Web2.0环境下,企业与用户的关系日益紧密,合理利用用户的在线评论可以有效帮助企业识别用户的需求,促进产品改进,进而提高企业自身的资源配置效率和用户的满意度。传统顾客需求研究以用户访谈和专家访谈为主,且以定性研究为主(如Kano模型),为了弥补该不足,本文提出基于评论的时间有效性,从企业产品视角出发筛选有用评论并利用有用评论进行产品特征提取和情感分析,进而构建顾客需求识别和分类模型,主要研究内容包括以下几个方面:·从产品视角出发,提出评论时间有效性的概念,并构建基于时间有效性的评论有用性模型。将评论自身内容作为有用性评价指标并将评论分为两个阶段分别构建有用性筛选模型,综合运用指标评价和SKC聚类算法最终筛选出有用评论。本文以评论的时间分布均衡率和有用评论准确率为指标对分阶段模型与未分阶段模型进行比较发现,分阶段模型筛选出的有用评论在时间分布上较为均衡,并且在经过人工抽样审核后发现,筛选出的有用评论的准确率明显较高。·基于有用在线评论,通过文本挖掘扩展现有的产品特征词库和情感词库,并利用扩展的词库挖掘顾客需求。基于用户在线评论语料库和产品相关的文档信息训练Word2Vec词向量模型进而对基准特征词典和情感词典进行扩展。在完善现有产品特征库和情感词典的基础上利用依存句法分析和特征-情感规则提取特征-情感对,对挖掘出的产品特征进行细化归类进而识别出具体的顾客需求并得到对应需求的关注度和满意度。·提出PF-Kano模型以对识别出的需求进行分类。基于需求的满意度和关注度提出PF-Kano模型,并利用该模型进行需求分类。对比基于分阶段与未分阶段的需求分类建模结果发现,对评论进行分阶段建模可以有效地挖掘出魅力型需求与期望型需求。基于挖掘出的需求类别,结合QFD以最大化顾客满意度和最小化改进成本为目标求解出改进的工程特征值,进而为企业改进产品提供指导。