Segmentasi pelanggan merupakan taktik penting untuk memahami karakteristik konsumen dan memfasilitasi pengambilan keputusan pemasaran yang lebih baik. Tujuan penelitian ini adalah menggunakan algoritma K-Means Clustering dan teknik Recency, Frequency, Monetary (RFM) untuk menyegmentasikan pelanggan berdasarkan perilaku transaksinya. Langkah-langkah metodologi penelitian CRISP-DM meliputi Pemahaman Bisnis, Pemahaman Data, Persiapan Data, Pemodelan, Evaluasi, dan Penerapan. Dataset E-Commerce Publik Brasil oleh Olist, yang diperoleh dari Kaggle, adalah dataset yang digunakan. Penggabungan data, pembersihan data, pengembangan variabel RFM, normalisasi data, dan pengelompokan K-Means merupakan langkah-langkah dalam proses analitis. Dengan menggunakan Metode Elbow, jumlah klaster yang ideal ditemukan sebanyak empat. Berdasarkan temuan studi ini, konsumen dapat dibagi menjadi empat kategori: Hibernating, At-Risk Customers, Loyal Customers, dan Best Customers. Hasil 0,4886, yang menunjukkan kualitas kluster yang cukup memadai, diperoleh dari evaluasi model menggunakan Skor Silhouette. Temuan segmentasi ini dapat digunakan sebagai titik awal untuk menyusun rencana pemasaran yang lebih spesifik berdasarkan karakteristik masing-masing klien.