با توجه به اشباع شدن بازارها و افزایش رقابت کسب و کارها، امروزه هزینه ی جذب یک مشتری جدید به مراتب بیشتر از حفظ یک مشتری موجود است. بنابراین اهمیت مدیریت ریزش مشتری روز به روز برای کسب و کارها بیش تر می گردد. از طرفی با ظهور تکنولوژی داده کاوی و پیشرفت سریع آن، و همچنین با افزایش اطلاعات ذخیره شده در سازمان ها در ارتباط با مشتریان، کسب و کارها متمایل به استفاده از این تکنولوژی برای استخراج دانش مفید از داده های انبوه شده اند. با اعمال فرآیند داده کاوی در مقام یکی از فناوری های مدیریت دانش، می توان طی کاوش در پایگاه های داده ی حجیمی از تعاملات ثبت شده ی سازمان با مشتریان، به استخراج الگوهایی برای پیش بینی رفتار ریزش مشتری نائل آمد و مدیران را در اخذ تصمیمات لازم برای حفظ این مشتریان و کاهش روند ریزش آنان یاری داد. در این پایان نامه با استفاده از تکنیک های ترکیب داده و استخراج ویژگی یک روش ترکیبی برای پیش بینی دقیق تر ریزش مشتری ارائه شده است. در این روش پس از آماده سازی داده ها و انتخاب مشخصه های مهم، دو الگوریتم lolimotو c5.0 تقویت شده با مجموعه ی مشخصه ها با سایزهای مختلف، آموزش داده شده و سپس بر روی مجموعه ی تست اجرا شده اند و خروجی نهایی از ترکیب خروجی این رده بندها با رأی گیری موزون به دست آمده است. نتایج به دست آمده از بکارگیری این روش روی داده های واقعی یک شرکت مخابراتی،کارایی روش پیشنهاد شده را اثبات می کند.