با تکیه بر سه مولفه تازگی مبادله (r)، تعداد دفعات مبادله (f) و ارزش پولی مبادله (m) طراحی شده اند. در این تحقیق سعی شده است چند عامل موثر دیگر شامل تعداد کل کالاهای خریداری شده، تعداد کل کالاهای برگشتی، مبلغ کل تخفیف و میانگین تأخیر توزیع به تحلیل اضافه شوند و تأثیر هرکدام بر بالا رفتن کیفیت ارزیابی سنجیده شود. نظر خبرگان حوزه فروشگاه های مواد غذایی و مستندات موجود در این حوزه، به عنوان معیار ارزیابی کیفیت مورد استفاده قرار گرفته است. تحلیل داده ها با نرم افزارهای داده کاوی ibm spss statistics 21 و ibm spss modeler 14.2 و با استفاده از ابزارهای یادگیری ماشین شامل شبکه های عصبی و ماشین بردار پشتیبان و الگوریتم خوشه بندی k-means انجام شده است. نتایج نشان می دهند روشی که در آن چهار عامل مذکور به طور هم زمان به rfm اضافه شده اند؛ بالاترین میزان دقت را در ارزیابی وفاداری مشتریان داشته است و از بین روش های الگوریتمی، روش mlp-boosting دارای بالاترین سطح دقت می باشد. هم چنین، نتایج حاصل از استخراج قوانین حاکی از آن است که فروشنده، نوع پرداخت و نوع فروش عامل تأثیرگذاری در وفاداری مشتری محسوب می شوند. در نهایت، مشتریان براساس روش پیشنهادی از نظر وفاداری به پنج خوشه تقسیم شده اند که ویژگی های هر خوشه براساس وضعیت این هفت عامل، بیان شده و طبق این ویژگی ها راهبردهایی مناسب برای مدیریت مشتریان هر بخش ذکر شده است.