客户细分工作在保持存量客户,发掘潜在用户以及差异化营销方面发挥着重要的作用,不断变化的客群特征要求客户细分需要有较强的时效性,要求管理人员动态调整客群划分,这需要快速和准确的划分策略予以支持。随着数字经济的发展,互联网企业积累了大量的数据资源,应用大数据和机器学习方法开展客户细分及购买倾向预测工作,并取得了显著的效果。但是海量和快速更新的数据,使得静态数据挖掘算法的训练产生了巨大的计算和储存空间开支。而基于流数据的增量更新算法能够在有限储存占用及单次扫描的约束下完成聚类和分类等挖掘工作,且能够在海量数据实时更新的条件下动态调整算法的决策规则。基于以上问题,本文开发并改进了一种先聚类后基于聚群结构进行近邻分类的流数据分类算法,以实现分类问题增量更新任务,同时捕获群体结构变化特征。经过模拟和真实数据集的测试,实验结果表明该方法能够较好的对流数据进行聚群划分,及时有效地捕获数据流的偏移,在流数据分类问题上有着较好的表现。进一步将该方法应用于电商平台的用户点击流数据中,用于发现群体聚群特征,并在聚群的基础上进行分类预测,找出各聚群中购买倾向较高的用户群体,为电商平台的营销方向和对象提供参考,结果表明该算法能够有效预测用户的购买倾向,能够辅助决策人员制定有针对性的营销策略。