客戶大數據為企業提供了新的機會，以探索滿足客戶需求的價值。一般情況下，它們是以購買記錄、上網搜索等在線行為之形式而呈現的。消費者對在線産品和信息市場的積極參與創造了豐富的數據來源，如此豐富海量的數據不僅可以發現業務信息，估計業務數據，還能幫助工程設計研究人員開發新産品，還能使企業管理者能夠更好、更實質性地了解營銷活動在銷售産生過程中的作用。
在線熱搜與業務發現
伴随着大數據技術的發展，無論是商業精英還是科學研究人員都會面臨着越來越多的數據，這為創新和生産力提供了巨大的機遇，也意味着不同學科的數據研究面臨着各種各樣的新的挑戰。
客戶大數據為企業提供了探索滿足客戶需求價值的新機會。一般情況下，它們是以購買記錄、上網搜索等在線行為之形式而呈現的。然而，大數據的體積、種類、速度和價值或所謂的“4Vs”的顯著特征，導緻許多傳統的“客戶理解”之方法或許無法處理這些數據。一個非常具有現實意義的顯著的研究空白是，開發一個框架來處理客戶大數據，從而理解CRS（客戶需求）。
現在，如何分析客戶大數據成為一個熱門話題，那些擁有管理非常龐大的消費者數據集的工作有着非常高的要求，也有着非常大的意義。
有的研究顯示了對品牌名稱的搜索，在解釋混合動力汽車銷量方面具有重要意義；有的研究利用搜索引擎查詢量，預測了故事片首周末票房收入、視頻遊戲首個月銷量以及公告牌百強排行榜歌曲排名；還有的研究分析了電影的感知質量和質量不确定性與這些電影的搜索量(無論是投放前還是投放後)之間的關系，發現兩者之間存在正相關關系。同時，有的研究使用谷歌趨勢數據分析股市變量，發現标普500公司的周交易量與公司名稱的周搜索量相關；有的研究發現，在羅素3000支股票的樣本中，搜索量可以衡量投資者的注意力；還有研究基于搜索量數據，提出了一種衡量法國投資者情緒的新方法。
研究發現，一家企業的搜索引擎查詢數據與該企業的業務績效以及位勢數據之間，存在顯著的統計相關性。一般來說，處于更好的商業地位或表現更好的企業，谷歌搜索中搜索越多。因此，該研究認為，可以使用搜索引擎查詢數據來發現業務信息，并且可以使用搜索量數據來估計業務數據。
加拿大西安大略大學的一項研究，選擇了一組美國公司，收集了它們的業務表現和業務位置數據，然後在Google趨勢中搜索公司名稱，并在全球搜索和美國國内搜索兩種情況下記錄搜索量數據，進而進行了相關的測試，以确定搜索引擎查詢數據是否以及如何與各種業務能力和位勢變量相關聯。最後，比較了來自世界各地的數據和國内數據的相關系數，以确定哪種類型的搜索量數據在發現商業信息方面更有用。
研究發現，搜索量數據與業務表現和職位數據之間存在顯著的相關性，這表明搜索引擎查詢數據可以用于發現業務信息。通常地，處于更好商業地位或表現更好的企業的“谷歌搜索”次數越多。進一步地，該研究認為，不僅可以使用搜索引擎查詢數據來發現業務信息，并且可以使用搜索量數據來估計業務數據。
然而，應當指出，類似的研究僅限于一個國家，并以一年的數據為基礎，其結論是否可以推廣到其他情況尚不清楚，需要進一步的研究來确定。然而，目前研究的結果與先前的網絡計量學研究結果相一緻，後者發現了商業業績數據與鍊接數據以及網絡流量數據之間的相關性。這一相似之處使目前研究的結果更具說服力。此外，它還表明Google趨勢為網絡計量學研究提供了一個很有前途的新數據源。
諸如此類的研究的意義是雙重的。在理論層面上，研究表明，搜索量數據和網上行為數據不是混沌的、無意義的，而是有模式的，因此可以對有關數據源進行挖掘，以獲得有用的信息。在實踐層面上，研究結果表明，可以使用搜索量數據和網上行為數據來估計業務表現和位置數據。
網絡評議與新品開發
如今，意見數據不時在網上生成，并以各種形式呈現，如客戶評論、推特和博客。這些意見數據揭示了消費者的主要需求。在市場驅動的産品設計中，特别是在有競争力的産品存在的情況下，從大的消費者意見數據中推廣滿足顧客需求的産品和服務的能力在這當中起着重要的作用。其核心是從産品設計者的角度對大意見數據進行深層次的理解，這意味着有效的處理和分析消費者意見數據已成為市場驅動設計的迫切和高度需求。
在過去，如果設計師想要推出一種新的模式，客戶需求(CRS)是通過訪談、問卷調查或調查來收集的，而這些通常都是費時費力的。如今，大量的消費者意見數據普遍存在于推特、博客和産品評論中，它們反映了消費者的興趣。這些數據使設計師能夠獲得CRS，監控消費者的興趣趨勢，并與同類産品進行比較，從而幫助設計師改進他們的新産品，并相應地對消費者做出反應。
因此，探索大消費者數據的價值，使産品實現CRS具有重要的價值。事實上，市場驅動的産品設計研究在客戶管理或工程設計領域得到了研究者的青睐。他們關注的問題往往包括對CRS的描述、将CRS轉變為質量功能部署(QFD)，以及CRS的相對重要性。然而，傳統的客戶理解方法通常隻處理有限的客戶關切。這些關注通常在短時間内從有明确目的的表格或調查表中收集，隻涉及少數消費者，并建議他們作出反饋。
盡管如此，與傳統的客戶調查數據相比，大型消費者意見數據呈現對比和區分特征。例如，大量的在線意見被發布在電子商務網站上，如Amazon和Taobao，沒有任何目的性的指向。在這些網站上，客戶不時地分享他們的意見往往備受鼓勵。除了電子商務網站，諸如Twitter等社交網站、Epinions等評論網站、Cnet等媒體網站中也有消費者意見數據。在這些網站上，各種格式被統一，這有助于消費者清楚地表達他們的關注。
然而，這些數據對潛在的消費者和産品設計者來說并不同等重要。有些評論可能很長，描述了許多細節，而另一些評論可能很簡短，但指出了一些批評意見。一般來說，這些特征被稱為體積、多樣性、速度和價值，或所謂的“4V”，它們是大數據的典型特征，這些特征使在線消費者意見數據成為大數據的一種典型類型。在客戶管理或工程設計的領域中，“4V”超越了許多傳統模型在市場驅動的産品設計中對CRS的分析能力，後者是基于有限的客戶調查數據構建的。目前還沒有專門設計的算法來幫助商業管理人員、工程研究人員以及數據科學家從觀點大數據中有效地理解CRS。
西安大略大學的研究從設計師的角度對市場驅動的産品設計中大量的消費者意見數據進行了分析。其目的是強調在設計共同體中引入大數據的必要性。它涉及如何獲得大量的CRS，如何從産品設計人員的角度分析這些在線客戶關切，以及這些結果将如何使設計人員受益于市場驅動的産品設計等。特别地，作為一種重要類型的消費者意見數據，在線客戶評論被進行了考查。首先，在基于認知語言學的英語詞典——WordNet和利弊評測的幫助下，産品特性和情感極性從消費者意見大數據中被鑒别出來。基于經鑒别的産品特征和識别出的情感極性，采用卡爾曼濾波方法來識别CRS的趨勢，以幫助設計者識别CRS的潛在變化。有關研究将消費者意見大數據引入市場驅動的産品設計，展示了如何通過跨學科協作幫助設計師處理消費者意見大數據的可能性。
相關研究人員表示，在未來，有一些關鍵的任務需要進行，以挖掘消費者意見大數據價值以進行市場驅動的産品設計。例如，如何從某一特定産品的消費者意見數據中生成簡短但有洞察力的總結，以及如何從消費者意見數據中抽取一組有代表性的評論語句，将有助于設計師以科學的方式獲得客戶的關注。
此外，考慮到客戶網絡的意見分析，包括如何發現誰是客戶網絡中的意見領袖，或者主導意見如何在網絡中傳播，是市場驅動的新産品設計中值得客戶理解的另一個有價值的研究課題。
在線追蹤與營銷策略
消費者對在線産品和信息市場的積極參與創造了豐富的次級數據來源，有可能幫助營銷人員更好地了解消費者和企業行為。經濟學家已經利用谷歌趨勢數據更好地預測了各種經濟活動，包括零售、汽車和房屋銷售。在市場營銷方面，研究人員已經表明，博客活動等在線行為與客戶獲取之間存在正相關。
把在線來源的次級數據納入現有的營銷模式，以便作出有意義的決策，這或許會有用，但是，亦會帶來各種挑戰，包括概念和方法方面的挑戰。随着新Web服務的出現，管理人員現在可以訪問大量的在線活動數據(包括持續時間和來源數量)。例如，在汽車工業方面，制造商已開始收集和歸檔關于對其車輛表示興趣的客戶的數量和特征的信息。盡管人們普遍認為這些數據具有價值，但尚不清楚這些數據包含哪些信息，或如何将其納入傳統的營銷組合模型，以便研究銷售、在線搜索和營銷組合活動之間存在的動态。例如，在使用Google趨勢和Twitter數據進行的上述研究中，在線搜索作為一個獨立的協變量被直接納入響應模型。不過，像是在汽車産業方面，這種方法可能會有問題，因為在線搜索很可能會導緻線下銷售；因此，可能會出現未被觀察到的共同沖擊，從而導緻線下銷售和在線搜索的變化。
美國印第安納大學的相關研究開發了一個營銷組合模型，該模型考慮了銷售和搜索同時生成的可能性。該模型的形式能夠推導出銷售的預測分布，條件是觀察在線搜索的同步實現。這一預測分布提供了一種理論上一緻的方法來預測現在，或“實時預測”，或者“尚未公布數據的當前事件的預測”。這種方法在汽車行業尤其有用，因為汽車行業可以實時獲得在線搜索數據，但實際銷售的報告可能嚴重滞後。因此，管理人員可以受益于在線搜索數據的監控，因為這為他們提供了一種預測當前和未來銷售的方法。這可以讓管理者實時了解營銷活動的有效性，因此，如果結果與預期不符，他們都有責任做出修改。
除了改進預測外，相關研究人員提出的模型使企業管理者能夠更好、更實質性地了解營銷活動在銷售産生過程中的作用。市場營銷方面的大量努力集中在了解營銷活動對銷售的影響，包括廣告與銷售之間的關系。然而，了解營銷活動對消費者搜索等非以銷售為基礎的措施的影響，在這篇文獻中得到的關注相對較少。
諸如此類的研究通過考慮潛在的銷售和搜索之間的同時關系，可以确定市場活動是否：(1)增加消費者對其他産品信息的搜索(即搜索升級);(2)導緻了将來可以實現的銷售的時間轉換（購買加速度);(3)對産品産生新的興趣(即興趣升級)。
具體的建模方法将離線銷售和在線搜索都視為因變量，它們反映了我們稱之為潛在興趣或興趣潛力的常見的、未被觀察到的結構。在這個定義中隐含的是，營銷活動可以有不同類型的影響：興趣産生、購買加速，或搜索升級。為了理解營銷組合活動的各種作用，在銷售—搜索關系中兼顧同時性，對現有的建模營銷組合效果的方法提出了各種各樣的挑戰。我們的建模方法使我們能夠将這些看似不同的信息源集成到一個統一的框架中，因此，這是本研究的重要貢獻之一。
諸如此類的研究提出了許多值得進一步研究的問題。觀察到的在線搜索與線下銷售之間有着強烈的、同時關系的結論，與通過谷歌趨勢觀察到的在線搜索與離線度量的有效關系的結論類似。研究表明這些同時的關系對于模型的構建和實時的預測是有用的，對于學術和實踐界來說，識别預測未來行為的在線行為形式将是非常有益的。消費者有可能在購買過程的不同階段有系統地進行不同的搜索行為。如果是這樣，就需要進行研究，将微觀層面的搜索行為與“購買漏鬥”的各個階段聯系起來，從而能夠預測消費者的态度和行為。