امروزه به دلیل گستردگی رقابت در دنیای تجارت الکترونیکی، روشهای مؤثر در جذب مشتریان از اهمیّت ویژهای برخوردار شدهاند. یکی از این روشها، بکارگیری سیستمهای پیشنهادگر در وبگاههای تجاری است تا بدینترتیب امکان استخراج علایق مشتریان و پیشنهاد مناسبترین محصولات به آنها میسّر گردد. در این مقاله، مدل جدیدی برای سیستمهای پیشنهادگر ارایه شده است که به کمک آن میتوان بخشبندی بازار و مشتری را به شیوه کارآمدتری انجام داده و در نتیجه پیشنهادات بهتری به مشتری ارایه داد. بدینمنظور از روشهای دادهکاوی همچون خوشهبندی و قواعد انجمنی استفاده شده است، بهطوریکه در فاز اول خوشهبندی مشتریان بر اساس مشخصههای جمعیّتشناختی سن، جنسیّت، شغل و تحصیلات انجام شده است که در آن تعداد خوشهها با استفاده از الگوریتم نقشه خودسازمانده (SOM) مشخص شده و سپس خوشهها با الگوریتم K میانگین (K-Means) ایجاد گردیدهاند. در فاز دوم با استفاده از قواعد انجمنی در هر خوشه، نقشهای معتبر انتخاب شده و بر اساس آن به مشتریان آن خوشه، پیشنهادات مناسب گوناگونی ارائه شده است. برای بررسی کارایی مدل پیشنهادی، از آن در تحلیل دادههای یک وبگاه تجاری ایرانی برای پیشنهاددهی به مشتریان استفاده گردیده است که نتایج مناسبی از خوشهبندی و ارایه پیشنهادات حاصل شد.
