由于您有标签数据（即销售额），您可以应用监督机器学习。

拟合模型后，可以找到有助于预测目标的特征。

决策树将是一个相对简单的选择，因为它可以轻松处理不同类型的特征并且可以产生决策路径。

我的看法略有不同，并将此问题视为与推荐系统相关的问题。

就像一个人如何根据各种方法（包括监督和非监督方法）为用户推荐电影一样，你也会向用户推荐产品。

因此，虽然您可以开始使用无监督（集群以分割您的用户，特别是如果数据集很大）和监督模型（如 DT）以更好地窥视模型，但最终您应该转向推荐器使用的算法和方法集系统。

这两种算法都有用。聚类分析有利于向群体进行营销，而决策树可以为您提供特定的规则，以确定最好的子细分市场（以及最差的细分市场）。但是，没有机器学习算法会给你一个准确的答案。可以同时使用聚类和决策树。你可以比较他们的输出，看看两者之间是否有共识。如果他们得出相反的结论，总体而言，您需要回到绘图板上并尝试调和差异。