随着互联网的发展,线上购物被越来越多的人选择,随之而来的,在线数据逐渐成为识别客户需求的来源,针对于在线数据的研究变得越来越多,但是与此同时,如何准确又快速的从在线数据中识别客户需求成为了时下研究的热门。目前的市场性质随着经济的发展逐渐转变为以客户为中心的模式,如何快速的响应客户需求是研究人员面临的重大难题。客户需求多样性和需求变化越来越快,对于企业想要获得更多客户的最重要的手段就是缩短产品研发周期,及时投入市场,满足客户需求的时效性。产品迭代成为解决目前客户需求多样性和快变性的手段,因此如何从在线数据中识别客户需求并进行产品改进设计成为研究者们面临的问题。本文提出一种基于多源在线数据的产品配置改进设计方法,该方法主要包括客户需求识别和从客户需求到产品配置的智能映射两个步骤,最后将本文的方法应用到智能手机的产品配置改进设计的实例中。本文的主要研究内容如下:（1）提出了基于待研究产品和竞争产品的在线评论进行客户需求识别的方法。首先利用客户的在线评论数据,使用词频统计的方法提取客户所关注的产品特征词;其次采用基于情感词典的情感分析方法进行在线评论的情感分析;之后基于消极评论识别出新兴的客户需求作为产品配置改进的依据;基于竞争产品的积极评论识别出目前市场的客户需求情况。最后基于提取的产品特征词和情感分析结果,将非结构化的在线评论数据转化为结构数据,并以此为基础进行新兴客户需求到产品配置的映射。（2）提出了基于多源在线数据的产品配置改进方法。通过分析竞争产品的历史交易数据,了解了目前市场上对于具体的产品属性选项的需求情况,以此为基础得到了产品属性选项的市场占有率作为可行产品配置计划生产的参考数据。通过分析消极评论获得新兴客户需求,作为产品配置改进计划选择的依据,使用竞争产品的积极评论数据提取的客户需求构建智能分类器的训练集,最后使用一种广泛使用的智能分类器-支持向量机来进行新兴客户需求到产品配置映射的过程,选择出最终的产品配置改进计划。（3）给出了基于多源在线数据的产品配置改进设计的应用案例。以智能手机为研究对象,通过华为手机作为研究对象,采用所研究的4款华为手机的在线评论数据和25款竞 争产品的在线数据,使用本文提出的基于多源在线数据的产品配置改进方法进行智能手机配置改进设计,通过使用文中提出的方法,得到12种可行产品配置计划,之后通过新兴客户需求映射,获得6种最终的产品配置改进计划,得到的这6种最终产品配置改进计划满足了市场90%的客户需求。通过验证和分析应用研究的结果,证明了本文所提研究方法的实用性和准确性。