Audit kepuasan pelanggan internal merupakan fungsi penilaian independen yang penting bagi perusahaan ritel untuk menjaga konsistensi kualitas layanan di seluruh jaringan toko. PT XYZ memiliki 210 toko di Indonesia dan secara rutin melaksanakan audit berbasis web. Namun, Supervisor Toko masih mengalami kesulitan dalam menentukan prioritas pelatihan dan evaluasi karena belum mengetahui parameter checklist mana yang paling berpengaruh terhadap penurunan final score toko. Penelitian ini bertujuan membangun model klasterisasi toko berdasarkan karakteristik parameter checklist bernilai rendah dengan algoritma BIRCH. Dataset penelitian berjumlah 109.566 data audit tahun 2025 yang berasal dari sistem internal perusahaan. Metode penelitian mengikuti kerangka CRISP-DM yang meliputi Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Tahap preprocessing mencakup data cleaning, data selection, data transformation, serta normalisasi Z-Score agar data siap diproses. Proses modeling menggunakan CF-Tree dengan parameter Branching Factor B dan Threshold T yang dimodifikasi secara dinamis untuk meningkatkan kualitas cluster. Evaluasi cluster dilakukan menggunakan Silhouette Coefficient. Hasil penelitian menunjukkan terbentuk 2 cluster optimal dari CF4 dan CF5 dengan nilai SC Cluster 1 sebesar 0,9994, SC Cluster 2 sebesar 0,9988, dan SC Global sebesar 0,9989. Hasil ini menunjukkan struktur cluster yang sangat kuat dan valid. Sistem berbasis Python juga berhasil menampilkan visualisasi scatter plot sebagai dasar pengambilan keputusan evaluasi kinerja karyawan.