در دنیای امروز که به تدریج از کالاگرایی به سمت مشتری گرایی در حرکت است رفتار درست با مشتریان بهترین منبع رشد درآمد و سود آوری است.کسب دانش در خصوص رفتار مشتریان به بنگاه های اقتصادی کمک می کند استراتژی قبلی خود را ارزیابی و برای آینده خود استراتژی های کارا تری را ترسیم کنند.مدیریت ارتباط با مشتری به عنوان هسته اصلی رصد کردن رفتار مشتری بوده و با توجه به اطلاعات حاصله از آن می توان نحوه تعامل با مشتریان را بهتر درک کرد. بررسی مشتریان در طول زمان می تواند در تحلیل روند کنونی و هم چنین پیش بینی آینده اهمیت فزاینده ای داشته باشد.نکته قابل توجه در این میان تحلیل صحیح و دقیق بر روی داده حاصله از واحد های مدیریت ارتباط با مشتریان در بنگاه های اقتصادی می-باشد.تغییر کاویبه عنوان رویه ای خاص در داده کاوی یکی از ابزار های مفید و کارا در این حوزه بوده که دانش تحلیل شده توسط آن بسیار ارزشمند و قابل اطمینان است. تغییر کاوی،زیر مجموعه ای از داده کاوی سطح بالااست که به دنبال روشهایی برای کشف دانش از طریق پردازش الگو ها (به جای داده ها) می باشد.در این تحقیق، با استفاده از مدل rfm و خوشه بندی به روشk-means، مشتریان را بر اساس ارزش آنان دسته بندی می کنیم. سپس به بررسی تغییرات حاصله در دوره های زمانی مشخص می پردازیم. در حقیقت در مدل ارائه شده سعی شده فاکتور زمان را در تحلیل های مدل rfm دخیل کرده تا بتوانیم رفتار گذشته مشتری در طول زمان را در دسته بندی مشتریان وارد کرده و دسته بندی دقیق تر و در عین حال بروز تری تولید کنیم. برای این منظور از نیم میلیون تراکنش مشتریان دستگاههای پایانه فروشگاهی استفاده می نماییم.