З розвитком інформаційних технологій та збільшенням кількості цифрового контенту стає важливою задача покращення рекомендаційних систем, які допомагають користувачам отримувати персоналізовані пропозиції на основі їхніх вподобань. Одним із ключових методів, що дозволяють це реалізувати, є кластеризація. Кластеризація користувачів у рекомендаційних системах дозволяє ефективно сегментувати користувачів на групи за схожими поведінковими патернами, що підвищує точність і релевантність наданих рекомендацій. У даній роботі розглядаються основні методи кластеризації, такі як K-Means, DBSCAN та агломеративна кластеризація, їхні переваги та обмеження, а також застосування у побудові рекомендаційних систем для мультимедійного контенту. Особливу увагу приділено прикладам використання кластеризації для сегментації користувачів у мобільних додатках, що дозволяє краще адаптувати рекомендації до індивідуальних потреб користувача