近十年来,日益丰富的移动应用程序和Web3.0应用程序的日益普及正在促使用户使用移动设备。无处不在的移动设备则记录不同人类活动的数字痕迹,如移动、购买交易、偏好、意见等。它们都是研究环境监测、交通、社会网络、创新的人口统计指标和人类行为的重要信息来源。由此社会网络研究发生了巨大的变化,把数学上以图论著名的复杂社会网络信息为主要研究对象的研究受到了众多学科的关注。我们已经看到了社会网络科学的出现,这是一种试图用一套统一的工具和原则来理解自然、技术和社会中出现的各式各样网络。用户画像系统伴随着数据的爆发式增长而迅速崛起。在不同的领域中用户画像常用来服务于各种各样的基础性工作,例如精准营销、数据统计、深度挖掘、产品设计、用户行为&行业报告等方面。而如今的用户画像算法多为对用户的个人信息或用户的文本信息对用户进行属性标签化分类处理,对于相同属性标签的用户提供相同的服务。但却缺少通过对用户行为和用户在信息传播过程中所处位置的标签化算法。本文基于k-shell算法,Weaver-Thomas模型等方法,提出了应用于用户画像方向的k-Gr算法。该算法的方向是对基于用户行为的大型复杂网络进行分层处理,以寻找网络中处于信息传播源头的关键性节点。通过k-Gr算法将不同的用户分为普通用户,中介用户,明星用户和权威用户。在最后,本文还针对于这四类用户在信息传播过程中的不同作用对企业的客户运营方面提出了相应的建议,以期使得企业的信息能够有效快速准确的在网络中传播。