在大数据环境下,网络课程资源众多、类型丰富,但是用户很难在众多的课程中找到满足其需求的课程。课程平台以往的课程推荐服务无法再满足用户对课程资源的需求。本文以课程平台用户为研究对象,利用RFM模型和K-means算法建立课程平台用户画像,分析不同类型用户需求及偏好。首先,梳理用户行为及群体用户画像的研究成果,并建立课程平台用户画像的模型框架及标签体系;其次,以某网络课程平台进行实证分析(该在线教育平台拥有大量的用户群,具有较高的用户忠诚度以及用户粘性,其社区氛围和用户基础使得用户的活跃度以及其评论内容的丰富度得到了保证。因此以该课程平台的用户作为研究对象使得用户研究具有普适性。),使用统计分析方法对用户数据进行分析;最后,通过RFM模型和K-means算法构建用户画像,并利用中文分词获取用户的标签,分析各类用户的需求及行为偏好。通过研究得到以下结论:(1)课程平台内大部分用户仅购买过一次课程,另外热衷于评论的用户只是少数,大多数的用户只是偶尔的参与;(2)课程平台内用户的性别以及等级与用户的交易行为没有关系,用户的性别与用户的评论行为没有关系,而用户的等级与用户的评论行为具有正相关性;(3)根据用户行为、用户的影响力以及活跃度将用户分成“理性参与型”、“课程影响型”和“大众追随型”三类,并针对三种类型的用户提出相应的建议;(4)通过以某课程平台进行实证,构建了在线课程平台用户行为画像研究的框架,为以后的研究提供一定的参考价值及基础。图46幅,表12个,参考文献55篇。