随着智能移动终端的普及,移动互联网已经成为了当下的主流,由此移动社交应用成为了人际交流的重要媒介。在陌陌、知乎等不同类型的应用中,有五成左右的用户以陌生人社交为主。通过高质量的针对性服务提升用户体验,提高用户粘度将是陌生人社交应用未来的发展方向。但随着现今陌生人移动社交的逐渐发展,一些问题也逐渐暴露出来,如陌生人社交平台上逐渐严重的营销引流现象和越来越多的骗财骗色的情况发生。这些都严重影响着平台用户的使用体验及人身财产安全。
　　因此,对陌生人移动社交平台进行用户分类及用户画像,使平台能够对用户进行精准营销,差异化服务并剔除不良用户,对净化陌生人移动社交平台,增强自身平台在平台数量众多陌生人移动社交领域的竞争力而言则显得尤为重要。本文在一般社交平台用户分类模型的基础之上,根据弱关系理论及陌生人移动社交平台E平台的特点,对一般社交平台分类模型的指标及算法进行改进,增加了吸引力、挑剔度、（对平台的）忠诚度、需求度四项指标,提出了一套针对于E平台的陌生人移动社交平台用户分类方法。在第五章,本文通过改进后的聚类算法对平台用户进行分类,把E平台用户共分成了七类有效类,并对每一类的特点进行研究分析与命名,分别为狂热用户、潜力用户、一般用户、问题用户、明星用户、僵尸用户、异常用户。最后,使用机器学习中的随机森林模型对分类进行评估度量。在第六章,本文针对每类用户的特点对E平台的运营提出了相应的建议。本文研究结论可以为E平台或其他陌生人移动社交平台用户分类、用户画像及精准营销的研究与实施提供一定的参考。