用户需求信息的准确获取是产品规划与定位的首要环节,对产品在市场上能否取得成功起着决定性作用。问卷调查或眼动实验等传统的获取用户需求研究数据的方式,在难易度、数量大小、研究成本以及研究结果的可靠性等方面均存在一定地不足,简单快捷准确地获取用户需求仍是该领域研究的目标,需要学者和企业用户研究人员的进一步探索。随着Web 2.0的发展,网络平台产生大量用户生成内容,是用户购买或者使用产品/服务后发表的个人观点,反映了用户的使用心得和真实感受与态度。基于其数据量庞大和获取便捷等特点,用户生成内容已逐渐成为需求研究的重要数据资源。为了弥补传统用户需求研究存在的不足,本文提出基于特征提取和情感分析的用户需求挖掘模型,主要研究内容包括以下几个方面:(1)评论有用性分类模型构建。基于产品视角,以用户需求获取为目的,进行在线评论有用性的分类。在文献研究的基础上选择有用性分类模型指标,综合比较SVM、KNN、决策树、随机森林等分类算法效果,选择随机森林作为分类模型的基本算法,基于训练集和测试集进行调参优化,构建最终的评论有用性分类模型。(2)隐式特征与隐式情感分析。本文提出新的隐式特征和隐式情感分析方法,基于显式特征情感句、隐式特征句和隐式情感句,结合特征词库、1V1/1Vn情感-特征规则库和Doc2vec语句相似度计算模型,根据提取规则进行特征-情感词对提取。汇总特征-情感词对提取结果,利用情感词库和程度副词极性值进行情感分析,获得用户对产品特征的情感态度。(3)用户需求挖掘与分类。基于特征提取与情感分析的初步分析结果,结合KANO模型建立用户需求挖掘规则,并综合考虑用户关注度和用户满意度,提出用户需求优先级的计算方法,获取最终的用户需求列表。结合用户需求类别和优先级,针对企业的产品设计或改进提出不同的建议。(4)实证研究与分析。本文选择华为运动手环为研究对象,利用爬虫技术分别获取该产品在电子购物平台和产品社区中用户评论作为数据集,进行用户需求挖掘模型的实证研究。基于两个数据集分别进行特征提取、情感分析、用户需求挖掘与分类以及优先级确定等问题的分析研究,并对实证结果进行对比,分析不同用户群的需求差异。实证研究验证了用户需求挖掘模型的可行性,研究结果表明:(1)基于产品视角的有用性分类模型的准确率和召回率均达到84%,模型效果优于其他分类模型;(2)本文在显式特征研究的基础上增加隐式特征与隐式情感的提取与分析,特征提取与情感分析获得的数据量提升了11.01%,提高了用户需求挖掘的全面性,进一步丰富挖掘结果;(3)不同类型的用户需求优先级不同,并且与用户关注度和用户满意度均存在关联关系;(4)电子购物平台与产品社区用户对功能参数、规格参数、外观、电池和APP的关注度都比较高,但是电子购物平台的用户更加关注产品的做工和价格,产品社区的用户更加关注显示屏的质量以及运动手环与手机之间的连接问题。综合以上实验分析结果建议企业综合考虑用户需求类型和优先级进行产品设计或者改进,针对不同的用户群制定不同的营销策略,以达到更好的营销效果,取得最大效益。