“二阶聚类”是一个探索工具，用于揭示数据集中原本不明显的自然分组（即聚类）。 此过程使用的算法有多个不错的特征使其有别于传统聚类方法。

• 分类变量和连续变量的处理。 通过假设变量是独立的，可以假设分类变量和连续变量服从联合多项正态分布。
• 自动选择聚类的数量。 通过跨不同的聚类解比较模型选择准则的值，此过程可以自动确定最优的聚类数。
• 可伸缩性。 通过构造对记录进行摘要的聚类特征 (CF) 树，二阶算法能够分析大型数据文件。

例如，零售和消费者产品公司定期地对描述客户的购买习惯、性别、年龄、收入水平和其他属性的信息应用聚类技术。 这些公司针对每个消费者群体定制其市场营销和产品开发战略，以提高销售量并建立品牌忠诚度。