Вибрано основі показники взаємодії з вебдодатками: коефіцієнт відмов, тривалість сесії та коефіцієнт конверсії. Виконано нормалізацію вхідних даних. Для нормалізації та коректної роботи алгоритмів машинного навчання використано метод, що забезпечує масштабування значень у діапазоні від нуля до одиниці. Оптимальна чисельність кластерів отримана за методом «ліктя», який аналізує залежність між кількістю кластерів та внутрішньокластерною сумою квадратів відстаней. Застосовано метод k-середніх для аналізу поведінкових параметрів, що мінімізує суму квадратів відстаней між точками та центроїдами кластерів, використовуючи евклідову метрику. Візуалізацію результатів здійснено за допомогою тривимірного графіка. Представлено розподіл кластерів за аналізованими параметрами.