Identificar y clasificar con precisión los requisitos de los clientes es crucial para el diseño exitoso de productos. Sin embargo, los métodos tradicionales para la clasificación de requisitos, como los modelos Kano basados en cuestionarios, pueden ser lentos y es posible que no capturen todos los requisitos con precisión. Analizar grandes volúmenes de opiniones de usuarios utilizando técnicas simples de procesamiento de lenguaje natural también puede resultar en problemas de precisión. Para abordar estos desafíos, proponemos un marco que combina modelos pre-entrenados (PTMs), modelos Kano y la técnica de análisis de sentimientos. Nuestro enfoque integra un modelo LDA-K-Means mejorado por el PTM ERNIE para identificar temas de características del producto dentro de las opiniones de los usuarios. Luego, se realiza un análisis de sentimientos utilizando el PTM SKEP afinado para evaluar la satisfacción del usuario con las características. Finalmente, se aplica el modelo Kano para realizar la clasificación de requisitos. Evaluamos nuestro marco cuantitativamente, demostrando su rendimiento superior en comparación con los modelos base. Nuestro modelo de análisis de sentimientos también supera a los otros modelos base. Además, un estudio de caso sobre teléfonos inteligentes ilustra la efectividad de nuestro marco. Los resultados de esta investigación sugieren que aprovechar un PTM adecuado puede abordar mejor el problema de la clasificación de requisitos en análisis de opiniones de usuarios, lo que conduce a un diseño de productos mejorado.