摘要
互联网技术高速发展、便捷的移动支付、物流业的不断进步，电商平台积攒了海量在线评论数据。如何从这些评论信息中提取有价值的内容，已成为电商物流业近来研究热点。挖掘在线评论数据隐含的价值，对消费者及电商平台有重大理论与实践意义。 论文以大数据、客户满意度，贝叶斯网络模型等为理论基础，以京东2018年度销量排行前五的品牌空调作为研究对象，运用网络数据抓取软件获得品牌空调产品五千多条在线评论数据。通过评论高频词汇提取、数据预处理等方法，选择十个影响客户满意度的特征因素变量。依据李克特量表，对在线评论数据消费者情感倾向进行量化数据处理，构建基于特征因素变量为节点的品牌空调客户满意度贝叶斯网络模型。分析各品牌空调满意度贝叶斯网络模型结构关系，分别计算各子节点在其父节点事件下的条件概率分布，识别并输出各特征因素变量对满意度的重要性排序表。 研究表明，在选取的五款品牌空调中，影响客户满意度的特征因素变量分别为:冷暖效果、能耗、价格、静音、安装服务、外观、功率、售后、口碑、物流。顾客对于商品的评价不局限于某个节点属性，而是商品各节点属性相互关联的体现。顾客最关注品牌空调的属性先后排序为冷暖效果、能耗和静音属性，不同品牌空调客户满意度影响因素重要性排序略有不同。消费者对不同品牌购买偏好，既与商品本身属性有关，又与电商平台营销策略、物流模式密切相关。电商平台可依据满意度的关键影响因素，制定精准营销策略，提高客户满意度。
NETL