潜在消费者希望从在线评论中寻找有质量的决策辅助信息,汽车生产企业希望借助在线评论进行网络营销,而评论网站需要建立一套旨在提高在线评论质量的评价机制和评价体系。但是在线评论质量尚未形成科学统一的评价标准,在线评论质量的评价指标和影响因素尚需改进,在线评论质量对消费者购买意愿的影响机制及间接促进产品销量的机理尚不明晰。本文在对已有文献和理论进行回顾和梳理的基础上,基于精细加工可能性模型和统计分析方法,归纳了在线评论的统计特征;结合主题挖掘模型和机器学习算法,提取了在线评论的主题特征;根据统计特征和主题特征,获得在线评论质量的评价指标,并应用回归分析方法研究在线评论特征对评论质量的影响;通过结构方程模型研究在线评论质量对消费者购买意愿的促进作用,基于机器学习和深度学习算法构建汽车销量预测模型,考察在线评论质量影响下的模型预测效能。通过以上研究,得出如下结论:（1）在线评论的统计特征分析表明,经济发达地区的评论数占比明显高过人口数量占比,经济发达省份或人口大省对新能源汽车的接受程度更高,发布新能源汽车评论的意愿更强烈。在时间维度上,在线评论发布数量和车辆购买数量基本保持相同的增长或回落轨迹,但是评论发布数量有明显的滞后周期。在频次维度上,消费者从购买汽车到发布评论的时间间隔平均为115天,其中高档车型的时间间隔高于平均值,中低档车型的时间间隔低于平均值,总体上新能源汽车评论的时间间隔相比燃油汽车更加集中。购买中档新能源汽车的消费者对于购车用途的要求最多,购买高档车型的消费者购车用途要求最少。（2）在线评论的主题特征挖掘表明,不同车型档次的消费者在线评论内容中,既有“新能源特征”、“基本功能”、“品牌特征”等相似的讨论主题,也有“横向比较”、“个性配置”等差异化的讨论主题。不同地区的消费者在线评论所关注的重点也有所不同。如东北、西北和华北地区的消费者特别关注“冬季电池性能”,华东地区的消费者比较关注“新能源特性”和“智能化”主题。而所有地区消费者共同关注的主题有“空间”和“外观”。此外,在线评论中的高频关键词涵盖了主题挖掘所获得的所有主题词,这也为评论主题的量化以及参与评论质量的评价提供了较好的解决思路。（3）在线评论的质量评价研究表明,各项在线评论质量评价指标对质量得分的贡献程度并不相同,少量指标占据多数权重。评论质量在得分区间和时间跨度上较多呈现出长尾分布,其中,低档车型的评论质量得分最趋于一致,分散程度最低,而中档车型的评论质量得分最分散,离散程度最高。多数在线评论统计特征对评论质量有比较显著的影响。（4）在线评论质量的销售预测效能研究表明,评论质量对消费者购买意愿有正向的影响。多数车型的月度销量和评论质量得分月度走势曲线吻合度较高。基于CNN＿LSTM模型、LASSO回归模型和支持向量机模型的汽车销量预测研究结果表明,各模型对新能源汽车销量预测效果良好,其中CNN＿LSTM模型的预测准确性最高。结合以上研究结论,本文对在线评论网站提出丰富汽车性能打分维度、完善在线评论发布规则、优化在线评论推荐机制等对策建议;对新能源车企提出强化网站的沟通合作、关注负向评论的反馈、重视高质量负向评论的处理、发掘销量预测的价值等对策建议。