由于居民消费水平的提高,人们对生活质量的要求日渐提高。在这种情景下,信息技术的发展,互联网使用门槛的降低刺激了在线购物的发展,对与商家而言既减少了线下交易的成本,同时也节省了消费者时间。但同时在线购物的弊端即消费者不能像线下交易一样体验商品一直没能解决。在大数据时代为了更好的弥补这方面缺憾,在线产品评论作为消费者展示产品体验正好作为一个填充。在线产品评论既对能让消费者通过用户产品体验来更好地了解产品,同时也是消费者对产品做出的反馈。而时下,产品的定制化个性化的发展,市场跟随需求在变化。因此,为了能更好的从用户的反馈中识别出用户真正的需求,设计出更加符合需求的产品是商家亟需解决的。因此本研究基于outlier视角,选取市场量巨大的汽车在线评论作为源数据进行分析,致力于研究在线评论与产品质量之间关系,更好的促进商家进行新产品设计,了解消费者需求。构建了在线汽车评论outlier识别模型,通过标签云来更好地展示消费者对产品的关注点,利用社会网络关系对产品属性名词进行outlier识别,更好的展示产品属性之间的关系;然后在相似度聚类的基础上进行文本分类和验证outlier。Outlier是离群数据剔除噪音的有价值的数据,通过对outlier的分析,能更好的挖掘出在线产品评论与产品质量的关系,对于商家来说能够更好的挖掘出消费者的需求,设计出更适合消费者的产品;对于消费者而言也能提升产品体验。同时这既是更好的对人类行为模式的剖析,也为以后在线评论研究提供了新视角,同时也奠定了理论基础,具有重要的借鉴意义。