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 dessas opiniões, 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, como milhares de reviews são publicados diariamente, seria interessante apresentar ao usuário uma lista ordenada com os reviews mais importantes. A propagação de reviews inúteis ou com informações falsas 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 presente atualmente na maioria dos websites e á 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 problema é necessário entender o que torna um review útil e, a partir desse conhecimento, desenvolver um sistema que identifique as características de utilidade de reviews de forma automática. Este trabalho descreve um estudo sobre os fatores que contribuem com a percepção de utilidade de reviews online, que inclui um modelo de regressão utilizando aprendizado de máquina supervisionado. Diversos experimentos foram realizados para definir melhor topologia das Redes Neurais (MLP e RBF), bem como para determinar as melhores features. Os experimentos utilizaram dois Corpora nos domínios de e-jogos e smartphones. Os resultados indicam que a reputação e a expertise do autor, as opiniões e o tamanho do texto são as características mais importantes para a percepção de utilidade de reviews.