您的關聯式資料庫中儲存了客戶和受保寵物的個人檔案、保單詳細資訊、保費和理賠。一位行銷經理想要執行一項目標式社群媒體活動，以尋找具有相似個人檔案的新潛在客戶。哪種建模方法最適合用於識別不同的客戶區隔，以便在社群媒體上進行比對？

正確答案是將叢集應用於客戶個人檔案，以發現不同的客戶區隔，然後在社群媒體上尋找相似的個人檔案。這是因為行銷經理的目標是識別「不同的客戶區隔」，這是一個典型的無監督學習問題，其中資料沒有預先定義的標籤。聚類（分群）演算法（例如 K-means 或階層式聚類）非常適合根據客戶個人檔案中的相似性將客戶分組。一旦識別出這些區隔，就可以在社群媒體上尋找具有相似特徵的新潛在客戶。 回歸模型用於預測連續值，不適用於識別離散的客戶區隔。推薦系統主要用於根據使用者過去的行為或偏好來建議項目，而不是將客戶分組。決策樹分類器是一種監督學習方法，需要預先定義的類別標籤來訓練模型，這與本案例中尋找「不同」區隔的目標不符。