Intemet网是当今世界上具有最密集和最丰富资源的地方,也是人们获得信息的重要场所。互联网改变了传统的营销模式,在现代电子商务模式下,改进与提高企业与客户之间的关系成为客户关系管理的重点研究内容。分析用户特征变成企业关注的重点所在,企业需要获取与客户相关的所有信息,并且依据这些适时地改变企业的营销策略。　　在网络贸易快速发展的今天,对客户行为的分析的变得越来越重要。怎样维持企业的现有用户、挖掘潜在的用户;怎样对用户成功的实现交叉或关联销售,怎样避免用户的作弊行为,这些问题是决定电子商务成败的关键。然而作为一个最新的信息分析技术,Web数据挖掘刚好能够变成企业更好地解决电子商务问题的方法。　　本文研究了微博用户之间的关系和行为特征,包括用户之间关系联系、用户的聚类分类以及用户行为特征等;通过一些数据的分析对比,阐明用户分类、用户行为特征分析的含义、用户社区划分的研究。并且讨论了Web数据挖掘的几种方法、数据集的收集以及Web数据挖掘在用户关系和用户特征中的使用。在此基础上,分析了基于Web挖掘的用户关系和行为特征,利用SAS等数据挖掘建模软件对微博用户数据进行用户关系和用户行为分析建模,通过对数据的聚类和关联分析等发现用户特征帮助微博企业进行针对性营销,提高微博企业竞争力。研究Web数据挖掘技术在用户行为特征分析上的优势。通过对微博用户相关资料和信息进行研究再对用户进行分类以及对不同用户进行特征挖掘,主要采用kI均值聚类算法对微博用户进行细分分类,完成了模型的建立与实现,并根据用户属性挖掘出普通用户和VIP用户所属地区的差异,为微博用户提供了一种实用并且高效的分析方法,挖掘普通用户和VIP用户特征,分析用户关系模型,对用户进行社团分类。以便微博企业针对不同的用户进行个性化服务,合理的分配服务资源。