ASDSApplied Statistics and Data Science3066-84333066-8441Art and Design10.61369/ASDS.2025090013Article自媒体平台中的用户亚群分类分析方法研究https://artdesignp.com/journal/ASDS/1/9/10.61369/ASDS.2025090013梁豪,王超,李波2025192025-11-20本文围绕自媒体平台用户亚群分类分析方法展开研究。在自媒体蓬勃发展的当下，深入了解用户亚群特征对平台运营和内容精准推送至关重要。研究采用多种方法，综合了平台用户的行为数据、交互数据和内容偏好数据。通过聚类分析等算法对海量用户数据进行处理，识别出不同的用户亚群。对各亚群在活跃度、关注领域、内容创作类型等方面进行了分析。结果显示，自媒体平台用户可被划分为多个有显著特征差异的亚群，例如高互动创作型亚群、低活跃浏览型亚群等。本研究为自媒体平台优化用户体验、制定个性化营销策略提供了理论依据和实践指导，未来可进一步研究亚群间的动态转化机制。自媒体平台,用户亚群,分类分析方法

[1] 王华, 王治和, 王平.Web 用户聚类研究[J]. 甘肃联合大学学报,2010,24(1):79-82[2] 赵文兵, 朱庆华, 吴克文, 等. 微博客用户特性及动机分析—— 以和讯财经微博为例[J]. 现代图书情报技术,2011,(02):69-75.[3] 薛云霞, 李寿山, 阮进. 微博中个人与非个人用户分类方法研究[J]. 山西大学学报（自然科学版）,2015(2). DOI:10.13451/j.cnki.shanxi.univ(nat.sci.).2015.02.002.[4] 贺超波, 杨镇雄, 洪少文, 等. 应用随机游走的社交网络用户分类方法[J]. 计算机科学,2015(2). DOI:10.11896/j.issn.1002-137X.2015.2.042.[5] 蒋翠清, 宋凯伦, 丁勇, 等. 基于用户生成内容的潜在客户识别方法[J]. 数据分析与知识发现,2018(3). DOI:10.11925/infotech.2096-3467.2017.0849.[6] 凌海峰, 刘业政, 杨善林. 基于蚁群算法与K-means 算法相结合的Web 用户聚类[J]. 情报学报,2009,28(1):105-108[7] 李纲, 周华阳, 毛进, 陈思菁. 基于机器学习的社交媒体用户分类研究[J]. 数据分析与知识发现,2019,3(8):1-9[8] 吴海涛, 应时. 基于信息内容和拓扑关系的社会媒体用户兴趣分类[J]. 计算机科学,2015,42(4):185-189198[9]He S , Wang H , Jiang Z H .Identifying user behavior on Twitter based on multi-scale entropy[J].IEEE, 2014.DOI:10.1109/SPAC.2014.6982720.[10] 陈洲, 陆南. 基于K-Means 算法的Web 日志用户聚类研究[J]. 计算机与数字工程,2020,48(3):643-647[11] 高大菊. 基于计算机大数据分析的社交媒体用户行为挖掘与情感分析研究 [J]. 信息记录材料，2024,25 (10):118-120.[12] 刘玲, 刘茂芸, 黎丽霞. 对不同抖音用户行为的分析研究[J]. 科技创新导报,2021(13). DOI:10.16660/j.cnki.1674-098X.2103-5640-9275.[13] 谢敏. 抖音算法与爆款短视频打造研究[J]. 传媒,2022(24). DOI:10.3969/j.issn.1009-9263.2022.24.018.[14] 赵辰玮, 刘韬, 都海虹. 算法视域下抖音短视频平台视频推荐模式研究[J]. 出版广角,2019(18). DOI:10.16491/j.cnki.cn45-1216/g2.2019.18.023.[15] 那晓婷. 智能算法下抖音用户的困境及突围路径探索[J]. 新闻研究导刊,2022(10). DOI:10.3969/j.issn.1674-8883.2022.10.002.