随着Web2.0技术的发展,在线预订平台越来越受到人们的青睐,消费者在这些平台上完成服务的预订、支付以及评价反馈。在大数据时代,谁掌握了数据谁就掌握了未来。如何从数据中提取出有用的信息对数据分析尤为重要,细粒度的特征分析对是文本分析中一个重要的研究点,本文通过提取特征关注度以及特征情感强度两个指标来衡量服务特征,关注度代表了顾客对这一特征的关注热度,情感强度代表了顾客对特征评价的好坏以及好坏的程度。本文利用特征关注度以及特征情感强度做了以下两个方面的研究。一是基于顾客分类的横向研究。本文研究的前提假设是不同出行类型的顾客对同一特征的关注度是不一样的,并且对它的评价也会有所不同。本文顾客分类的标准是根据网站上顾客评论时打上的标签类型进行分类的,共有商务出差、家庭亲子等六种类型。通过横向研究去发现不同类型顾客对特征的关注度以及评价情况,从而更加准确的定位顾客偏好,实施更加精准的服务策略。二是基于时间维度上的纵向研究。本文建立综合相似度模型,该相似度模型代表了特征前后两个时间段的关注度与情感强度的综合变化程度。利用该模型识别了六种不同的变化模式,并对这六种不同模式内的特征进行了按照相似度大小进行了重要性排序以及改进策略分析。横向的研究识别了面向顾客的个性化服务需求,纵向研究提供了服务特征的改进顺序策略以及改进效果识别路径。通过面向人的精准服务以及面向特征的精准改进为服务质量的提升提供了可行的路径。