El número de servicios web está creciendo rápidamente en los últimos años. Uno de los problemas más desafiantes en la computación de servicios es la recomendación personalizada de servicios web. La mayoría de las investigaciones actuales recomiendan servicios basados en datos conscientes de la Calidad de Servicio (QoS) con pocas consideraciones de factores del lado del servicio, como las funciones del servicio. En este documento, se propone un nuevo modelo de recomendación de servicios web consciente de la QoS basado en la agrupación de usuarios y servicios (RMUSC) para lograr un avance en la precisión de las recomendaciones. En primer lugar, los usuarios similares se agrupan mediante un algoritmo de similitud Top-N a través de los registros de QoS del usuario. En segundo lugar, se establece un filtro de agrupación de servicios basado en K-means++. Finalmente, se explota un esquema colaborativo de usuarios y servicios y se obtienen las preferencias potenciales de QoS del usuario para generar recomendaciones. Los resultados experimentales muestran que cuando la densidad de la matriz de invocación de servicios es del 5%, 10% y 20%, el error absoluto promedio (MAE) y el error cuadrático medio (RMSE) de RMUSC son más bajos que los de otros métodos.