当今社会,随互联网技术的不断发展,越来越多的人选择通过网络购物购买自己所需要的物品.随着交易量的不断增加,在线评论的数据量也在不断增加.在线评论数据一般包含商家服务相关的信息、与商品体验密切相关的文字叙述以及商品图片、视频等信息,这些信息直白地展现了人们对商品最真实直接的感受.而这些感受,就构成了客户满意度的影响因素.因此,从在线评论数据中挖掘用户使用感受相关的信息以获取影响因素,进而研究这些影响因素对客户满意度的影响程度,都是至关重要的.本文首先介绍了有关满意度研究的背景与意义,并通过分析与总结国内外研究现状,对满意度的研究有了大致的了解,然后利用爬虫技术,对京东商城中iphone 12 mini、Mate 40 Pro、OPPO Reno5 Pro和vivo X60这四款手机的评论进行爬取,获得评论的具体数据.在数据预处理方面,首先通过浏览查看数据的具体内容,对无效或重复的评论进行筛选与删除,以保证评论数据的可利用性.其次,对评论中的高频词进行提取和处理,最终确定影响满意度的10个特征因素分别为:外观、颜色、性能、价格、物流、拍照、电池、屏幕、音质、物理属性.最后,采用五分制的打分标准,依照李克特量化表对数据进行量化打分,得到建立满意度模型的数据集.在模型构建方面,利用量化打分的数据建立基于贝叶斯网络的客户满意度影响因素模型,并且,为显示模型的优越性,与基于神经网络、随机森林的客户满意度模型进行对比研究,模型的评价指标分别选取了模型的准确率、精确率以及召回率.研究发现,基于贝叶斯的客户满意度模型度量效果最佳,并且,基于贝叶斯的客户满意度模型可以输出各个手机产品客户满意度的影响因素重要性排序以及各个因素之间的相互关系.根据各个因素对满意度的影响程度,可以对生产商等提出相关意见与建议.对用户满意程度影响程度高的属性,比如OPPO Reno5 Pro这款手机的物理属性与拍照属性对客户满意度影响较大,生产商要发挥产品自身的优势,将手机物理属性与拍照属性上的优势转化为销售侧重点,从而提升销售额度;对于影响程度低的属性,比如vivo X60的拍照属性不是很突出,客户对这一功能的满意度一般,生产商需要加强对该属性的技术研究,并提出相应的解决方案使问题能够得到妥善地解决.因此研究手机客户满意度影响因素,有利于生产商提升产品的性能,及时做出策略调整,以适应市场需求,提高核心竞争力.