随着互联网的发展,社交媒体APP已经成为人们工作生活不可分割的一部分。截至2021年9月,Facebook的每日平均活跃用户达到28.2亿。Facebook在苹果应用商店的社交媒体软件类目中平均排名前三。然而它的用户评分却并不高,例如,美国用户的平均评分只有2.2分。因此,对于应用开发者和用户而言,分析这种现象背后的产品属性和用户心理,有利于优化应用程序更新迭代,提高用户群体忠诚度。这也是笔者选题的初衷。近些年来,针对应用程序用户评论的研究是学者们广泛关注的热点。然而,现有的研究还存在很多局限。首先,学者们对于用户评论文本的分类不够全面,目前研究的主要分类可以概况为:软件缺陷报告,特征需求,信息检索和其他。但Facebook本身功能复杂多样,以上这些宏观的分类并不能将用户评论中反馈的信息和问题具体呈现出来。其次,大部分学者只选取了美国用户的英文评论,没有针对不同国家和语言,不同地区和文化的用户进行对比性研究。最后,现在的研究选取的研究方法主要还是监督学习模型,这种模型需要对数据进行大量的注释工作,过程比较繁琐。因此,基于以上研究局限,笔者从霍夫斯泰德文化维度理论出发,收集了来自24个国家的共计510717条Facebook用户评论数据,通过文本语言检测对数据进行处理,利用BERTopic和n-gram模型归类出5个宏观标签分类和64个微观标签分类,结合自然语言推理（NLI）零次学习和Distil BERT预训练模型对数据进行分析挖掘,探索用户评论背后反映的用户需求。研究发现,从宏观分类看,软件功能问题“Software Functionality”在所有用户评论中占比63.64%,社会相关问题“Social Issues”占比20.38%。从微观分类看,软件更新“update issue”占比18.07%,值得一提的是,占比前十的标签中有三类都是社会相关问题,这三类分别是:歧视“discrimination”5.28%,暴力“violence”3.80%,审查制度“censorship”2.74%。研究还发现了不同国家在用户评论的标签分类上的相似性和差异性。从宏观分类出发,埃及、阿曼、巴基斯坦、卡塔尔和沙特阿拉伯的Facebook用户首要关注点是社会相关问题“Social issues”,而其他国家的用户首要关注点都是软件功能问题“Software Functionality”。此外,笔者还通过分析用户评论的时间线发现,用户评论会受到应用程序自身以外因素的影响。比如,重大的社会政治事件、冲突或战争都会给Facebook评分带来消极影响;同时,硬件系统的升级也会产生消极影响。研究结果还表明,用户评论需要深度文本分类来分析用户需求。笔者希望这项研究可以指导企业和应用程序开发者更好的为用户服务,有针对性的改进产品功能。同时希望本文的研究方法也可以为以后的研究提供新的研究思路。