某大型连锁零售集团在2026年面临激烈的市场竞争，为了优化供应链管理和提升客户忠诚度，集团数据科学部收集了旗下500家门店及百万级会员的详细运营数据。数据集主要包含两个部分： 1.商品维度数据：涵盖3000种SKU的月度销售指标，包括销售额、销售量、毛利率、库存周转天数、促销频率、退货率以及供应商交货准时率。 2.用户维度数据：涵盖会员的近期消费行为，包括最近一次消费时间（Recency）、消费频率（Frequency）、消费金额（Monetary）、浏览未购买次数、客诉次数以及会员等级。 数据分析师小李负责利用统计分析技术挖掘数据价值，具体任务涉及商品分类策略制定、用户画像构建、流失预警及关键驱动因素识别。 作为该项目的数据分析师，你需要依据主成分分析、因子分析、决策树、聚类等技术的原理，解决以下关键问题。 （2）为了精准营销，需要基于RFM模型（R、F、M三个变量）将用户划分为“高价值用户”、“潜力用户”、“一般维持用户”和“流失风险用户”等类别。小李决定直接使用K-Means聚类算法对用户进行细分。在确定最佳聚类数目（K值）时，他绘制了“肘部法则”图（Elbow Method），横轴为K值（1到10），纵轴为误差平方和（SSE）。图中显示：K=1到3时SSE下降极快，K=4时出现明显的拐点（斜率骤减），K=5之后SSE下降趋于平缓。同时，业务部门希望类别不宜过多以便管理。基于此，小李应选择多少个聚类？