以下文章来自知乎，作者Bill Tong。Bill Tong，上海交通大学管理科学与工程博士，曾出版《在线文本数据挖掘》一书。
基于文本挖掘的网络运营主要包括两类应用：第一种，是通过文本分析技术和传统统计分析技术的结合了解用户行为，一般称为在线文本分析的管理类应用；另一种，是将文本分析技术用于文本信息处理，将处理过的文本内容直接作为在线服务的输出结果推送给用户，也称为在线文本分析的内容类应用。本文首先介绍前者内容。
1
用户价值分析
用户的在线行为数据包括结构化信息和非结构化信息。结构化的信息对于用户需求的指代性已经非常明显，而这些信息往往与用户的显示需求相关性较强，例如：用户是否浏览过某个商品、用户对某个类别的商品的点击频率等。非结构化信息中，文本信息也蕴含着大量的用户需求相关的内容，这些内容与用户的需求关联比较隐晦，通常与用户的隐性需求更加相关。
很多情况下，用户通常还没有对某种产品或服务的产生具体的购买需求，但已经形成比较鲜明的消费偏好信息。网站可以根据这些偏好信息对用户进行产品或者服务的个性化推荐，激发出用户对产品或服务具体的购买欲望。
2
产品定价
基于文本分析对市场需求判断的实践在“体验性”商品的作用更为突出。“体验性”商品往往是独一无二的，在进行市场定价时很少有完全同质的商品可以进行参考。可以通过用户在线产生的文本内容中对用户对于特定内容的偏好进行分析，确定某件商品的市场潜力，以进行科学合理的定价。典型的场景有：酒店定价、娱乐项目定价、飞机航班定价、图书及音像制品定价、电影票价的折扣措施、制定卖场产品的促销计划等。
3
需求预测
根据在线平台的用户社交活动产生的文本数据，可以挖掘出不同地域空间的产品需求，更好地制定各个地域的产品库存水平。甚至，可以提前规划某个区域的产品物流任务，缩短物流配送时间。基于社交媒体的文本数据进行市场预测仍有很大技术应用潜力。
广义的需求预测还包括对证券市场中股票价格的判断。例如：很多网民会在金融论坛对上市公司的股票进行交流和探讨，这些文本内容蕴含了大量的二级市场中股民对于上市公司未来表现的情感态度。这些情感信息在宏观上可有效反映用户对证券产品的市场预期，从而影响公司股票的供需关系及相应股价的未来走势。
4
产品研发和改良
在线社交媒体（Online Social Media）中，用户经常会对产品或服务进行评价。这些评价内容也称为在线口碑（e-WOM）。通过对在线口碑的文本进行挖掘，可获得用户对产品或服务的主观情感态度。这些信息对于了解用户对当前产品的偏好极为重要：数据分析者可以清楚地知道哪些产品的特征是用户感兴趣的、另外哪些产品的特征是多余的、哪些产品的特征反而对用户体验起到负面作用。
基于对在线口碑的分析，产品经理可以更好地对当前产品进行综合客观的评估，可以有效地提出对产品的改进建议。一方面，可以增加消费者关注度高并有强烈需求的产品特征，另一方面，可以去除那些既消耗生产成本又不能增加消费者消费体验的产品特征。
5
客户关系管理
用户的情感信息可以帮助网站运营者以及进行在线销售的商家及时地发现用户对于当前产品的负面情感，更好地对在线销售的前、中、后等各个环节中出现的问题进行危机管理，尽可能地及时消除用户在体验产品和服务时产生的不满情绪，增加用户综合体验。在具体技术应用中，应当关注在线文本中用户关注的主要产品问题和问题的严重程度，同时，研究其与客户流失率以及用户购买转化率等在线平台关键运营指标的相关性，更有针对性地开展网络运营活动。
