在K-means聚类分析中，聚类效果不佳可能是由多个因素导致的。为了解决效果不佳的问题，以下是一些常用的改进措施：

- **A: 优化初始点的选取**：K-means算法对初始中心点的选择非常敏感。通常使用K-means++算法来优化初始点的选择，以提高聚类效果。

- **B: 重新检查数据清洗的是否充分**：数据清洗不足可能导致不佳的聚类结果。检查数据是否存在缺失值、重复数据、错误数据等问题，以及是否进行标准化处理。

- **C: 多次重复运行，直到有满意结果**：由于K-means可能收敛到局部最优解，多次运行K-means算法并选择最佳结果是常见的做法，但这并不是解决问题的根本手段。

- **D: 检查异常值、量纲的影响是否还存在**：异常值和不同的量纲会影响聚类效果。对数据进行标准化处理和异常值处理有助于提高聚类效果。

基于以上分析，**多次重复运行直到满意结果**（选项C）虽然是可能的操作，但它没有从根本上解决聚类效果不佳的原因。因此，正确答案是不正确的选项是 **C**。