内部数据库

对于许多公司来说，存放着现有顾客和期望顾客信息的计算机数据库已经成为非常重要的营销工具。简单说，内部数据库(intemal database)就是相关信息的集合，而这些息是从组织内部的资料发展而来的。

建立内部数据库

从公司的销售活动中获取信息，不失为建立初始内部数据库的好办法。而传统的开始点是公司的销售系统或征询系统及跟踪系统。这种系统一般是以销售人员的“电话情况报告”为某础的。电话情况报告反映的是一名销售人员每天的工作活动。报告详细列出所拨电话的号码、所拜访的公司的特点、因电话而产生的销售活动，以及所收集的有关竞争对手的信息，例如，价格的变化、投放的新产品或服务、信用条款的修改以及对手新推出产品和服务的特征等。一个基于销售情况、消费者偏好、互联网、移动终端和社会数据的内部二手营销数据库，可以成为一个有力的营销工具。

数据挖掘

美国运通公司(AmericanExpress)使用中枢网络软件来检验它的数据库中的记录，这这些记录可以告诉它们个人信用卡的持有者在怎样和在哪里进行了交易。中枢网络(neuranetwork)软件是指通过模仿人类大脑极其通过示例的学习能力来从数据中找到一定的模式的过程的计算机项目。这样就可以得到每个持卡者的购买意向指数。以这些指数为基础，美国运通公司通过旗下分公司的个人信用卡持有者的购买情况确定与之匹配的业务并把它们作为月报的一部分。这样做的好处可以较少运通公司和持卡人高价值信息的成本;美国运通公司从事了数据挖掘的工作。

数据挖掘(data mining)是指使用统计或其他先进的软件来发现隐藏在资料中不易发现的模型。其目标是识别那些营销者可以在新的战略和战术中应用的模型，并以此来增加企业的利润。柯莱特音乐控股有限公司(KamelotMusicHoldings)运用数据挖掘来识别高消费群体，65岁以上顾客(它的频繁购买者俱乐部的成员)购买很多经典和爵士的音乐和电影。更深一步的数据挖掘，很大比例的人也会购买说唱和另类的音乐;这是祖父祖母买给他们的孙子孙女的。现在，柯莱特告诉年轻人在说唱和另类音乐中什么是流行的，就像和传统音乐一样。数据挖掘包括寻找有趣的模型和追随数据的路径看它通向哪里。这个发现的过程通常需要筛选海量的数据，电子销售点交易、存货记录、在线顾客订购及其相匹配的人口统计特征很轻易地就可以占用上百G的存储空间。率抽样、描述性统计、多变量统计都是可以控制性地进行数据挖掘的工具(概率抽样将在第13章进行讨论，描述性统计和多变量分析将会在14~18章进行介绍)。其他更加先进的数据挖掘工具，如遗传算法和案例分析推衍系统，就必须用于更高级的研究。

行为锚定

行为锚定(behavioral targeting)是指为了提高线上投放广告的有效性，利用线上和线下的数据来了解顾客行为、人口特征和社交网络。例如，Acxiom旗下的PersonicX公司就致力于行为锚定。随着互联网的成熟，无目标的广告投放已经失去效用。一项研究发现只有 4%的互联网使用者会点击所有显示广告的67%;DoubleClick 所做的近期研究发现,平均点击率只有 0.1%，那意味着1000个人里只有一个人会去点击投放的广告。行为锚定试图改变这一现状，从而帮助广告商。一个从事收集和出售网络数据的调研公司EXelateMedia声称，它是美国最大的市场酒研公司胞尔鑫控展的联盟。它们的交易将eXelate的1.5亿个互联网使用者数据与尼尔森公司公的包含1.15亿个美国家庭的数据库相联系，以提供更多的具体信息。

EXelate通过处理成百上千的网站来收集线上用户的数据。公司通过大量搜索网注册后总策的定顾客的年龄、性别、民族、社会地位和职业。举个例子，他精确到基于用户网络搜索和经常测览的网站来判定哪个汽车买主是健身爱好者。利用追踪历史记录或是在杂用户游览网站时缓存在其电脑硬盘中的小数据流，来收集和存储信息。