随着互联网技术的进步,服装直播电商应运而生。直播的方式为传统服装营销扩展了新的道路,促进了服装行业的改革与转变。面对多元化的直播模式,消费者的购买需求和意愿也相应地产生了变化,需要对其重新进行探究。但目前关于直播电商模式下消费者购买意愿的研究存在的问题主要为:以主播、平台等单因素作为研究对象,没有考虑多元化因素对消费者的影响;研究的数据来源主要为问卷调查和深度访谈,该方法易受到设计人员思维的干扰;部分研究以商品评论为研究对象分析消费者购买意愿,但商品评论是消费者购买后产生的评价信息,具有一定的滞后性,反映的是历史兴趣和偏好,这与服装产品的流行性、时效性以及消费者不断变化的需求不匹配,从而导致分析出来的结果与真实的选择行为间出现偏差。故对直播电商模式下服装消费意愿进行研究具有现实意义。本文通过调研发现弹幕是消费者在直播间氛围影响下实时发布的评论,是快速迭代和无限接近真实需求的消费者信息数据。因此,本文通过爬取直播间的弹幕数据构建弹幕文本多标签分类模型,实现消费意图的自动化识别,并通过案例分析,以质量功能展开方法（QFD）将消费需求转化为直播间策划要素,为直播间方案设计的优化提供一种新的思路。研究的主要内容及结论有以下几个方面:（1）引入uiautomator2自动化测试工具,通过ADB与实验设备建立通信,借助WEditor元素定位工具分析和指定爬取区域,利用构建的Xpath查询语法来获得弹幕文本数据,实现对服装直播间弹幕的实时爬取,并以此构建服装直播领域的弹幕语料库。（2）随机爬取抖音平台上的服装直播间弹幕文本,建立基于卷积神经网络的弹幕文本多标签分类模型,实现消费意愿的自动识别。该模型的准确测度值为86.9%。同时进行算例分析,研究发现消费者在观看服装电商直播时最关注的是服装属性,其次是直播间特征属性,再是主播属性。故不论是传统的营销方式还是新兴的直播营销方式,服装企业都应明确其经营之道应是“以衣为本,以人为本”。（3）以A品牌为样本对象,爬取其直播间实时弹幕,应用分类模型自动识别消费需求,通过质量功能展开法（QFD）将消费需求转化为直播方案策划要素,并提出直播间优化方案。最后采用情景实验的方式对改进结果进行验证,发现优化效果较好,该方法具有一定的可行性和较好的推广性。