2014年在全球及中国经济复苏态势不如预期、部分广告主预算保守、政府限娱令以及视频企业上一年度为了购买版权而激烈争夺等背景下，中国视频行业拉开了深度整合的序幕，通过合并、结盟、团购、互换等措施，以降低版权成本、提高资源效率，提升企业盈利能力。2014年也是网络视频企业投入变革的一年，除了对传统PC端业务的大力投入，还在移动视频、UGC、社交、付费、高清视频等方面都将有重点突破。针对上述情况，需要了解当前市场格局，摸清网民需求与偏好、渠道选择、收视行为、付费行为以及购买能力等现状，给企业在战略选择、产品设计、内容供给和市场活动方面的决策提供参考。　　基于以上背景，本文在介绍了数据挖掘技术的基本原理等与用户行为挖掘密切相关的经典算法的前提下，又分别对网络视频用户基本行为进行采集处理，基于用户聚类算法及其执行流程，从海量用户历史行为数据切入进行了概括介绍。并在上述分析结果的基础上，从多元回归模型的角度，阐释了播放指数对视频位置优化的影响，并初步建立播放指数回归预测模型，分析了用户行为特征及表现形式，并对用户行为的流动性做了详细描述，结合用户日志的原始数据，对用户行为进行聚类和主成分分析。　　其次，基于实验数据建立了多频道视频播放指数动态规划模型，并根据对视频移动客户端操作系统版本、网络运营商、屏幕分辨率、品牌和机型的统计分析，综合建立了模型表达式，结合分析软件计算出播放指数值，并对其进行简单解析。为确保模型的准确度，基于目标函数的系数变化和右端项变化两个测度情况，对实验结果进行灵敏度分析，得到优化后的播放指数值。　　最后，针对频道位置优化问题，以用户需求离散与视频资源集中为切入点，简单介绍了现有的解决方案，建立两阶段模型，并针对其中的典型算法，增加两种假设，结合播放指数的实验结果，提出了引入约束项的模型改进表达式，通过枚举结果分析，验证了改进的模型表达式能有效地提高播放指数值和资源利用率。