با توجه به حجم عظیمی از اطلاعات در اینترنت نیاز به سیستمی داریم که مناسب‌ترین خدمات و محصولات را به کاربران توصیه کند. در عصر حاضر وبگاه‌های تجاری و غیرتجاری زیاد با حجم وسیعی از اطلاعات وجود دارند. با توجه به این حجم از اطلاعات در اینترنت نیاز به سیستمی داریم که مناسب‌ترین اقلام را به کاربران توصیه نماید. با رشد سریع سکوهای رسانه اجتماعی، تعداد وب‌سایت‌های تجارت گروهی و محبوبیت دستگاه‌های تلفن همراه پیچیده، فرصت تجاری بزرگی را برای تبلیغ فروشگاه‌های محلی فراهم کرده است. در این روش پیشنهادی درخت تصمیمی ارائه شده است که نوع بهبود یافته درخت تصمیم ID3 می باشد و این بهبود ها ناشی از کاهش ارتفاع درخت و در نتیجه کاهش سربار پردازشی و زمان پردازشی می شود و از طرفی با استفاده از روش پیشنهادی دقت نیز بسیار افزایش یافته است. در این پژوهش برای کاهش ویزگی های مورد بررسی از روش شبکه عصبی و الگوریتم ژنتیک نیز استفاده شده است. برای بررسی روش پیشنهادی از داده های شرکت بازارگستر پگاه استفاده شده است. البته روش پیشنهادی می تواند روی سازمان های دیگر نیز مورد استفاده قرار گیرد. با توجه به پیاده سازی و ارزیابی روش انجام شده که با استفاده از زبان سی شارپ و با کمک کتابخانه های نرم افزار وکا انجام شده است، به این نتیجه رسیدیم که روش پیشنهادی دارای عملکرد بسیار بالایی می باشد و تصمیمات موثری را با توجه به حوزه اطلاعات ورودی می تواند انجام دهد. در این روند درخت تصمیم گیری خود را با درخت های تصمیم گیری های شناخته شده دیگر مورد بررسی قرار دادیم و نشان دادیم که روش پیشنهادی از روش های دیگر دارای عملکرد بهتر با دقت 99.940% و خطای کمتری می باشد.