k-means客户细分失败主因是数据预处理缺失：必须标准化（standardscaler）、处理缺失值、剔除/缩尾异常值，否则量纲差异会主导聚类结果，导致业务不可解释。
K-means 能做客户细分，但直接套用原始数据大概率失败——核心问题不在算法本身，而在数据预处理和特征工程。
为什么客户数据不能直接喂给 KMeans？
客户行为数据（如消费金额、频次、最近购买天数）量纲差异极大：order_count 可能是 2～50，total_spent 却是 80～120000，days_since_last 又是 0～365。K-means 基于欧氏距离，未标准化时，数值大的字段会完全主导聚类结果。
- 不做标准化 →
total_spent的波动掩盖order_count的分布结构 - 含缺失值 →
KMeans默认报错ValueError: Input contains NaN - 含异常值（比如一个客户消费 200 万）→ 拉偏质心，导致簇内离散度失真
必须做的三步预处理
跳过这三步，后续所有调参和可视化都是在拟合噪声。
- 用
StandardScaler标准化：不是归一化（MinMaxScaler），因客户指标多服从近似正态或长尾分布，标准化更鲁棒 - 对
days_since_last这类右偏变量，先取对数再标准化（np.log1p(df['days_since_last'])） - 剔除或 winsorize 极端异常值：例如将
total_spent超过 99.5% 分位数的样本设为该分位数值，而非直接删除——高价值客户需保留，但要抑制其杠杆效应
KMeans 的 n_clusters 怎么定？别信“肘部法则”截图
肘部图在客户数据上常呈现平缓下降，拐点模糊；轮廓系数又对簇大小敏感。更务实的做法是结合业务目标反推：
- 若用于营销分层（如“高潜/沉睡/流失”），优先试
n_clusters=3或4，再看各簇的RFM特征是否可解释 - 用
silhouette_score辅助判断时，只比较n=3到n=7，超过 7 簇后业务难以运营 - 必须检查每个簇的样本量：若某簇仅占 0.3%，即使轮廓系数高，也无实操意义——把它合并到最近邻簇
聚类后怎么让业务方信服？关键在特征投影与命名
输出一堆数字标签（cluster_0, cluster_1）毫无价值。必须回溯每个簇在原始业务维度上的典型值：
- 计算每簇的
mean()和median()：重点关注recency（越小越活跃）、frequency（越高越忠诚）、monetary（越高越优质） - 用
pd.cut将连续指标转为业务标签（如recency：0–7 天=“昨日活跃”，8–30 天=“近期活跃”，>30 天=“已沉睡”） - 给簇命名要直白：比如“高价低频休眠客”比“Cluster 2”更能触发运营动作
真正卡住落地的，从来不是调 KMeans 的 max_iter 或 init 参数，而是没把 recency 和 monetary 的业务含义对齐到同一量纲尺度，以及没敢删掉那个消费 200 万却三年没复购的“幽灵客户”。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
