Dado un modelo de red social representado por un grafo, el objetivo del problema de maximización de influencia es encontrar k vértices que maximicen el número de vértices activos a través de un proceso de difusión. Para esta difusión, se considera el modelo de umbral lineal. Se propone un nuevo algoritmo, llamado ClusterGreedy, para resolver el problema de maximización de influencia. El algoritmo ClusterGreedy crea una partición del conjunto original de nodos en pequeños subconjuntos (los clústeres), aplica el algoritmo SimpleGreedy a los subgrafos inducidos por cada subconjunto de nodos y obtiene el conjunto semilla a partir de una combinación del conjunto semilla de cada clúster al resolver un programa lineal entero. Este algoritmo se mejora aún más al explorar la propiedad de submodularidad de la función de difusión. Los resultados experimentales muestran que el algoritmo ClusterGreedy proporciona, en promedio, una mayor difusión de influencia y menores tiempos de ejecución que el algoritmo SimpleGreedy en grafos aleatorios de Watts-Strogatz.