随着市场经济贸易和科学技术的发展,以及消费者需求的不断变化,市场竞争越来越激烈。产品销量预测成为企业日常经营必不可少的一步,通过对产品销量的精准预测,可以帮助企业巩固市场定位,并在库存管理等方面提供决策支持,使企业更好地把握并应对消费者对产品的需求进而增加企业利润。同时,随着时代的不断发展,互联网成为人类日常生活中的重要工具,越来越多的交易形式已经由线下转为线上,大部分消费者会通过搜索引擎搜索与产品相关的信息并在相关网站上发表自己的评论观点。而在不考虑互联网信息对产品销量影响的预测问题研究中,研究者通常采用产品的历史销量数据及一些产品本身的属性指标进行预测。鉴于此,有必要进一步探究基于在线评论及相关信息的产品销量预测方法的研究框架,并研究相应的产品销量预测方法。新的预测方法不仅在研究领域带来创新,打开新思路,帮助理论研究与时代及市场实体经济问题融合;更是能够将理论与实践结合,在实际市场经营中,为企业提供更好的预测方法,帮助企业做出更好的决策。本文对基于在线评论及相关信息的产品销量预测问题进行了深入的研究,针对现有研究的不足之处,从以下几个方面开展了主要的研究工作:（1）提出了基于在线评论及相关信息的产品销量单一预测方法。通过分析在线评论及其各项指标、产品相关网络搜索数据对产品销量的影响,提出了基于扩展情感词典的在线评论情感分析方法、BPI指数计算方法,并基于Bass预测模型特点,构建基于多类数据的产品销量单一预测模型。（2）提出了基于在线评论及相关信息的产品销量组合预测方法。考虑到多类数据与预测值的相关性,以及单一预测模型线性特征和非线性特征对产品销量预测结果的影响,分析基于在线评论及相关信息的组合预测方法对产品销量的影响。并基于筛选出的相关数据,构建基于在线评论及相关信息的产品销量组合预测模型。（3）给出了基于在线评论及相关信息的产品销量单一及组合预测方法的应用研究。以大众汽车的产品销量预测为例,验证了提出的预测方法的准确性。实验结果表明,在线评论及相关信息能够影响产品的销量,组合预测模型的准确度高于单一预测模型。使用融合在线评论及相关信息的组合预测方法,能够更加准确的对产品销量进行预测。