由于企业的成本预算和资源有限,企业必须有效地挖掘其产品的顾客需求,确定顾客需求的优先级,并适当分配资源,提高客户满意度,才能在激烈的市场竞争中胜出。传统上,企业通过调查问卷或者访谈等方式获取用户的需求数据,但这种方式费时费力且不完整、不客观、时效性低。随着信息技术和互联网的发展,互联网上产生了用户关于产品的海量评论数据,为企业了解用户需求提供大量有价值的信息。从在线评论中挖掘顾客需求,并将其应用到产品的设计中,存在三个主要问题:如何快速准确识别用户需求、如何识别哪些需求是关键需求以及如何将用户需求应用于产品的设计过程,将需求转化为用户需要的产品。针对上述问题,本研究提出基于用户评论数据的需求识别、分类、重要度排序和转化的方法,首先,对手机产品的在线评论进行数据挖掘,进行层次化需求识别。针对评论文本非结构化的大规模数据,采用无监督机器学习的LDA模型对需求主题词进行识别、归纳,进而采用Word2vec对主题进行拓展,应用k-means算法对拓展主题词进行聚类,实现了从在线评论中准确识别用户需求。其次,基于产品特征词典和SO-PMI算法拓展的情感词典对情感-特征句进行识别,采用深度学习的BERT模型与其他常用分类算法进行情感分类对比实验,应用情感分类结果,对各需求情感强度计算方法进行定义及计算。然后,基于情感分析结果和评论文本数据,提出将评论文本数据与Kano模型相结合的方法,得到各需求的Kano分类及初始权重,进而结合历史时期演化过程对初始权重加权,实现了不同需求重要性排序。最后,提出采用关联规则的Apriori算法计算用户需求与产品技术特性的关联度,将其作为HOQ需求特性关联矩阵的参考,通过对小米11手机产品进行实证分析,验证本文所提方法的有效性,明确手机产品用户需求、需求重要度和功能特性改进重点,为手机产品改进和设计提供参考。