在线行为对产销业务的价值
客户大数据为企业提供了新的机会，以探索满足客户需求的价值。一般情况下，它们是以购买记录、上网搜索等在线行为之形式而呈现的。消费者对在线产品和信息市场的积极参与创造了丰富的数据来源，如此丰富海量的数据不仅可以发现业务信息，估计业务数据，还能帮助工程设计研究人员开发新产品，还能使企业管理者能够更好、更实质性地了解营销活动在销售产生过程中的作用。
在线热搜与业务发现
伴随着大数据技术的发展，无论是商业精英还是科学研究人员都会面临着越来越多的数据，这为创新和生产力提供了巨大的机遇，也意味着不同学科的数据研究面临着各种各样的新的挑战。
客户大数据为企业提供了探索满足客户需求价值的新机会。一般情况下，它们是以购买记录、上网搜索等在线行为之形式而呈现的。然而，大数据的体积、种类、速度和价值或所谓的“4Vs”的显著特征，导致许多传统的“客户理解”之方法或许无法处理这些数据。一个非常具有现实意义的显著的研究空白是，开发一个框架来处理客户大数据，从而理解CRS（客户需求）。
现在，如何分析客户大数据成为一个热门话题，那些拥有管理非常庞大的消费者数据集的工作有着非常高的要求，也有着非常大的意义。
有的研究显示了对品牌名称的搜索，在解释混合动力汽车销量方面具有重要意义；有的研究利用搜索引擎查询量，预测了故事片首周末票房收入、视频游戏首个月销量以及公告牌百强排行榜歌曲排名；还有的研究分析了电影的感知质量和质量不确定性与这些电影的搜索量(无论是投放前还是投放后)之间的关系，发现两者之间存在正相关关系。同时，有的研究使用谷歌趋势数据分析股市变量，发现标普500公司的周交易量与公司名称的周搜索量相关；有的研究发现，在罗素3000支股票的样本中，搜索量可以衡量投资者的注意力；还有研究基于搜索量数据，提出了一种衡量法国投资者情绪的新方法。
研究发现，一家企业的搜索引擎查询数据与该企业的业务绩效以及位势数据之间，存在显著的统计相关性。一般来说，处于更好的商业地位或表现更好的企业，谷歌搜索中搜索越多。因此，该研究认为，可以使用搜索引擎查询数据来发现业务信息，并且可以使用搜索量数据来估计业务数据。
加拿大西安大略大学的一项研究，选择了一组美国公司，收集了它们的业务表现和业务位置数据，然后在Google趋势中搜索公司名称，并在全球搜索和美国国内搜索两种情况下记录搜索量数据，进而进行了相关的测试，以确定搜索引擎查询数据是否以及如何与各种业务能力和位势变量相关联。最后，比较了来自世界各地的数据和国内数据的相关系数，以确定哪种类型的搜索量数据在发现商业信息方面更有用。
研究发现，搜索量数据与业务表现和职位数据之间存在显著的相关性，这表明搜索引擎查询数据可以用于发现业务信息。通常地，处于更好商业地位或表现更好的企业的“谷歌搜索”次数越多。进一步地，该研究认为，不仅可以使用搜索引擎查询数据来发现业务信息，并且可以使用搜索量数据来估计业务数据。
然而，应当指出，类似的研究仅限于一个国家，并以一年的数据为基础，其结论是否可以推广到其他情况尚不清楚，需要进一步的研究来确定。然而，目前研究的结果与先前的网络计量学研究结果相一致，后者发现了商业业绩数据与链接数据以及网络流量数据之间的相关性。这一相似之处使目前研究的结果更具说服力。此外，它还表明Google趋势为网络计量学研究提供了一个很有前途的新数据源。
诸如此类的研究的意义是双重的。在理论层面上，研究表明，搜索量数据和网上行为数据不是混沌的、无意义的，而是有模式的，因此可以对有关数据源进行挖掘，以获得有用的信息。在实践层面上，研究结果表明，可以使用搜索量数据和网上行为数据来估计业务表现和位置数据。
网络评议与新品开发
如今，意见数据不时在网上生成，并以各种形式呈现，如客户评论、推特和博客。这些意见数据揭示了消费者的主要需求。在市场驱动的产品设计中，特别是在有竞争力的产品存在的情况下，从大的消费者意见数据中推广满足顾客需求的产品和服务的能力在这当中起着重要的作用。其核心是从产品设计者的角度对大意见数据进行深层次的理解，这意味着有效的处理和分析消费者意见数据已成为市场驱动设计的迫切和高度需求。
在过去，如果设计师想要推出一种新的模式，客户需求(CRS)是通过访谈、问卷调查或调查来收集的，而这些通常都是费时费力的。如今，大量的消费者意见数据普遍存在于推特、博客和产品评论中，它们反映了消费者的兴趣。这些数据使设计师能够获得CRS，监控消费者的兴趣趋势，并与同类产品进行比较，从而帮助设计师改进他们的新产品，并相应地对消费者做出反应。
因此，探索大消费者数据的价值，使产品实现CRS具有重要的价值。事实上，市场驱动的产品设计研究在客户管理或工程设计领域得到了研究者的青睐。他们关注的问题往往包括对CRS的描述、将CRS转变为质量功能部署(QFD)，以及CRS的相对重要性。然而，传统的客户理解方法通常只处理有限的客户关切。这些关注通常在短时间内从有明确目的的表格或调查表中收集，只涉及少数消费者，并建议他们作出反馈。
尽管如此，与传统的客户调查数据相比，大型消费者意见数据呈现对比和区分特征。例如，大量的在线意见被发布在电子商务网站上，如Amazon.com和Taobao.com，没有任何目的性的指向。在这些网站上，客户不时地分享他们的意见往往备受鼓励。除了电子商务网站，诸如Twitter.com等社交网站、Epinions.com等评论网站、Cnet.com等媒体网站中也有消费者意见数据。在这些网站上，各种格式被统一，这有助于消费者清楚地表达他们的关注。
然而，这些数据对潜在的消费者和产品设计者来说并不同等重要。有些评论可能很长，描述了许多细节，而另一些评论可能很简短，但指出了一些批评意见。一般来说，这些特征被称为体积、多样性、速度和价值，或所谓的“4V”，它们是大数据的典型特征，这些特征使在线消费者意见数据成为大数据的一种典型类型。在客户管理或工程设计的领域中，“4V”超越了许多传统模型在市场驱动的产品设计中对CRS的分析能力，后者是基于有限的客户调查数据构建的。目前还没有专门设计的算法来帮助商业管理人员、工程研究人员以及数据科学家从观点大数据中有效地理解CRS。
西安大略大学的研究从设计师的角度对市场驱动的产品设计中大量的消费者意见数据进行了分析。其目的是强调在设计共同体中引入大数据的必要性。它涉及如何获得大量的CRS，如何从产品设计人员的角度分析这些在线客户关切，以及这些结果将如何使设计人员受益于市场驱动的产品设计等。特别地，作为一种重要类型的消费者意见数据，在线客户评论被进行了考查。首先，在基于认知语言学的英语词典——WordNet和利弊评测的帮助下，产品特性和情感极性从消费者意见大数据中被鉴别出来。基于经鉴别的产品特征和识别出的情感极性，采用卡尔曼滤波方法来识别CRS的趋势，以帮助设计者识别CRS的潜在变化。有关研究将消费者意见大数据引入市场驱动的产品设计，展示了如何通过跨学科协作帮助设计师处理消费者意见大数据的可能性。
相关研究人员表示，在未来，有一些关键的任务需要进行，以挖掘消费者意见大数据价值以进行市场驱动的产品设计。例如，如何从某一特定产品的消费者意见数据中生成简短但有洞察力的总结，以及如何从消费者意见数据中抽取一组有代表性的评论语句，将有助于设计师以科学的方式获得客户的关注。
此外，考虑到客户网络的意见分析，包括如何发现谁是客户网络中的意见领袖，或者主导意见如何在网络中传播，是市场驱动的新产品设计中值得客户理解的另一个有价值的研究课题。
在线追踪与营销策略
消费者对在线产品和信息市场的积极参与创造了丰富的次级数据来源，有可能帮助营销人员更好地了解消费者和企业行为。经济学家已经利用谷歌趋势数据更好地预测了各种经济活动，包括零售、汽车和房屋销售。在市场营销方面，研究人员已经表明，博客活动等在线行为与客户获取之间存在正相关。
把在线来源的次级数据纳入现有的营销模式，以便作出有意义的决策，这或许会有用，但是，亦会带来各种挑战，包括概念和方法方面的挑战。随着新Web服务的出现，管理人员现在可以访问大量的在线活动数据(包括持续时间和来源数量)。例如，在汽车工业方面，制造商已开始收集和归档关于对其车辆表示兴趣的客户的数量和特征的信息。尽管人们普遍认为这些数据具有价值，但尚不清楚这些数据包含哪些信息，或如何将其纳入传统的营销组合模型，以便研究销售、在线搜索和营销组合活动之间存在的动态。例如，在使用Google趋势和Twitter数据进行的上述研究中，在线搜索作为一个独立的协变量被直接纳入响应模型。不过，像是在汽车产业方面，这种方法可能会有问题，因为在线搜索很可能会导致线下销售；因此，可能会出现未被观察到的共同冲击，从而导致线下销售和在线搜索的变化。
美国印第安纳大学的相关研究开发了一个营销组合模型，该模型考虑了销售和搜索同时生成的可能性。该模型的形式能够推导出销售的预测分布，条件是观察在线搜索的同步实现。这一预测分布提供了一种理论上一致的方法来预测现在，或“实时预测”，或者“尚未公布数据的当前事件的预测”。这种方法在汽车行业尤其有用，因为汽车行业可以实时获得在线搜索数据，但实际销售的报告可能严重滞后。因此，管理人员可以受益于在线搜索数据的监控，因为这为他们提供了一种预测当前和未来销售的方法。这可以让管理者实时了解营销活动的有效性，因此，如果结果与预期不符，他们都有责任做出修改。
除了改进预测外，相关研究人员提出的模型使企业管理者能够更好、更实质性地了解营销活动在销售产生过程中的作用。市场营销方面的大量努力集中在了解营销活动对销售的影响，包括广告与销售之间的关系。然而，了解营销活动对消费者搜索等非以销售为基础的措施的影响，在这篇文献中得到的关注相对较少。
诸如此类的研究通过考虑潜在的销售和搜索之间的同时关系，可以确定市场活动是否：(1)增加消费者对其他产品信息的搜索(即搜索升级);(2)导致了将来可以实现的销售的时间转换（购买加速度);(3)对产品产生新的兴趣(即兴趣升级)。
具体的建模方法将离线销售和在线搜索都视为因变量，它们反映了我们称之为潜在兴趣或兴趣潜力的常见的、未被观察到的结构。在这个定义中隐含的是，营销活动可以有不同类型的影响：兴趣产生、购买加速，或搜索升级。为了理解营销组合活动的各种作用，在销售—搜索关系中兼顾同时性，对现有的建模营销组合效果的方法提出了各种各样的挑战。我们的建模方法使我们能够将这些看似不同的信息源集成到一个统一的框架中，因此，这是本研究的重要贡献之一。
诸如此类的研究提出了许多值得进一步研究的问题。观察到的在线搜索与线下销售之间有着强烈的、同时关系的结论，与通过谷歌趋势观察到的在线搜索与离线度量的有效关系的结论类似。研究表明这些同时的关系对于模型的构建和实时的预测是有用的，对于学术和实践界来说，识别预测未来行为的在线行为形式将是非常有益的。消费者有可能在购买过程的不同阶段有系统地进行不同的搜索行为。如果是这样，就需要进行研究，将微观层面的搜索行为与“购买漏斗”的各个阶段联系起来，从而能够预测消费者的态度和行为。