در بیشتر شرکت های تولیدی و یا شرکت های پخش، مسئله ترفیعات فروش از جمله مباحث مهم در بازاریابی و فروش است. در این میان مهمترین دغدغه بازاریاب ها این است که مناسب ترین سیاست ها را برای پیشبرد فروش شرکت ها انتخاب کنند. از جمله استراتژی های پیشبرد، سیاست تخفیف دهی به مشتریان است. استفاده از یک سیاست تخفیف دهی یکسان برای همه مشتریان و برای همه کالاها میزان موفقیت تخفیف را کاهش می دهد، سیاست گذاری برای تخفیف دهی نیازمند استفاده از مدلی است که قادر باشد مناسب ترین نوع تخفیف را به انواع مشتریان در خریدهای متفاوت آنها پیشنهاد دهد. لذا رویکرد داده کاوی می تواند به عنوان ابزاری برای ایجاد یک مدل هوشمند سیاست گذاری تخفیف استفاده شود. این پژوهش از جهت هدف، کاربردی و به لحاظ روش، توصیفی است. در این پژوهش از تکنیک های داده کاوی برای تدوین مدل سیاست های تخفیف دهی مناسب به مشتریان گروه های مختلف پرداخته شد. موردکاوی این پژوهش مشتریان شرکت کدبانو می باشد که برای خوشه بندی آنها از معیار rfm بهره گرفته شد و یک رویکرد دو مرحله ای اتخاذ گردید. ابتدا الگوریتم k-means، تعداد بهینه خوشه را مشخص و اقدام به بخش بندی مشتریان نمود و سپس با استفاده از الگوریتم apriori قواعد انجمنی به استخراج قواعد موجود در هر خوشه پرداخته شد. در نهایت استراتژی های مناسب تخفیف برای هر گروه در نظر گرفته شد. نتایج این پژوهش نشان می دهد بهترین تعداد خوشه برای بخش بندی مشتریان شرکت کدبانو هشت عدد می باشد. همچنین تأثیر شاخص تأخر خرید در تدوین استراتژی تخفیف مشتریان ضعیف و ناچیز است. بنابراین مشتریان به چهار گروه مشتریان برتر، مشتریان تکرار شونده، مشتریان خرج کننده و نامطمئن تقسیم شدند که مشتریان شرکت کدبانو در دو گروه مشتریان برتر و نامطمئن قرار گرفتند. استراتژی های تخفیف دهی برای هر گروه بر اساس تجزیه و تحلیل نتایج به دست آمده از قواعد انجمنی و مصاحبه با خبرگان این شرکت استخراج شده و در نهایت برای خریدهای مختلف هر گروه سیاست تخفیف دهی خاصی تدوین گردیده است.