据工信部统计,2019年第一季度中国移动互联网月活用户的规模达到11.38亿。用户对于互联网的依赖逐渐增强,这不但为移动应用市场带来了巨大的用户体量,也带来了十分广阔的发展前景。随着经济的快速发展和生活水平的不断提高,人们的消费需求也逐渐变得多元化,更加关注自身健康和运动。互联网环境下,许多用户会通过发表在线评论来表达对某项产品或服务的使用体验和需求,这些评论中往往包含了大量有价值的信息。但是由于这些文本信息是碎片化的、杂乱无章的,单纯地利用人工处理会耗费大量时间成本和劳动成本,因此可以运用文本挖掘技术对评论信息进行提取、归纳与分析,及时、准确地获取到用户使用体验的影响因素,使商家能够更加有针对性地改变营销策略,合理分配以及利用资源。本文首先系统地介绍了持续使用的相关理论及主要技术、在线评论相关研究的现状以及文本挖掘过程中所用到的主要技术;其次,将从APP Store以及安卓商店等获取的健身APP评论进行预处理,根据TF-IDF算法提取评论文本中高值特征词,随后将收集到的这类高值特征词进行了聚类处理和词频统计,依照处理结果总结出影响健身APP用户持续使用的相关因素,建立一个基于用户持续使用的影响因素模型。最后将模型进行实证验证,模型的验证使用的是问卷调查法,将收集到的调查问卷依次通过统计分析工具SPSS25.0的因子分析、信度分析、相关性分析和回归分析,根据实证结果对企业的开发和运营提供合理的建议。