分群結果與 VIP 定義
Elbow Method（肘部法則）
Elbow Method 是一種用來找出 K-Means 最佳分群數的方法。透過比較不同群數下的群內誤差（Inertia），觀察誤差下降的變化情形，並找出下降幅度開始變小的轉折點（肘部），作為最適合的分群數量。
從圖中可以看到，當群數由 1 增加到 3 時，群內誤差明顯下降；但超過 3 群之後，誤差下降幅度變得較小，表示繼續增加群數對分群效果的提升有限。因此選擇 3 群作為最佳分群數，以進行後續的顧客分群分析。
| 群數 K | 1 | 2 | 3 | 4 | 5 |
|---|---|---|---|---|---|
| Inertia（×10⁴） | 18.7 | 10.8 | 6.1 | 4.4 | 3.5 |
| 比前一群減少 | — | 7.9 | 4.7 | 1.7 | 0.9 |
分群結果
分群只用 F 與 M，所以畫在這兩個指標上，三群可以完全分開：
| 客群 | 人數 | 實際範圍 |
|---|---|---|
| 忠誠客戶 | 2,801 | 購買 2～15 次（有回購） |
| VIP 客戶 | 3,048 | 只買 1 次，總消費 588～13,664 巴西幣 |
| 一般客戶 | 87,508 | 只買 1 次，總消費 588 巴西幣以下 |
一般客戶與 VIP 客戶的分界約為 588 巴西幣（圖中虛線），也就是 K-Means 一般客戶群中心（平均 130 巴西幣）與 VIP 群中心（套用回購規則前，平均 1,045 巴西幣）的正中間。這條線是 K-Means 依資料找出來的，不是事先設定。
PCA（主成分分析）特徵對比
透過 PCA 將 RFM 三個特徵降到二維後，可以觀察各客群的分布情形。結果顯示，大部分顧客集中於左側區域，表示其消費行為較為相似；而少數顧客分布於右側與上方區域，顯示其消費特徵與一般顧客存在較大差異。
三群沿著 PC1（主要反映 F、M）由左到右排開，與分群只使用 F、M 的設計一致；同一群在 PC2（R）方向上分布很廣，代表同一群裡同時有最近才買與很久沒買的顧客。
VIP 客戶定義
本研究的 VIP 客戶是指只買過 1 次、但累積消費金額高的顧客，不是買很多次的顧客。
| 項目 | 內容 |
|---|---|
| 定義 | 只買過 1 次、但累積消費金額高的顧客（不是買很多次的顧客） |
| 判定方式 | 只買 1 次的顧客中，消費金額在 K-Means 分界以上者；買 2 次以上一律為忠誠客戶 |
| 金額門檻 | 總消費約 588 巴西幣以上（587.73～13,664.08），由 K-Means 依資料找出 |
| 門檻由來 | K-Means 一般客戶群中心（平均 130.27 巴西幣）與 VIP 群中心（平均 1,045.14 巴西幣，套用回購規則前）的中點：(130.27 + 1,045.14) ÷ 2 ≈ 588。只買 1 次的顧客，總消費離哪個中心近就歸哪一群 |
| 購買次數 | 全部只買 1 次 |
| 人數 | 3,048 人（3.26%） |
| 平均消費 | 1,036.37 巴西幣，為全體平均 165.20 的 6.3 倍 |
VIP 客戶都是只買過一次、消費金額高的顧客：只買 1 次的顧客中，金額是區分 VIP 與一般客戶的唯一依據。
本分群與日常生活認知不同
| 項目 | 日常生活認知 | 本研究分群 |
|---|---|---|
| VIP 客戶 | 常來又花很多，最有價值 | 只買過 1 次、消費金額高；12 個月每人 CLV 2.26，低於忠誠客戶 8.96 |
| 忠誠客戶 | 長期、經常回購 | 買 2 次以上即屬之，平均 2.11 次；平均消費 308.59，低於 VIP |
| 一般客戶 | 人數不多的普通顧客 | 占 93.73%，人數最多 |
| 分群門檻 | 會員等級、事先訂定 | K-Means 依資料找出（約 588），換資料就會改變 |
| 最近是否購買 | 通常會考慮 | 分群不使用 Recency |
原因：Olist 有 97.0% 顧客只買一次，顧客差異主要在金額，K-Means 因此以金額分出 VIP。要找未來最有價值的顧客，應看 Future CLV（見分析結果），而非只看客群名稱。