Com o crescimento da Internet, tornou-se comum que as pessoas publiquem suas opiniões online. Compartilhamos diariamente nossas opiniões a respeito de tudo. A partir dessa ideia, surgiram os reviews de produtos online, onde, usuários podem publicar na Internet textos sobre suas experiências com produtos ou serviços. Reviews de usuários online ajudam futuros consumidores a tomarem uma decisão sobre a compra e podem também beneficiar os fornecedores do produto ou serviço. Entretanto, dos milhares de reviews publicados diariamente, seria interessante apresentar uma lista ordenada com os reviews mais importantes. A propagação de reviews inúteis ou com informações inexatas é outro problema para usuários e fornecedores. Para tornar a tarefa de ler reviews online mais agradável, foi desenvolvido um mecanismo em que os próprios usuários votam em reviews como úteis ou não úteis no processo de tomada de decisão de compra. Esse sistema está atualmente presente na maioria dos websites e é amplamente utilizado, porém não está isento de certos problemas. Algumas tendências a respeito do voto de utilidade de reviews online podem prejudicar a visualização de informações relevantes sobre o produto. Para resolver esse e demais problemas, é necessário entender o que torna um review útil. A partir desse conhecimento, é possível desenvolver um sistema que identifique as características de utilidade de reviews de forma automática. A proposta deste trabalho é analisar reviews de usuários online a partir de bases de dados reais e definir hipóteses acerca da utilidade de reviews. Com base nessas hipóteses, foi desenvolvido um modelo que prevê de forma automática a utilidade de um review de usuário online usando uma Rede Neural Artificial Perceptron Multicamada. Além disso, descobrimos a indicação de que certas características dos reviews afetam a percepção de utilidade e discutimos as aplicações e pesquisas futuras.