La tarea de clasificación de reseñas de clientes de múltiples etiquetas tiene como objetivo identificar los diferentes pensamientos de los clientes sobre el producto que están comprando. Debido al impacto de la pandemia de COVID-19, los clientes se han vuelto más propensos a comprar en línea. Como consecuencia, la cantidad de datos de texto en el comercio electrónico está aumentando continuamente, lo que permite llevar a cabo nuevos estudios y obtener hallazgos importantes con un análisis más detallado. Hoy en día, las reseñas de clientes en el comercio electrónico son analizadas tanto por investigadores como por expertos del sector, y son objeto de muchos estudios de análisis de sentimientos. Aquí se realiza un análisis de las reseñas de clientes para obtener pensamientos más profundos sobre el producto, en lugar de participar en un análisis basado en emociones. Inicialmente, formamos un nuevo conjunto de datos de reseñas de clientes compuesto por reseñas de consumidores turcos para llevar a cabo el análisis propuesto. El conjunto de datos creado contiene más de 50,000 reseñas en tres categorías diferentes, y cada reseña tiene múltiples etiquetas según los comentarios de los clientes. Posteriormente, aplicamos métodos de aprendizaje automático empleados para la clasificación de múltiples etiquetas en el conjunto de datos. Finalmente, comparamos y analizamos los resultados que obtuvimos utilizando un conjunto diverso de métricas estadísticas. Como resultado de nuestros estudios experimentales, encontramos que la Precisión Micro 0.9157, la Recuperación Micro 0.8837, la Puntuación F1 Micro 0.8925 y la Pérdida de Hamming 0.0278 son los enfoques más exitosos.