El estudio de la maximización de la influencia en redes sociales temporales (IMT) es un aspecto importante de la investigación en maximización de la influencia (IM). Actualmente, dos tipos principales de algoritmos pueden resolver el problema IMT: algoritmos basados en la codicia y algoritmos basados en heurísticas. Sin embargo, el algoritmo basado en la codicia es demasiado lento para ser utilizado en la práctica, y la mayoría de los métodos heurísticos existentes no consideran los atributos de los nodos, lo que hace que estos métodos no puedan resolver el problema IMT. Por lo tanto, este documento propone un algoritmo de capas mixtas (MKS), que considera los atributos locales y globales de los nodos para caracterizar su influencia y seleccionar nodos semilla. A nivel local, consideramos la centralidad de grado de los nodos, y a nivel global, proponemos el algoritmo de descomposición de capas temporales (TKS). En última instancia, la influencia de un nodo se determina combinando la influencia de sí mismo y de sus vecinos. Experimentos en cuatro redes sociales temporales reales muestran que MKS tiene un mejor rendimiento en efectividad que otras líneas de base heurísticas y puede mantener un equilibrio entre efectividad y eficiencia, proporcionando una solución útil para resolver el problema IMT.