在实际应用中，聚类是一种用于将数据对象分组的无监督学习方法。它通过识别数据中的相似性，将对象分为若干个簇。对于给定的问题，我们可以分析哪些选项适合使用聚类：

1. **A: 目标用户群体分类**
- **适用性**：正确。
- **分析**：聚类可以有效地对用户进行分群，以便识别不同的用户群体特征。例如，根据用户的行为、购买习惯和人口统计信息，将用户分成不同的细分市场。

2. **B: 不同产品的价值组合**
- **适用性**：正确。
- **分析**：可以使用聚类分析来识别产品的自然组合或市场篮。通过分析用户购买的不同产品组合以发现产品间的关联和价值组合。

3. **C: 预测用户购买金额**
- **适用性**：错误。
- **分析**：预测用户购买金额通常涉及回归分析或其他监督学习方法，而不是聚类。聚类不擅长于进行数值预测。

4. **D: 预测下个季度的营销投入**
- **适用性**：错误。
- **分析**：预测未来营销投入通常需要时间序列分析或监督学习方法。聚类不适用于直接进行时间序列预测或财务数值预测。

总结：
- 适用于聚类的方法是：**A: 目标用户群体分类** 和 **B: 不同产品的价值组合**。
- 不适用于聚类的方法是：**C: 预测用户购买金额** 和 **D: 预测下个季度的营销投入**。