随着知识经济时代的到来,传统的封闭式创新已无法适应快速发展的市场需求,企业开始运用开放式创新的理念进行管理与研发,开放式创新社区成为了企业创新的重要机制。用户作为开放式创新社区的主体,通过激励用户参与社区活动、鼓励用户生成内容,可以实现外部创新资源到企业内部的转化。通过分析社区中的用户行为,细分用户,可以使社区理解用户需求,进而有针对性地提高用户体验,促进用户创新。本文以开放式创新社区中的用户行为数据为样本,基于复杂网络理论与RFM模型,探究用户的交互行为的特征规律,构建了群体用户画像,实现了开放式创新社区的用户细分。本文首先对开放式创新社区的概念及相关研究进行了文献归纳与总结,其次梳理了用户画像相关研究成果。通过对图书情报领域的相关文献进行搜集与研究,本文将复杂网络理论与RFM模型相结合,构建了用户行为特征分析框架,从用户的行为习惯、社交网络与兴趣偏好维度搭建开放式创新社区用户画像的标签体系,在此基础上明确开放式创新社区用户画像的研究思路。本文选择小米社区作为实证分析样本,首先编写爬虫代码抓取用户行为数据,经过数据预处理,对用户的交互行为数据进行统计分析、社交网络分析与兴趣偏好挖掘,理解用户交互行为的特征规律,探究用户在各个特征的区分度。结果表明,用户获赞数与评论数服从幂律分布,在评论长度、评论时间分布与评论内容、情感偏好方面具有明显区分度。通过复杂网络分析,能够发现用户交互网络具有小世界特性与层级特征,不同用户的中心度具有显著差异,结合k核能够区分高影响力用户与低影响力边缘用户。通过对开放式创新社区用户交互行为特征的分析,进一步选取用户忠诚度、交互值度、情感偏好与影响力作为聚类的指标,通过降维得到六个主成分,使用k-means++聚类算法将用户群体细分为六类,分别为“顶流权威型用户”、“社交明星型用户”、“交互热衷型用户”、“社区发展型用户”、“边缘长评型用户”与“静默支持型用户”,描述各类用户群体所表现出的特征,发掘他们的差异,并运用管理学的知识对开放式创新社区从社区运营角度提出合理建议。本文基于开放式创新社区的情境分析用户交互行为特征与构建用户画像,拓展了复杂网络理论与RFM模型的应用场景,拓宽了开放式创新社区用户行为的研究角度。通过探究不同群体用户的差异,能够更加精准地发现不同用户群体的需求与偏好,帮助开放式创新社区更好地理解用户需求,为开放式创新社区的运营与发展方向提供了相关的参考。