根据CNNIC2019年2月28日发布的第43次《中国互联网络发展状况统计报告》数据显示，截至2018年12月，我国网民规模达8.29亿，普及率达59.6%，较2017年底提升3.8个百分点，全年新增网民5653万，我国手机网民规模达8.17亿，网民通过手机接入互联网的比例高达98.6%。

在用户越来越注重消费体验，电子商务网站更加注重消费者需求的背景下，本文以顺丰优选网站为例，通过分析顾客评论，得出影响顾客购物体验的主要因素，建立在线零售超市顾客满意度模型，探讨评论文本对其他顾客购买决策的影响，提出网站优化建议，帮助运营者定量的了解用户体验满意度，从特定方向提高顾客满意度，增加用户粘性，实现销售额增长。

以顺丰优选为例在评论中获取数据来建立顾客满意度模型，探讨评论对顾客购买决策的影响，具有一定的现实意义。理论意义：本文将文本挖掘方法运用到对在线零售超市顾客满意度的研究中，结合定量研究，找出顾客满意度的影响因素，拓展了文本挖掘技术的应用范围；在传统满意度模型的基础上进行改进，建立适用于在线零售超市的顾客满意度模型，对此类电商平台增加顾客忠实度提供了理论支持。现实意义：电商平台可以根据找出的影响顾客满意度的主要因素，按照实际情况调整商品质量或服务，建立和提升顾客忠诚度，增加重复性购买行为，创造良好口碑，提升企业竞争能力。对顾客而言，企业对满意度的重视可以使顾客做出合理的购买决策，降低网购风险，获得优质的商品和服务，提高生活品质。

对于在线零售超市的研究主要集中于其发展模式、营销策略、物流配送等方面，针对性的顾客满意度研究较少，本文的建立顾客满意度模型可以为在线零售超市研究进行补充。顾客满意度指标已经发展成熟，成为描述消费者购物体验的量化方法，本文引入顾客满意度模型来研究顾客使用顺丰优选网站购物的真实感受，具有一定的可行性。对文本挖掘方面的研究涉及书籍、电影、医疗、商品、服务等多个领域，本文根据自己研究的内容和特点，选择合适的方法对评论文本进行分析，并将其运用到在线零售超市顾客满意度模型的建立当中。

2. 研究的基本内容与方案

本文以顺丰优选网站顾客评论为研究对象，采用Python编程抓取顺丰优选网站部分商品的顾客评论，并将顾客评论存储到本地数据库中。其次，用中文分词算法对获取的顾客评论进行中文分词处理，将分词过后的顾客评论进行降噪降维处理。然后，利用词云图做文本特征分析，找出顾客对此商品的关注要点，提取特征观点词对，并对特征观点词对进行情感分析。最后，将得到的影响购物体验的因素进行分析，构建顺丰优选的顾客体验满意度指标，根据现在主流顾客体验度模型，构建符合顺丰优选的顾客体验度模型，探讨顾客满意度对顾客回购率、销售额的影响。

拟采用的技术方案有：1、文献综述法，本文通过搜索电子图书馆和阅读书籍，收集与整理近年来国内外学者对顾客满意度的研究成果。2、Python语言，采用Python编程抓取某个特定时间段内的顾客评论数据，并分别存储在一个txt文件里，为后续研究提供可信的数据支持。3、词云图，绘制每个商品评论信息的词云图，做文本特征分析，观察到比较突出的词就是顾客对此商品关注最频繁的话题。4、结巴算法，本文采用结巴算法对文本评论做分词和词性标注，然后提取特征观点词对，为之后建立在线零售超市顾客满意度模型做准备。

[1]王艳茹,贾俊兰.基于多个视角的我国零售超市商业模式分析[J].商业经济研究,2015(02):23-24.

[2]王琴英,郭慧君,刘敏.网络购物顾客满意与顾客忠诚转换模式研究——以淘宝、天猫和京东电商网站为例[J].商业经济研究,2015(11):72-75.

[3]纪峰,王建彦.网上超市快速发展的原因及营销策略研究——基于顾客价值理论的分析[J].现代商贸工业,2017(24):47-48.