随着互联网和信息技术的发展,信息传播速度和范围得到大大提升,从而使得在线评论数据激增形成网络口碑,影响着用户对产品使用意愿。对大量用户评论数据进行处理,从中提炼出对用户和企业都有价值的信息非常重要。共享汽车作为“互联网+共享经济”的产物,给人们带来了很多便利,也产生了大量线上评论数据。故本文从用户评论数据出发,研究共享汽车用户满意度并提出优化策略。本文选择了联动云、GoFun和EVCARD三个共享汽车品牌作为研究对象研究用户的满意度。与传统的用户满意度研究的数据收集方法不同,本文采用爬虫技术爬取AppStore和百度贴吧中这三个共享汽车的用户评论,弥补了通过传统用户调研和问卷调查的方式而出现的调查时间长、成本高和调查样本较少的弊端。通过对评论数据进行预处理,得到词云图和语义网络图并初步分析用户所关注的共享汽车的基本属性;然后对评论数据进行粗粒度的情感分析,利用机器学习模型对App Store的评论数据进行情感分类,选择最优模型对贴吧数据进行情感预测,再基于LDA主题模型对正、负面情感进行主题挖掘;接着使用TF-IDF提取文本的关键词并利用Word2vec工具进行词向量化,对词向量化后的关键词进行聚类,根据相似度得到特征词的扩展,归纳用户满意度指标体系并根据层次分析法确定权重;再根据汉语语法规则提取经过短句并进行短句情感倾向分析,以正面情感所占比例作为情感值计算用户满意度值;最后结合用户满意度指标体系和相关文献对共享汽车行业存在的问题给出相应的优化策略,促使共享汽车行业长久健康的发展。通过研究分析,本文得到以下结论:第一,通过对预处理后的评论数据进行可视化,发现用户对客服、软件、违章、服务、还车、押金等方面给予极大的关注。第二,正面评论的主题为服务、软件性能、推荐和便利四个主题,负面评论的主题为注册审核、车况、押金、停车网点和平台五个主题。第三,根据用户满意度满意度分析,发现共享汽车的服务和停车网点是用户最关心的两个属性,并且对价格及优惠、违章扣费、押金、服务这四类指标的满意度得分不超过50%。