电子商务的快速发展以及Web2.0时代的到来,越来越多的顾客愿意在线分享他们的购物体验。这些在线客户评论作为消费者产品体验的一种反馈,包含了很多商品的隐性信息。无论对消费者、商家都有重要的价值。消费者可以通过查看客户评论信息,对几种产品的口碑进行比较,了解各个产品的口碑情况做出正确的购买决策；商家也可以通过分析客户评论不同因素对产品销售的影响,了解消费者的喜好,制定合理的销售策略。然而客户评论数量成千上万,形式又庞杂不一,消费者和商家不可能读完所有的客户评论再做决策,因此,如何有效地挖掘和分析客户评论对产品口碑和销售的影响是很有必要的。首先,本文依据客户评论信息,提出了一个新的多产品口碑比较排序方法。即先利用产品两两间的对比投票信息计算各自的相对口碑,再采用贝叶斯平均方法修正原始客户评分打分人数不均衡的问题,然后将二者结合得到产品的总口碑,进而对多个产品的网络口碑进行比较排序。实验数据采自第三方点评网站中的产品对比投票数据,实验结果表明本文提出的产品口碑排序方法具有较高的支持度,且与产品销量的排序相关性最高。进一步,本文针对客户评论的文本内容提出了一个量化方法,然后综合考虑各种因素并利用回归预测模型,定量分析文本评论、客户评分、评论数量以及产品价格、关注度等因素对产品销售的影响。实证研究发现,考虑文本评论因素时,回归模型总体拟合度有显著提高,同时发现产品的文本评论、客户评分以及评论数量均会对消费者的购买决策产生影响,且客户评分的影响要大于文本评论。最后文章通过对产品特征评价意见的情感倾向性分析,挖掘和分析了影响产品销售的优势和劣势特征。本研究的结果对消费者选择口碑较好的产品有着重要的参考价值,同时对商家依据网络客户评论制定合理的营销策略有着重要的启示作用。