Klasifikasi churn dilatarbelakangi adanya ancaman bagi perusahaan e-Commerce, yaitu kehilangan pelanggan yang berhenti berlangganan atau churn. Upaya yang dilakukan oleh spesialis pemasaran untuk mempertahankan pangsa pasar telah beralih dari fokus untuk mendapatkan pelanggan baru menjadi mempertahankan yang sudah ada untuk mengurangi Customer Churn. Pada penelitian ini penulis didasarkan pada peningkatan churn rate yang terjadi di PT XYZ.
Salah satu cara untuk menemukan pola churn adalah dengan menggunakan teknik data mining. Oleh karena itu, penelitian ini mengusulkan model CRM-Data Mining yang untuk memprediksi perilaku pelanggan serta hasil dari pengolahan dijadikan usulan perbaikan dan strategi perusahaan dalam mempertahankan pelanggannya dengan menggunakan segmentasi dan klasifikasi. Terdapat beberapa variable yang digunakan diantaranya Session, Interaction with Application, Actions made in Interaction, Purchasing, Claim and Discount. Selain itu Penelitian ini menggunakan teknik clustering berdasarkan model Recency, Frequency dan Monetary (RFM) yang masing-masing merupakan periode sejak kunjungan terakhir, jumlah kunjungan, dan Total Amount yang dikeluarkan pelanggan.
Berdasarkan perbandingan dua algoritma classification, yaitu decision tree dan Support Vector Machine, algoritma decision tree merupakan algoritma classification yang paling akurat. Tingkat akurasi model classification decision tree yang terbaik adalah sebesar 87% dalam mengklasifikasikan pelanggan.