自改革开放以来,中国居民的人均可支配收入不断增加,但中国居民对闲置资金的利用率以及投资所获得的回报率相比发达国家均偏低,中国居民理财的愿望很强但却面临投资无门、投资门槛高的限制。互联网金融的诞生打破了这种限制,为长尾人群理财困境的解决提供了新的思路和方案。在互联网金融当前迅猛发展的态势下,涉足其中的各类客户也处于不断摸索与适应的过程中,并且正在逐渐形成相对稳定的行为习惯与方式。知晓这些问题的答案对其了解客户行为,合理分配客户资源,做到精准化营销,改良自身产品,改善客服服务质量,提升企业业绩和企业市场竞争力有重要意义。本研究从互联网金融平台客户分类的特征选择角度出发,以FORMAX金融圈港美股业务数据为数据源,对客户分类的特征,即影响营销最终结果的重要的客户信息指标进行挖掘。在方法上,本研究选取了目前统计学习中最具代表性的5种分类模型,包括逻辑斯蒂回归(LOGISTIC)、K最近邻法(KNN)、线性判别分析法(LDA)、二次判别分析法(QDA)、随机森林(RANDOMFOREST)。使用FORMAX金融圈港美股客户信息相关数据,结合上述统计分类模型,优选出一种最优模型,进行实证分析及对比分析,得出相应分析结果,并对FORMAX金融圈港美股业务提出展望。经过模型对比分析,本研究使用随机森林法作为选择模型,同时对其进行模型优化。本研究认为,随机森林模型对目前FORMAX金融圈港美股业务是否营销成功的判别分析拟合良好,可以继续优化,未来可以在大量客户涌入时做提前判别及精准营销。