E-commerce telah berkembang pesat, mendorong perusahaan untuk memperkuat strategi bisnis. Segmentasi pelanggan dapat digunakan untuk memahami kebutuhan pelanggan dan membangun hubungan yang baik. Model Length, Recency, Frequency, Monetary, dan Diversity (LRFMD) merupakan salah satu model yang dapat memberikan pemahaman lebih mendalam tentang perilaku pelanggan. Penelitian ini bertujuan untuk menentukan jumlah cluster optimum dalam segmentasi pelanggan berdasarkan model LRFMD menggunakan metode K-Medoids, serta menganalisis karakteristik pelanggan setiap cluster yang terbentuk dari data Online Retail. Segmentasi pelanggan dengan model LRFMD menggunakan metode clustering akan mengidentifikasi dan membedakan karakteristik pelanggan untuk menemukan pelanggan potensial berdasarkan variabel kesamaan perilaku (LRFMD). K-Medoids digunakan untuk proses clustering kerena kemampuannya untuk mengoptimalkan pemilihan titik pusat dan mengatasi masalah sensitivitas terhadap outlier. Penentuan jumlah cluster optimum didasarkan pada silhouette coefficient tertinggi. Hasil evaluasi menunjukkan bahwa jumlah cluster optimum yang dihasilkan adalah 2. Berdasarkan hasil clustering, terdapat dua segmen pelanggan yang diberi label sebagai cluster potensial dan cluster non-potensial. Cluster potensial memiliki hubungan jangka panjang dengan perusahaan, sedangkan cluster non-potensial cenderung memiliki hubungan jangka pendek dengan perusahaan. Dengan memahami perbedaan karakteristik dan perilaku pembelian antara kedua cluster, perusahaan dapat mengalokasikan sumber daya dengan lebih efisien dan mengoptimalkan upaya pemasaran untuk mencapai tujuan bisnis.