在技术变革和市场需求不确定的环境下,产品创新是企业保持发展和增加竞争力的核心关键,而产品迭代式创新方式改变了传统的产品研发流程。借助快速发展的信息通讯技术,企业搭建了自己的在线社区。借助在线社区,用户可以参与到产品创新的过程中。这种开放式创新模式可以给企业带来源源不断的创意和创新来源,但是企业如何从持续生成的海量的用户生成内容中识别用户观点、需求、态度等信息以指导产品改进和产品创新,这不仅是企业所面临的难题和挑战,也得到了学术界的重视。学界提出了多种社交媒体挖掘方法,但是如何从大规模社交媒体数据中系统地识别产品机会,并且在快速变化的产品环境中进行动态用户需求分析的研究还比较少。基于此,本研究提出了一种社交媒体挖掘方法,通过事件检测和跟踪（EDT）算法、情感分析、机会算法来识别随时间变化的产品机会,从而进行产品改进。该方法将基于信息老化理论的EDT算法应用于UGC,以检测用户所表达事件的创建,并跟踪这些事件的成长和消亡。通过EDT算法识别的事件可视作描述相似产品功能点的集合,关键词能代表产品功能的某个迭代方向。本方法进一步利用情感分析和机会算法对随时间演化的事件进行评估,并基于机会指数高的事件提供产品开发方向的量化线索。为了展示该方法的工作原理和挖掘过程,本研究以MIUI系统的迭代决策为例:（一）使用网络爬虫获取小米社区MIUI系统圈子下的建议帖子2584条,对数据清洗并进行预处理;（二）使用EDT算法检测和追踪MIUI系统事件的老化情况;（三）对存活事件展开关键词分析、重要度计算、满意度计算,并通过机会算法计算事件随时间变化的机会指数;（四）基于事件的随时间变化的机会指数,结合重要度和满意度指标绘制的机会景观图,给出MIUI系统产品迭代计划。通过分析发现,本研究提出的方法有助于从大规模用户生成的社交媒体数据中系统地识别产品机会,并可以用作在快速变化的产品环境中对不断变化的客户需求进行分析和实时监控。