智能手机和网络的普及给社会生活带来了巨大的转变,同时也影响着个人兴趣爱好的变化,在如今愈来愈快节奏的生活状态下,许多人在网络上消耗大量的业余时间,包括各种社交APP（微信、微博等）、短视频软件（如抖音、快手等）以及优酷等播放平台的使用等。这给诸如当下用户量较大的今日头条等版面较全的软件带来了巨大的机遇与挑战,诸如如何给自己的平台带来巨大的流量,平台上的用户如何提高个人账户的关注度以增加流量等都是很现实的问题。本文选取今日头条作为关注对象,利用统计学相关的机器学习算法,对与流量相关的变量进行分析和挖掘。具体来说:首先,爬取该平台多条视频的播放量、评论数以及标题关键词等信息,并针对数据不规范问题进行处理;其次,利用当前自然语言处理技术,对标题进行文本分析,通过分词技术并利用LDA主题模型提取标题文本的关键词,得到标题的核心大类词语,再通过doc2vec等文本向量化,计算与核心大类词语相似度高的小主题词语,分析挖掘当前用户的阅读兴趣点,并根据提取到的结果,提出相应的看法以及建议;最后,为了解不同主题、基于发布者自身信息（包括粉丝数、发布数、是否认证以及作品是否原创）等情形下发布内容能获得多少播放量,在数据预处理的基础上,选用成熟的GBDT算法框架XGBoost和Light GBM算法,对播放量进行预测,利用相应的指标进行模型评价,并和标准化下的数据进行对比查看建模差异。结果表明,此两种模型能基于某些变量对发布内容的播放量进行较好地预测,由此可为平台的流量和用户的关注度流量增加提供一些有益的建议。