互联网的快速发展促使许多垂直网站、产品论坛与问答社区的诞生,在这些平台中消费者可以自由地表达意见,留下包含用户需求的评论,企业也可以通过这些平台更好地了解用户需求。然而,对于线上评论数据挖掘存在挖掘结果颗粒度较粗糙、需求的处理提炼分析与产品特征属性难对应、处理结果对企业实际生产活动指导性差等问题。因此,高效挖掘用户的真实需求、并将需求与产品性能准确对应的问题,逐渐引起了学术界的关注,学界提出了多种需求分析方法,但针对新兴行业新能源汽车的需求分析研究领域还存在空白。基于此,本研究提出了一种以情感分析为基础结合KANO模型的需求分析方法,以此为基础提出产品改进策略。首先,本方法对产品在线评论的文本进行预处理和有用性评论的筛选,并使用YAKE,Text Rank及Word2vec三种关键词提取算法组合构建产品属性特征词词库;之后,对已得到的文本进行情感分析,在对有用性评论进行情感强度赋值的过程中将Fast Text机器学习算法和程度副词词典相结合,通过特征词词库与有用性评论情感强度进行匹配,并结合KANO模型,通过满意度筛选矩阵,对产品属性进行初步筛选;然后,本方法构建了产品迭代指标,其过程中主要是基于产品属性满意度和重要性、竞品满意度比较分析,得出产品属性需提升的程度,以产品迭代指标为基础提出了产品迭代属性优先级的计算方法;最后,对用户负面评价数据进行挖掘分析,以获取最终用户需求列表,根据用户需求提出产品改进策略。本文以理想ONE汽车的口碑评论为案例研究对象,根据其评论的分析结果得出改进策略。本文的研究结果不仅能为以新能源汽车为背景的用户评论挖掘分析提供方法参考,还能为企业识别用户需求、产品待改进点提供辅助决策支持。