این تحقیق بررسی و خوشه بندی مشتریان، بر اساس مدل RFM و طراحی الگویی برای ارائه خدمات به مشتریان کلیدی می پردازد. جامعه آماری. گروه اول، جهت تعیین وزن شاخص های R, F, M، 18 نفر از خبرگان بانک ملت استان مازندران هستند وگروه دوم جهت خوشه بندی مشتریان بر اساس مدل RFM و با استفاده از داده های اسنادی بانک مشتریان، اصناف و فروشگاههایی که دارای POS)) بانکی می باشند. روش تجزیه و تحلیل داده ها تکنیک تحلیل سلسله مراتبی فازی، تکنیک آنتروپی، روش کا-میانگین و روش DBSCAN می باشد. طبق نتایج، وزن هر کدام از شاخص های آر. اف ام. با استفاده از فرایند تحلیل سلسله مراتبی و آنتروپی بدست آمد و در نهایت وزن شاخص ها بصورت ترکیبی برآورد گردید. وزن شاخص ها به ترتیب Mبرابر 5998/0، F برابر 2672/0 و R برابر 1330/0. هم چنین در ادامه تجزیه و تحلیل داده ها، خوشه بندی مشتریان با دو روش K-Means و DBSCAN انجام شد. نتایج نشان داد روش K-means روش بهتری برای خوشه بندی مشتریان و ارائه خدمات می باشد. بعد از خوشه بندی و تشکیل هرم مشتریان با روش K-means، مشتریان بانک بر اساس اطلاعیه های ابلاغی در گروه های (مهان، شایان، پویان، تابان، رویان و بحران) دسته بندی شدند که شعب بانک ملت با استفاده از این اطلاعات می توانند، خدمات و تسهیلات مخصوص برای هر خوشه یا گروه از مشتریان در نظر بگیرند.