شناسایی ارزش مشتریان، از مولفه های اصلی موفقیت در فروشگاه های مختلف می باشد که امروزه مورد توجه بیش از پیش قرار گرفته است. فروشگاه های زنجیره ای ، با گروه های مختلفی از مشتریان در ارتباط هستند و با توجه به منابع محدود، آنها باید مشتریان را بر اساس ارزششان رتبه بندی کنند تا بخش مناسبی از منابع بازاریابی را به مشتریان با ارزش تر اختصاص دهند و سود بیشتری کسب نمایند. از این رو از تکنیک های داده کاوی برای بخش بندی مشتریان استفاده می نماییم، تحقیقات زیادی در این زمینه ی انجام شده است. بسیاری از این تحقیقات از مدل rfm برای بخش بندی مشتریان استفاده کرده اند. این مدل شامل سه شاخص تاخر، تکرر و ارزش پولی برای تحلیل رفتار خرید مشتریان است و می تواند نمایانگر ارزش رفتاری مشتری باشد. در این پژوهش متدولوژی جامعی شامل سه مدل بخش بندی بر مبنای توسعه مدل rfm و som و k میانگین ارائه شده و همچنین برای شناسایی مشتری، داده های تراکنشی و جمعیت شناختی مورد بررسی قرار گرفته است. مدل های پیشنهادی در فروشگاه های زنجیره ای مرکز اپل ایران پیاده سازی شدند و تعداد 347 مشتری مورد بررسی قرار گرفتند. برای داده های معاملاتی، تراکنش های ثبت شده در مرکز اطلاعات فروشگاه مورد استفاده قرار گرفت و داده های جمعیت شناختی نیز به صورت تلفنی از تک تک مشتریان پرسیده شد. این مشتریان با هر سه مدل مختلف بخش بندی شدند و در نهایت این مدل ها با شاخص دیویس بولدین و مجموع مربعات خطا مورد ارزیابی و مقایسه قرار گرفتند. بر اساس شاخص دیویس بولدین مدل اول کارایی بهتری را در این مطالعه موردی از خو نشان داده است، اما بر اساس معیار مجموع مربعات خطا مدل دوم کارایی بهتری دارد و این تفاوت به دلیل ماهیت این دو معیار است.