由于现代信息技术的蓬勃发展,产生出了十分具有潜力的电商产业,以其低成本、快收益的性质使得越来越多的人从事其中,竞争压力也日益增大,商家要想从中脱颖而出,只有准确把握消费者的需求才是出路。现今,越来越多的消费用户在电商平台上进行网络购物,他们在平台上留下了大量蕴含着丰富实用价值的用户评论信息,如若能对其进行准确挖掘,商家便能快速了解用户心声,把握用户对本产品的关注点和需求点,从而提升自身的竞争力。因此,本文以京东商城的电热水器行业为例,通过数据爬取、数据预处理、用户评论情感分析以及主题分析几个部分来研究分析用户评论对品牌商家的应用价值。本文首先借助python网络爬虫技术在京东商城上爬取了多家电热水器商家的用户评论数据。其次,本文构建了多个情感分类模型。针对爬取到的用户评论数据,进行了数据去重、去噪等多项处理,同时借助结巴库对预处理后的评论文本进行中文分词,并利用gensim库中的Word2Vec模型进行中文词语向量化,以作模型输入;然后,从传统机器学习和深度学习两个方面分别构建多个情感分类模型,前者包括朴素贝叶斯、随机森林、支持向量机模型,后者包括长短时记忆神经网络（LSTM）、门限循环单元网络（GRU）以及变体模型Bi-LSTM、Bi-GRU,根据在相同数据集集上的拟合,训练出各自参数最优的模型,并借助多个分类评估指标进行模型分类效果对比,以最高准确率AUC选出了最佳的LSTM模型并利用最佳模型对新的评论数据进行了外推预测。紧接着,进行了LDA主题分析,分别对美的、海尔两大品牌用户好评和差评数据进行了高频关键词词频统计,并借助词云图直观的展示出重点关键词,然后构建LDA模型,挖掘出好差评中的潜在主题,并对潜在主题进行归纳概括,分析出各品牌的营销重点,并在此基础上给出了一些可行性建议。最后通过对全文工作结果进行总结,得出以下研究结论:（1）在电热水器用户评论情感分类方面,相比于传统机器学习算法模型,现代深度学习模型在情感分类上的效果更好,准确率最高达到0.95;（2）本文所构建的情感分类模型在外推预测上的效果也不错,可以帮助商家快速把握用户对产品的情感倾向;（3）对电热水器用户评论进行主题分析发现,两大品牌评论中出现较多的主题体现在产品的质量、包装、价格、售后以及物流等方面,占据较高的权重,体现出了用户对电热水器产品的关注点和需求点,商家需要重点提升产品质量,合理定价,严格安装师傅及客服的专业水平考核。