在当下互联网飞速发展的情况下,在线社交媒体不断涌现,用户拥有了更多表达意见的载体。这些社交媒体上用户关于产品的评论是极具研究价值的数据,成为互联网环境下企业洞察用户需求及意愿的重要渠道。在汽车持续消费升级,积极数字化转型的当下,汽车厂商开始关注到通过在线评论内容挖掘用户需求知识,以支持汽车产品优化决策。然而海量的在线评论数据造成严重的信息过载,为企业快速发掘用户关键需求及需求管理带来了较大的困难。本文旨在其提供一个从在线评论识别用户需求与产品优化辅助决策的方法,通过构建全新的需求优先级评估管理方案,从顾客满意度出发对需求进行分类和优先级排序,进一步的,研究辅助产品优化决策方法。最后,通过对传祺GS4车型论坛口碑数据进行实例分析,验证了方法的有效性。具体研究内容如下:（1）基于特征观点匹配模式的需求识别。针对汽车在线口碑文本的特点建立包含汽车产品特征词典与观点相关词典、否定词词典、程度副词词典及特征观点匹配模式的语义词库,在此基础上实现对汽车口碑文本中对特征与观点的提取,再依据对表达中的特征观点匹配模式的分析结果,进行用户的基本评价单元“特征-观点对”的识别,以挖掘用户需求;（2）基于情感声量的关键需求识别。首先对已获取的用户需求-“特征-观点对”进行情感倾向分析,然后定义了声量!,满意度!和群体负面情感倾向值!三大指标,分别计算出对应特征的声量水平和用户对该特征的平均满意度,再通过二者计算出群体负面情感倾向值即用户对该特征关注且不满意对倾向程度,通过识别用户关注而不满意的特征依据它进行关键需求提取;（3）基于定量化卡诺模型的需求分类以及产品辅助优化决策方法。研究通过改良的定量化卡诺模型对已识别的关键需求进行分类,再通过拟合Kano模型函数找到需求特征的满意度提升效率和对应需求特征的初始平均满意度两个关联需求优先级的参数,提出较客观合理需求优先级排序方式。然后通过对优先级高的需求单元定位至原始口碑评论文本的单个句子,补充当前需求信息,以达到辅助优化决策的目的。本文通过对基于在线评论识别用户需求与产品优化辅助决策的方法的研究,丰富了对评论文本需求挖掘过程与需求优先级评估过程中中文本处理方法和相关权重量化方法研究。在实际应用上,本文的研究也可以在一定程度上为企业提供产品辅助优化决策的思路,以指导企业的产品优化决策与市场竞争策略。