随着互联网的普及和电子商务的迅速发展,网络购物已经成为人们日常购物的一个重要组成部分。中国网络购物市场报告的调查显示,在购买不熟悉的产品时,用户评价在网络购物决策中占据主导地位。37.5%的网购用户主要考虑因素为用户评价,其次是网站知名度和口碑,比例为28%。用户对商品的评论内容会影响消费者购买决策,从而影响商品的销售量,最终将影响企业的利润。商品评论的情感倾向是影响其他消费者购买决策的主要原因之一,网络零售商和B2C企业在定价的时候不能再仅仅用传统的定价策略,还需要考虑口碑对商品定价的影响。论文就越来越多的用户通过在线评论去选择是否购买商品的这一具体问题,对在线评论的内容进行研究,重点分析在线评论文本情感倾向性和商品价格变化之间关系,给出在线评论内容的构成、规律以及是否对商品价格变动产生影响。文章对在线评论、物流评论和定价等相关理论进行了文献回顾和梳理的基础上,提出消费者评论的内容情感倾向受到消费者会员等级的影响以及商品价格与在线评论的好评率具有相关性等假设和概念模型。使用大型购物网站京东商城上洗衣机最近五个月的评论数据,对评论中的会员等级分布、评论时间间隔、好评率等内容进行了数据分析。通过建立训练集,使用机器学习语言对文本评论进行情感倾向性分析,得到每条评论语句情感的正负向分布。其次,将分析得出的正向情感所占比例与网站给出的好评率对比,结果显示二者之间存在差异;同时,得到每次价格变化点之前的较真实的好评率;分析发现等级较高的会员倾向于对商品进行正向的评价,而低等级的会员中给负向评价的比例最高。之后,重点对好评率、物流评价与商品价格的变动进行了相关性分析,着重讨论好评率对价格影响的延迟这一动态问题。最后,对京东商城评价数量排名前20位的不同品牌型号的洗衣机的数据进行分析,发现50%的洗衣机价格变动与在线评论之间存在相关性,而30%的洗衣机价格在半年之内无明显的变化。论文使用数理统计的方法对评论数据包括商品价格、评论者等级、评论日期、购买日期、评论心得以及商品得分等数据间关系进行挖掘分析,得出结论。在线评论作为消费者与消费者之间、消费者与卖家之间沟通的一个重要内容,也是商品页面的构成模块,从大量的评论数据中提取出有用信息对理解消费者评论内容的规律和推动电子商务的良性发展,都具有重要的意义。研究方法可推广到对同类产品的研究,研究结论可为电商企业定价和网购消费者购买提供决策参考。