Web2.0的兴起为广大用户提供了表达自己观点的平台，越来越多的网络留言和商品评论遍布着我们的网站。这些评论不仅仅有助于顾客了解产品和服务的口碑，帮助做出可靠的决策，还可以作为反馈机制帮助生产商和销售商提高产品质量，优化营销策略，从而提高竞争力。随着网络评论数量的飞速增长，信息内容也越来越庞杂，有用的信息掩埋在大量的、无用的、不相关的信息中，获取知识犹如大海捞针。同时，网络营销领域也急需有效的挖掘方法来提供可靠的挖掘结果，以便营销策略的制定和优化。如何借助一定的方法对产品评论文本进行挖掘，帮助卖家改进营销策略，已经成为当今研究的热门专题。本文的研究重点是基于内容分析法的产品评论文本挖掘，描述了文本挖掘现有的方法和过程，在原有方法的基础上提出了一些改进。同时，结合内容分析法对评论文本进行了量化分析，通过控制特征指标来观察因变量的变化，在众多的特征指标中选择出对销售量影响最大的因素，为卖家制定营销策略提供一定的科学依据。本文的主要工作有以下几个方面：（1）在大量阅读国内外文献的基础上，对内容分析法、文本挖掘、网络营销这三个方面进行了现状分析，指出内容分析法的定量分析特点可以对文本挖掘提供帮助；而文本挖掘中的产品评论挖掘又可以对网络营销策略提供帮助。这三者相辅相成，结合在一起可以高效的挖掘评论文本内容，同时挖掘结果又可以为网络营销服务。（2）总结了目前网络营销模式的特点及在web2.0新环境下面临的挑战。Web2.0给消费者提供了发布评论的平台，指出挖掘这些评论对于获取产品特征和顾客满意度的重要性，以及挖掘结果为网络营销等领域服务的必要性。（3）实现了评论文本挖掘的实验设计，选择淘宝网中销量最高的女装产品作为研究对象，挖掘出评论文本的特征指标，在matlab仿真系统下，对某一案例进行了独立观测试验和回归分析，给出了中小卖家在资金、人力、物流、服务等资源都十分有限的情况下网络营销策略的改进方案。（4）本文含有两个技术创新点，一是，在原有特征词提取方法的基础上改进了K-中心点算法；二是，结合内容分析法的特点，通过编码员培训和编码指标划分，确定了新的量化指标，对非结构化的定性评论文本进行了定量分析。