我有一个数据集，其中包含客户采取的行动（例如，查看产品、将产品添加到购物车、购买产品）、购买的产品（如果有）和所述行动的时间。我正在尝试使用 K-means 聚类来根据这些操作（减去购买）来识别更有可能购买产品的客户。

我目前正在使用以下方法进行聚类：查看的产品数量、放入购物车的产品数量、动作之间的平均时间、动作之间的时间方差、动作之间时间的标准偏差（所有这些值是标准化的），以及购买的产品（如果有的话）。我得到的集群包含~10%买家和90%非买家，但我试图区分买家和非买家。

关于我还能做什么的任何想法？还是我应该完全尝试另一种方法？

插图：x 轴是集群，y 轴是客户数量，红色是买家，蓝色是非买家

更新：我制作了一个 3D 图表，展示了集群、客户数量和操作之间的平均时间（由于原因而标准化）

另一个更新：客户（不按集群分组，只是按原样）根据他们查看的平均产品数量和操作之间的平均时间

我接受了一些建议并尝试使用 PCA（来自本教程），这些是我得到的结果：

原始数据（x=查看/购买的项目数，y=交互之间的平均时间）

关于如何聚集这个烂摊子的任何提示？