دو چالش عمده ی بنگاه ها «حفظ و نگهداری مشتریان فعلی» و «جذب مشتریان جدید» برای مواجهه با شرایط عدم اطمینان و کسب سهم بیشتر بازار به عنوان یک شاخص مهم مزیت رقابتی است. بخش بندی بازار به منظور شناخت هر چه بیشتر نیازها و خواسته های مشتریان از دیرباز یک گام اساسی برای ارایه خدمات بهتر به مشتریان فعلی بوده است. در روش سنتی (یا روش مقدم)، بخش های بازار بر مبنای معیارهایی به صورت ذهنی گمانه زنی می شوند. در نتیجه نمی توان از بینش های به دست آمده برای مواجهه با چالش جذب مشتریان جدید استفاده کرد. اما با توجه به پیشرفت فناوری های تجارت الکترونیکی و ذخیره داده های تراکنشی مشتریان در پایگاه های داده، نه تنها امکان بخش بندی مشتریان فعلی بر پایه داده های رفتاری آن ها میسر گشت (که از آن به بخش بندی نوین یاد می شود)، بلکه امکان شناسایی بخش مشتریان با ارزش بالا نیز فراهم شد. به علاوه امکان دستیابی به مدل طبقه بندی مشتریان به منظور کسب بینش نسبت به مشتریان جدید نیز فراهم می گردد. اما یک چارچوب یکپارچه و کاربردی برای بخش بندی بازار وجود ندارد که متناسب با شرایط بازارهای الکترونیکی باشد و صرفا خود را محدود به استفاده از روش های مرسوم ننماید و واجد جنبه های مبتکرانه ای برای افزایش اثربخشی و کارایی استراتژی های بازاریابی باشد. انبوهی از دیدگاه ها، رویکردها و روش های متعدد در این حوزه وجود دارد که هر یک تنها بخشی از فرآیند بخش بندی و طبقه بندی را مورد تاکید قرار می دهند. در حالی که بررسی و مقایسه روش های بخش بندی و طبقه بندی معرفی شده در علوم مختلف امکان بررسی نقاط قوت و ضعف هر یک را فراهم می سازد. از این رو در این پژوهش تجمیع روش های آماری و یادگیری ماشینی کی -مینز، بخش بندی دو مرحله ای و نقشه های خودسازمان ده با روش ابداعی بخش بندی تحلیل پوششی داده ها برای بخش بندی بازار مقایسه شده و ضمن معرفی روش های بررسی کیفیت بخش بندی، از معیار سیلوئت برای بررسی اعتبار نتایج بخش بندی استفاده شده است. همچنین روش های آماری و یادگیری ماشینیِ تحلیل ممیزی، رگرسیون لجستیک، شبکه های عصبی و ماشین بردار پشتیبان با روش طبقه بندی برنامه ریزی خطی چند گروهی و روش ابداعی طبقه بندی برنامه ریزی خطی چند گروهی فازی بر مبنای درصد طبقه بندی صحیح مقایسه شده اند. به علاوه برای مواجهه با کمبود داده ها، که به ویژه در شرکت های الکترونیکی تازه تاسیس مساله رایجی است، و انتخاب ویژگی های مورد نیاز پروفایل مشتریان، از روش دلفی فازی استفاده شده است. نتایج به دست آمده نشان می دهد که از منظر بازاریابی، روش بخش بندی تحلیل پوششی داده ها بینش های به مراتب ارزنده تری نسبت به سایر روش های بخش بندی مبتنی بر فاصله به دست می دهد. همچنین علیرغم کم توجهی به روش برنامه ریزی خطی، نتایج به مراتب دقیق تری، به ویژه از روش ابداعی برنامه ریزی خطی فازی، نسبت به سایر روش های طبقه بندی کننده حاصل می گردد، ضمن آن که نیاز به هیچ پیش شرطی ندارد و به دلیل ماهیت خطی در بهینه های محلی گرفتار نمی شود. به علاوه با استفاده از روش های گفته شده، بخش های بازار شرکت مورد مطالعه ی پژوهش تعیین و بخش مشتریان ارزشمند شرکت مشخص گردید. آنگاه پس از تکمیل کاستی داده های پروفایل مشتریان با استفاده از روش پیشنهادی، عوامل موثر بر تمایز مشتریان بخش های بازار شرکت تعیین شدند. نتایج حاصل می تواند برای تدوین و اجرای استراتژی های نگهداری مشتریان فعلی و جذب مشتریان جدید مورد استفاده قرار گیرند.