结论

测量顾客的满意度，一直以来都是营销实践中意义重大的课题。现有对产品评价的研究大多利用问卷调研、深度访谈和小组讨论的方法。采用以上营销调研的方法，会面临如下三大问题: 

( 1) 调研数据的连续性不强，且连续性数据的获取成本较高;

( 2) 产品评价的关注点会受到调研者关注点的影响，从而无法准确获取顾客的产品关注点;

( 3) 传统调研多为顾客事后回忆，容易因记忆偏差导致测量结果失真。

为了减少以上问题导致的研究偏差，国内学者在研究中采用了各种精妙的分析和设计，并付出了不少精力和心血。本文在满意度评价研究方法上，利用贝叶斯网络，通过对现有数据进行训练，以贝叶斯原理来得出有指标成功预测出结果的概率。以本研究的结果来看，以系统功能、散热性能、外观、服务等四个指标来预测消费者满意度时，准确率为70%~75%。

对现实而言，当期徐需要知道以怎样的指标能最准确地预测消费者满意度时，可以使用本方法，通过增加或减少指标的数量，当预测准确率达到最高时，即可得到最合适的预测指标，从而在生产销售过程中以此为基础来着重对其进行改善，从而提高消费者对产品的认同度。

改进方向

本文中指标的选择没有根据数据挖掘的算法，是由自身的体验提取出来的，没有较强的科学依据，文中提出的数据挖掘算法还没有实现出来。在今后的研究中，我将尝试采用数据挖掘算法，从在线评论中提取出合适的指标来进行研究，提高研究的科学性与严谨性。