随着互联网的高速发展,网络逐渐成为消费者获得产品和服务的重要渠道,网购也成为人们生活中常见的行为。随着时间的推移,网络评论数量飞速增长。消费者为做出可靠的购买决策,越来越习惯在网上浏览大量的在线评论,以此来了解产品的质量和卖家的服务口碑。同时,企业也迫切地想从评论中获知消费者满意的关键因素,以此来制定企业营销对策。本文以在线评论为研究对象,采用网络爬虫工具从淘宝网获取在线评论文本,利用文本挖掘识别出在线评论影响消费者满意度的关键因素；接着抓取商品销量信息,以精细加工可能性模型(Elaboration Likelihood Model,简称ELM)为基础,分析在线评论对商品销量造成影响的具体因素,同时探讨商品类型对在线评论与商品销量关系的调节作用。首先,本文采用网络爬虫工具在淘宝网进行搜索型商品和体验型商品的评论采集,通过内容分析法识别出在线评论影响消费者满意度的关键因素,并建立高频特征词矩阵。通过分析发现,商品质量、体验效果和服务水平三个因素最能影响消费者满意度；同时数据表明,首次未进行评价的消费者,对商品进行追加评论的行为并不受到商品类型的影响；最后,通过高频特征词矩阵发现,评论长度越长的评论,提及高频词的比例也越高,包含有用的信息也越多。接着,本文在相关文献的基础上,提出在线评论对商品销量影响的概念模型和研究假设。基于ELM模型创建了两条影响路径,即中枢路径和边缘路径。然后,在淘宝网进行数据采集并预处理后,使用统计分析工具SPSS对数据进行分析,采用多元回归分析探讨在线评论的哪些因素对商品销量有影响,利用层次回归分析探讨商品类型的调节作用。最后,将结论总结如下：在中枢路径中,好评数、中评数、店铺信誉对商品销量具有正向影响,差评数有负向影响；边缘路径中,收藏量、图片评论数、追评数对商品销量具有正向影响；相对于搜索型商品,好评数、中评数、差评数、收藏量、图片评论数和追评数这六种影响因素对体验型商品的销量影响更强；商品类型对店铺信誉和商品销量之间的关系不具有调节作用。