Korisnički profil omogućava prikupljanje, pohranu i interpretaciju korisničkih podataka, što zauzvrat omogućava analizu i zaključivanje iz tih podataka. Iskoristiti veliku količinu heterogenih podataka iz više izvora, s ciljem određivanja ključnih, društveno utjecajnih pojedinaca u informacijskim i komunikacijskim uslugama, aktualan je istraživački izazov. Nov pristup rješavanju ovog izazova, predložen u disertaciji, sastoji se od nekoliko koraka. Prvo, predložena metoda za profiliranje korisnika omogućuje učinkovito dohvaćanje, agregaciju i konsolidaciju korisničkih podataka iz dva izvora – telekom-operatorske mreže i usluga za društveno umrežavanje. Drugo, razvijen je model korisničkog profila za automatsko zaključivanje iz tih korisničkih podataka. Treće, predložen je nadograđeni algoritam za zaključivanje iz korisničkih podataka koji rezultira novim znanjem o svakom korisniku – društvenom utjecajnošću tog korisnika. Predložene algoritamske nadogradnje u izračunu društvene utjecajnosti statistički su validirane i ocjenjene kroz eksperiment sa stvarnim korisničkim podacima. Značajna razlika u rezultatima iz dva izvora podataka statistički je dokazana te objašnjena njihovom sinergijom kada se koriste istovremeno. Među predloženim algoritamskim nadogradnjama zasnovanim na "Limited Recursive Algorithm" (LRA), algoritam "Sample-Literature-Optimal Posting Frequency factor" (SLOF) pokazuje značajno poboljšanje. Primjerice, SLOF ima primjenu u poboljšanom sprječavanju odljeva pretplatnika, prioretizaciji usluge, digitalnom oglašavanju i algoritamskom praćenju zaraza.