随着网络用户基数的增加及网购形式的普及,用户乐意在线上购物完成后以评论形式分享自己的购物体验,评论是客户的真实反馈,包含内容丰富,不仅有对产品及服务的肯定更存在顾客抱怨购物体验不佳的情形。已有研究表明,顾客越来越重视网购产品及服务质量,企业要想长久发展需持续不断的改善服务质量。因此,帮助企业从海量评论信息中提取顾客体验不满意点,对于改善本企业服务质量问题十分重要。本文以汽车品类为对象展开研究,主要包括三部分,挖掘服务满意度问题、建立服务质量满意度评价体系以及对评价指标提出改善策略。服务满意度问题的挖掘:首先根据网购交易服务蓝图关键接触点与高频词云分析得出网站登录、网站设计、商品选购、支付问题、物流配送与客户服务七大步骤,其次使用主题模型具体对X公司低星级评论中顾客需求及抱怨点分析,确定服务质量满意主题,并使用不同算法进行主题分类验证;评价体系的建立:借助服务质量量表与语义网络分析主题间的内在联系,将各步骤与其实际产生的问题相结合,构成汽车用品服务质量满意度评价指标,并基于指标频率构造判断矩阵计算相应权重,确定顾客重视程度;提出改善方案:在明确服务满意度问题后提出改善策略。本文的创新有三点:（1）聚焦低星级评论。已有研究表明,低星级评论多是顾客对购物体验不满意的倾诉,因此聚焦低星级评论对于挖掘服务质量中存在的问题更精准有针对性;（2）利用机器学习分类算法验证主题挖掘效果。继主题模型确定文本主题后,利用逻辑回归、朴素贝叶斯、XGBoost与支持向量机反向验证分类效果,证实分类的准确性与可靠性;（3）在构造判断矩阵时,使用分类算法得出的主题频率作为构造判断矩阵依据,使计算出来的权重更具有合理性。本文得出的结论有如下三点:（1）网站登录、网站设计、商品选购、支付问题、物流配送与客户服务是顾客对网购满意度的感知因素。本文基于服务蓝图绘制网购流程并结合低星级评论的高频词分析,得出顾客给出低星级评价、感知不佳的原因主要集中在此七个方面;（2）逻辑回归验证主题挖掘效果具有良好的准确性。本文利用逻辑回归、朴素贝叶斯、XGBoost与支持向量机反向验证主题分类效果,得出逻辑回归对主题分类更为准确靠性;（3）产品质量对顾客满意的影响程度最大。根据分类算法得出的主题频率作为构造判断矩阵依据确定出来的综合权重显示,产品质量占比最大,可见购物过程中,质量问题是首要影响顾客体验的因素。