تحقیقات بازاریابی پیوسته و آنلاین ( کامپیوتری )
تصمیمات بازاریابی نوعاً بر مبنای تحقیقاتی که ، از طریق خدمات پستی سریع ، پیام مراکز خرید ، گفتگوی تلفنی ، مذاکرات گروهی منسجم و موردی از این صورت می گیرند ، اتخاذ می شوند . این شیوه های مربوط به تحقیقات بازاریابی وقت گیر و پر خرج بوده ، و برای دستیابی به نتایج دقیق مستلزم تلاش و کوشش زیادی می باشد . این مقاله شیوه نوینی را برای انجام تحقیقات بازاریابی آنلاین ارائه می دهد ة که بر مبنای چندین نظریه از جمله دانش فعال و موثر ، گروههای کنترلی و تجربی مشابه ، و تجربیات صریح و ضمنی می باشد . این نظریات ، توام با فرصت هایی که به واسطه تعداد فراینده خریداران آنلاین ایجاد می شوند ، می توانند تحقیقات بازاریابی سریع ، منظم و کم هزینه ای را سبب گردند . 

مقدمه 
پیش بینی رابطه بین متغیرهای بازاریابی و متغیرهای واکنشی در تصمیمات مربوط به فعالیتهای تجاری که ، در آنها بازاریابی و خرید و فروش بهم وابسته است ، از اهمیت برخوردار می باشد ، این مثال ساده را در نظر بگیرید که ، یک خرده فروش باید قیمتی که با آن کالایی خاص را به فروش برساند ، تعیین نماید . یک تصمیم گیری اصولی خرده فروش را بر آن می دارد که رابطه بین قیمت کالا ( متغیر بازاریابی ) و تقاضای کالا ( متغیر واکنشی ) را در قیمت گذاریهای مختلف مورد توجه قرار دهد . حال مثال را پیچیده تر در نظر بگیرید ، وضعیتی را فرض کنید که خرده فروش احساس می کند که انجام تبلیغات برای کالا به در آمد فراینده ای منجر خواهد شد. این تبلیغات ممکن است به شکل کاهش موقتی قیمت که از طریق بکارگیری کوپن حاصل می شود صورت گیرد . تعیین بهای اعتباری کوپن قیمت موثری که با آن کالا به فروش می رسد را مشخص می نماید و این قیمت موثر تنها در صورتی مشخص می گردد که تقاضا در مراحل قیمت گذاری مختلف معلوم باشد . با این وجود اگر سایر تاثیرات در نظر گرفته شوند ، تصمیم گیری سخت تر می شود . اگر خرده فروش چندین نمونه کالا را به فروش برساند ، کاهش قیمت یک نمونه خاص به خریداران ممکن است در طی دوره تبلیغ ، آن کالا را به مقدار زیاد ذخیره نمایند ، که این امر به کاهش فروش کالایی که در دوره تبلیغ و در آمدهای خالص ثابت را دنبال می کند ، می انجامد .
این مثالهای بالا بیانگر پیچیدگی بازاریابی و خرید و فروش می باشند . فردی ممکن است اینطور مطرخ نماید که این مساله تابع شیوه های تحلیلی است و بگوید که تصمیمات آگاهانه مبتنی بر بازاریابی و خرید و فروش مستلزم پیش بینی رابطه بسیار متنوع بین متغیرهای بازاریابی و متغیرهای واکنی باشند . به عبارت ساده تر ، آنها مستلزم این هستند که بدانیم که ، در زمان متغیر یک یا چند متغیر بازاریابی ، متغیرهای واکنشی چطور تغییر پیدا خواهند کرد . پیش بینی عملکرد یک متغیر واکنشی در هنگام تغییر متغیر بازاریابی نیازمند اطلاعات و اگاهی هایی می باشد . شاخصاً این اطلاعات از طریق تحقیقات بازاریابیکه ، بواسطه خدمات پستی سریع ، پیام های مراکز خرید ،‌ گفتگوهای تلفنی ، مذاکرات گروهی متمرکز و مواردی از این دست صورت می گیرند ، گرد آوری می شوند . در مثال ساده ای که در بالا عنوان شد ، شخص ممکن است از طریق گفتگوهای تلفنی از مشتریان بخواهد که احتمال خرید کالای مورد نظرشان را در قیمت گذاری های مختلف تشریخ نمایند و این اطلاعات گردآوری شده را بکار گیرد تا رابطه بین متغیر بازاریابی ( قیمت ) و متغیر واکنشی ( تقاضا) را تعیین نماید . تاثیر متقابل یک شخص بر دیگری که در برخی از این شیوه های گرد آوری اطلاعات ( برای مثال ، در گفتگوی تلفنی ) ضروری است ، توام با مدت زمان زیاد انجام کار ( برای مثال ، بواسطه زمان انتقال یک پست سریع به سوی و از طرف فرد پاسخگر ) و مقدار موثر اوقات – شخص بیانگر این شکل قدیمی تحقیقات بازاریابی اند که پرخرج ، کند و مستعد خطا و اشتباه می باشند . 
گسترش سریع اینترنت فرصتی را برای انجام تحقیقات بازاریابی آنلاین ( OMR ) فراهم نموده است . در واقع بر اساس برخی پیش بینی ها ، حدود 60 در صد جمعیت ایالات متحده و اتحادیه اروپایی به اینترنت دسترسی دارند . بطور کلی ، این نواحی یاد شده همچنین بر طبق " مجمع تحقیقات بازاریابی بریتانیا ( BMRA ) و مجمع متخصصان تحقیقات بازاریابی و نظریه پرداز دنیا 
( ESOMAR ) ، سهم عمده قدرت خرید دنیا را در دست دارند . جدای از این ، نواحی مختلفی در آسیا دسترسی فزاینده ای به اینترنت یافته اند . این پذیرش گسترده اینترنت بخش وسیعی از جمعیت را به اینترنت قابل دسترس می سازد و این اطمینان را ایجاد می کند که نیازها و سلایق یک جمعیت عمده ا ی از مشتریان بطور آنلاین و پیوسته جامه عمل پوشانده شود . هدف این مقاله این است . 
از طریق تحقیقات بازاریابی پیوسته و آنلاین ( OMR ) ، امکان تهیه اطلاعات تجاری عملی راسریعاً ، اصولی و نظامدار ، و بطور کم هزینه فراهم نماید . اگر پیچیدگی تصمیمات مبتنی بر بازاریابی و خرید و فروش را در فعالیتهای تجاری مدرن ، و نیز محدودیت های مکانی که لزوماً تحت تاثیر شیوه کار بردی کاغذ قرار دارند ، را در نظر بگیریم ، می بینیم که باید بر برخی جنبه های مهم تحقیقات بازاریابی پیوسته ( OMR ) تاکید نمائیم . ما ، بطور ویژه ،‌‌‌ آن جنبه هایی را مد نظر قرار می دهیم که در تلاشهای مربوط به درک اجرای تحقیقات بازاریابی پیوسته مفید واقع خواهند شد . ما بقیه این مقاله را بر طبق آنچه که در ذیل می آید ترتیب داده ایم . در بخش 2 ، ما یک دیدگاه کلی مفهومی از یک سیستم را ارائه می دهیم و یک طرح اساسی که برای اجرای ( OMR ) قابل کاربرد باشد را تشریح کنیم . تاکید ها بر رویدادهای ثابت سیستم نمی باشد ، چون اینها به سرویس دهنده تجاری که ، OMR در آن اجرا می گردد ، وابسته می باشند . در عوض ، ما بیشتر بدنبال این هستیم که نظریاتی راجع به زنجیره رویدادهایی که رخ می دهند ، مراحل مختلف کنترل OMR ، نوآوری های متنوعی که در این مقاله مطرح می شوند ، اشاره نمائیم . معتقدیم که این نوآوری ها برای OMR مهم و پر اهمیت هستند که مفصلاً آنها را در بخش 3 بحث خواهیم کرد . در بخش 4 ، دیدگاهی کلی درباره انواع اطلاعات تجاری عملی که ، بر حسب سیستم پیشنهادی و الگوریتم ها قابل حصول می باشند ، را ارائه می دهیم . ما در بخش 5 ، نتیجه گیری را همراه با یک سری مباحث انجام می دهیم .
2- طرح اجرای تحقیقات بازاریابی پیوسته آنلاین 
تشخیص فرق بین تخقیقات بازاریابی پیوسته ( OMR ) و تحلیلهای تجاری قدیمی مفید و موثر می باشد . تحلیلهای تجاری قدیمی اطلاعات موجود ، که در طی عملکردهای معمولی گرد اوری می شوند ، را بکار می گیرند تا روابط بین متغیرها ( که شامل متغیرهای بازاریابی و واکنشی هستند ) را دریابند . در مقابل ، تحقیقات بازاریابی پیوسته عمداً متغیر داده ، واکنش متناسبی را دریافت می کنند . از اینرو ، اطلاعات حاصله از تحقیقات بازاریابی آنلاین برای برقراری رابطه بین متغیرهای بازاریابی و واکنشی خاص مناسب تر می باشند . برای مثال ، در نظر بگیرند که یک تولید کننده ، بعنوان بخشی از کاربرد طرح یک محصول جدید ، قصد دارد از بهایی ( فایده ای ) که خریداران به ویژگی های مختلف محصول نسبت می دهند آگاهی یابد . چنین اطلاعاتی به تولید کننده این امکان را می دهد که در محصول جدید ویژگی های مساعد و مطلوب را بکار گرفته و ویژگی هایی که برای خریداران مطلوب و سودمند نمی باشد ، را بر طرف نماید . در تحلیلهای تجاری قدیمی بیشتر سعی بر این است که سودمندی ویژگی های را از فروشهای تاریخی نمونه های مختلفی که تولید کننده به فروش رسانده است ، معلوم و مشخص نمایند . با این وجود ، چون ویژگی معینی که ، همیشه حاضر و موجود بوده وجود دارد ، این امکان وجود ندارد تا معلوم سازیم که آیا نبود آن ویژگی ، بر فروشها تاثیری خواهد داشت یا نه . از طرف دیگر ، تحقیقات بازاریابی آنلاین ویژگی ها را تغییر میدهد و سعی بر این دارند که احتمال خریدارانی که محصول ساخته و پرداخته را مشخص می سازند ، را تعیین نمایند ( برای مثال ، بواسطه یک بررسی از کاربران احتمال خرید یکی از چند محصول ساخته و پرداخته را مشخص می سازند ) اگر چه شیوه های اصولی و نظامدار ی برای دست یابی به محصولات ساخته و پرداخته وجود دارند ، ما بر آنیم که تاکید نمائیم که اطلاعاتی که تحت تاثیر پراکتیو متغیر بازاریابی گرد آوری می شوند برای برقراری رابطه بین بازاریابی ( ویژگی های محصول ) و متغیر واکنشی ( فروشها ) مناسب تر خواهند بود . 
در OMR‌ ، تغییر متغیر بازاریابی بصورت پیوسته و آنلاین انجام می شود و واکنش ها نیز به صورت آنلاین و پیوسته دریافت می شوند 
بدین سبب که فرایند تغییر متغیر بازاریابی و در یافت واکنش ها نمی توانند مانع عملیات نرمال سایت گردند ، مادر ابتدا سایت را تشریح نموده ، و تاکید می کنیم که چطور تغییر متغیر بازاریابی حاصل می گردد . ما فرض براین می داریم که وب سایتی وجود دارد که صفحاتش شامل محتوای شاخص سایتهای آنلاین و پیوسته می باشد . فضایی برای تبلیغات با نشان افقی و یا عمودی وجود دارد ، و نیز فضای برای محتوای اصلی صفحه موجود می باشد . " کانون های بحران " که در داخل محتوای اصلی جای دارند ، و یا کنترل های رد یابی به بازدید کننده این امکان را می دهند سایت را رد یابی کرده و در معاملات پبشنهادی توسط سایت مشارکت نمایند . محتوای تبلیغات نشان دار بواسطه منطقی انتخاب می شود ، در سیستم فرعی پبشنهادی " سرویس دهنده تجاری که ، سایت آنلاین بر روی آن گسترش یافته است ، درج گردیده است . فعالیتهای معینی ( برای مثال ، یک خرید ) مستلزم این هستند که فرد وارد سیستم شود ، در حالیکه در سایر فعالیتها نیازی نیست که فرد توسط سیستم شناسایی شود . در چنین حالتی ، فرد می تواند بعنوان یک کاربر بی نام و امضاء سایت را پویش و جستجو نماید . 
متغیر بازیابی توسط آگهی های با نشان افقی یا عمودی تغییر می یابد . برای مثال ، زمانی که قیمت ، یک متغیر بازاریابی است ، یک کوپن با یک نشان افقی یا عمودی به کاربر نشان داده خواهد شد کوپن قیمت موثر کالا را برای خریدار تغییر می دهد ( تغییر در متغیر بازاریابی ) و قبول کوپن توسط کاربر ( از طریق کلیک کردن ) و بازپرداخت بعدی متغیر واکنشی است . 
مکانیسمهای دیگری وجود دارند که برای تغییر متغیر بازاریابی قابل بکارگیری می باشند ، هر چند که ما در این مقاله فرض براین داریم که همه متغیرهای بازاریابی بواسطه تغییر محتوای نشان های افقی یا عمودی تغییر می یابند . این امر به هیچ وجه از عمومیت شیوه پیشنهادی نمی کاهد و به بحث و بررسی های دقیق تر کمک می کند . 
تصویر 1) نگاهی کلی یه زنجیره رویدادها دارد . جریان کلی با تعیین یک هدف از سوی تاجر شروع می شود ــــ برای مثال ، " تعیین تقاضا بعنوان تابعی از قیمت " ، یا " تعیین نتیجه فروشهای نمونه B که به واسطه کاهش قیمت نمونه A ایجاد می گردد و " غیره . متغیرهای بازاریابی و واکنشی مشخص می شوند ، و فعالیت گرد آوری – اطلاعات شروع می شود . چنین فعالیت گرد آوری - اطلاعات را یک " تجربه " می نامیم ، آماده سازی یک تجربه OMR ممکن است سایر سیستمهای فرعی یک سرویس دهنده تجاری را مورد استفاده قرار دهد . تجربه OMR سپس متغیر بازاریابی را برای بازدی کننده های انتخابی وب سایت تغییر می دهد و هر بازدید کننده انتخابی را به یک گروه تخصیص
می دهد تا گروههای کنترلی و تجربی مشابهی را ایجاد نماید ( که بطور مفصل در بخش 3 تشریح می گردد ) . بازدید کننده ها ( کاربران) بر مبنای تعداد کلیک هایشان ( طرح رد یابی ) ، توام با معاملات تاریخی کاربر ( در صورتی که کاربر واردسیستم شده باشد ) و سایر اطلاعات قابل انتخاب می باشند . با این وجود ، بکار گیری روند کلیک نمایی زمینه انتخاب کاربر را حتی در آن زمانی فراهم می نماید که کاربر بعنوان یک کاربر بی نام ، بدون اینکه واقعاً وارد سیستم شده باشد ، در حال پویش و جستجو است . 
واکنش هر کاربر انتخابی یا بطور ضمنی یا صریحاً سنجیده می شود . تجربه برای یک دوره زمانی از قبل تعیین شده قابل اجرا باشد .یا اینکه یک معیار اطلاعاتی – تئوری قابل استفاده است . تاتجربه را در زمانی خاتمه دهد که ، دست یابی به اطلاعات از طریق مجموعه اطلاعات مازاد پایئن تر از یک آستانه معین قرار گیرد . برای مثال ، گروه کنترل هیچ چیز مربوط به محصول را مشاهده نخواهد کرد ، وسه گروه مشابهی وجود خواهند داشت که ، کوپن هایی با قیمت کاهش یافته 5٪ ، 10 ٪ یا 20 ٪ به آنها پیشنهاد می شود . واکنش متفاوت گروهها مبنایی را فراهم می سازد تا با تکیه بر آن تقاضا را در قیمت گذاری های مختلف پیش بینی نمائیم . 
3) اصول تحقیقات بازاریابی آنلاین نظامدار 
چندین ویژگی نوینی که بتوان با تکیه بر آنها تحقیقات بازاریابی که پیوسته و آنلاین OMR را منظم ، سریع و کم هزینه نمائیم در بخش های بعدی تشریح خواهند شد . 
گروه های کنترلی و تجربی مشابه 
بخش مهم تحقیقات بازاریابی آنلاین OMR از طریق مشاهده تغییر واکنش که نشات یافته از تغییر متغیر بازاریابی ( قیمت دسته بندی کالاها و غیره ) است ، انجام می شوند . این مستلزم آن است که ، تاثیر احتمالی هر متغیری بغیر از متغیر بازاریابی تغییر یافته از بین می رود . OMR به این مهم ، از طریق بکار گیری گروههای کنترلی و تجربی مشابه ، نائل می شود . برای تشریح اینکه این امر ،چطورصحت و درستی نتایج حاصله را افزایش می دهد ، فرض نمائید که تاجری در نظر دارد که تقاضا را در مراحل قیمت گذاری مختلف معلوم و معین نماید . عرض می کنیم که ، چندین گروه از مشتریان بر حسب انتخاب تصادفی تعیین می شوند ، و کالا به هر گروه با قیمتی خاص عرضه می شود . تفاوت در واکنش کلی گروههای مختلف نمی تواند تماماً به تغییر قیمت نسبت داده شود ( مگر اینکه اندازه نمونه ای هر گروه بزرگ باشد ) . این بدین علت است که ، تفاوت های ویژگی های هر گروه نیز در تفاوت واکنش گروهها موثر و دخیل هستند . از اینرو است که ، OMR نظریه گروههای کنترلی و تجربی مشابه را بکار می گیرد آن با استاده از دانش فعال ، یک پاسخگر احتمالی را انتخاب می کند و آن شخص را برای گروه کنترل در نظر می گیرد . سپس در هر گروه تجربی فردی خاص تعیین می شود که ، بر جور در می آید . حسب یک سری معینی از صفات کاربر، با فرد گروه کنترل جور در می آید . صفات که جهت تعیین میزان تشابه بین دو شخص مورد استفاده هستند عبارتند از : اطلاعات بر حسب جمعیت نگاری ، اطلاعات برحسب – جله ( از قبیل : مجموع بسته خرید ) و اطلاعات مربوط به روند کلیک نمایی . معیارهای تشابه سازی که از کلیک نمایی منشا می گیرند بصورت آنچه در زیر می آید ، مشخص می شوند : " کار بردهای A و B تنها در صورتی متناسب و شبیه هستند که انفراداً صفحات را بازدید نمایند. " و این تشابه کاربرهایی که ثبت نشده اند یا کسانی که وارد سیستم نشده اند را فراهم می سازد ما ، بطور خیلی نظامدار ، شیوه ای را برای دست یابی" فاصله " بین دو روند کلیک نمایی توسعه بخشیده ایم . شیوه ما بر مبنای پیش بینی فاصله بین دو صفحه است . به لحاظ تئوری ، فاصله بین دو صفحه باید بر مبنای تحلیل معنایی محتویات صفحه باشد . با این وجود ، بیشتر صفحات وب شامل تصاویر ( یا سایر اطلاعات برحسب – وسایل ارتباطی ) می باشند ، وضعیت فعلی فن آوری امکان چنین تحلیل معنایی را ایجاد نمی کند . از این روست که شیوه ما ، احتمال پیوسته رویداد دو صفحه را بکار می گیرد تا فاصله بین آنها را تخمین بزند . استنباط ما این است که ، اگر کاربران ( بر مبنای آماری ) از یک صفحه ( مثلاً ، A ) بازدید کنند و سپس از صفحه دیگر ( مثلاً ، B ) بازدید نمایند ، در اینصورت باید نسبتی قوی بر حسب – محتوی
( و در نتیجه تشابه و همانندی ) در بین دو صفحه بوجود آید .به لحاظ ریاضی ، می گوییم که روند کلیک نمایی C وجود دارد . توالی صفحات را در روند کلیک نمای i بصورت زیر :

در نظر بگیرید ، که اولین اندکس بیانگر تعداد روند کلیک نمایی است ، و دومین اندکس بیانگر توالی است که بر اساس آن صفحه در طی آن جلسه بازدید شده است . نماد A بیانگر یک صفحه ، و نماد t بیانگر زمانی است که در آن زمان ، صفحه در دسترس قرار گرفته است . احتمال پیوسته رویداد دو صفحه ، به عبارتی بصورت آنچه در زیر می آید تعریف می گردد . 

که T مجموع تعداد جفت های صفحه ، و I{0} یک متغیر شاخص است که بصورت زیر تعریف می شود .

که ثابت های معین می باشند . متغیر شاخص تا 1 قابل ارزیابی می باشد آنهم در صورتی که صفات در فاصله معینی از هم در دسترسی قرار بگیرند ، در صورتی که زمانهای دسترسی بین صفحات متوالی بیشتر از آستانه ( ) باشند ، و در صورتی که منفرد در یک دوره زمانی مناسب ( ) مورد بررسی قرار گیرند . این شرایط این اطمینان ر حاصل می کند که عملیات کند و تدریجی مستثناً گشته ، و اینکه جلسات دارای وقفه با هم رخ ندهند . از اینرو ، عملکرد شاخص بدین نحو است که ، صفحاتی یک تابع بطور یکنواخت کاهش دهنده احتمال پیوسته رویداد می باشد . { برای مثال ، 1-p (0) } ارزش تبدیل یک روند کلیک نمایی به دیگری با استفاده از درج ، حذف و جابجایی محتویات صفحه بصورت فاصله بین روندهای کلیک نمایی پذیرفته می شود . ( برای جزئیات بیشتر { v } را مورد توجه قرار دهید ) . ما یک نمونه برداری را طراحی کرده ایم که وب سایت را کپی برداری کرده ، و کاربران دارای علایق و سلایق معلوم را نمونه برداری می کند و هدف ما این بوده که برای تست الگوریتم مان اطلاعاتی را بدست آوریم . در این محیط نمونه برداری شده ، محتویات صفحات معلوم و مشخص هستند ، و بررسی ما نشان می دهد که شیوه پیشنهادی برای تخمین دقیق فواصل واقعی بین صفحات قابل بکار گیری می باشد و نتایج حاصله مفیدند تا محاسبه نمائیم که آیا ، بر مبنای روند کلیک نمایی انفرادی دو کاربر ، یکی با دیگری جور در می آید یا خیر .
بکار گیری استراتژی بالا این اطمینان را حاصل می کند که گروهها " مشابه و جور " هستند که برای هر کاربر در یک گروه ، کاربر مشابهی در هر یک از گروههای دیگر موجود است . بنابراین ، یک متغیر بازاریابی در بین گروهها قابل تغییراست ، و نتیجه تغییر مستقیماً از طریق تفاوت واکنش های گروهها قابل محاسبه می باشد ( گروههای مشابه همدیگر هستند ، با این استثناء که آنها در معرض متغیر بازاریابی متفاوتی قرار می گیرند . ) بطور وضوح ، کاری بس مشکل است که این شبیه سازی را با اشکال قدیمی تر تحقیقات بازاریابی ، که اطلاعات ضمنی از قبیل روند کلیک نمایی به سهولت در آنها در دسترس نیست ، عملی سازیم . 
" دانش فعال "
بدین منظور که تحقیقات بازار یابی آنلاین را سریعاً انجام دهیم و انجام یک تجربه با کمترین زیر گروه احتمالی کاربران را محدود سازیم ، لازم است که پاسخگرها را با دقت انتخاب کنیم . بطور مفهومی ، مطلع ترین مشارکت کنندگان باید انتخاب گردند بطور یکه این امر متحمل شوک اطلاعات ضروری را با استفاده از حداقل تعداد پاسخگرها گرد آوری نمائیم . آگاهی یافتن از مشارکت کنندگان انتخابی ( یا "‌ نقاط اطلاعاتی " در یک متن کلی ) که در مقابل آگاهی یافتن از اطلاعات در دسترس ( یا اطلاعات بطور تصادفی نمونه بردراری شده ) قرار دارد اغلب " دانش فعال " نامیده می شود که هدف تحقیقات پیوسته و پایدار بوده است . یطور شاخص ، فرد کار را با یک مجموعه اندک از نقاط اطلاعاتی طبقه بندی شده ( مشارکت کنندگان قبلی که واکنش ها یشان معلوم و مشخص هستند ) آغاز می کند تا نقطه اطلاعاتی طبقه بندی نشده ( بازدید کننده بعدی سایت ) را پیدا نماید که ، اگر مورد اخیر طبقه بندی شده ( بعنوان یک مشارکت کننده انتخاب شد ) بیشترین دست یابی به اطلاعات را فراهم خواهد کرد . در متن فعلی ، فرد کار با تعدادی کاربر که رفتارشان معلوم و مشخص است . شروع می کند ( از طریق مشاهده یا از طریق جزوه درسی ) و الگوریتمی را بکار می گیرد تا ، کاربری که واکنش هایش به یک تجربه OMR بسیار آگاهانه است ، را پیدا نماید . به لحاظ تکنیکی شیوه های قبلی دانش فعال بر مبنای بکار گیری اطلاعات معلوم ( یا طبقه بندی شده ) بوده اند تا اینکه نقطه اطلاعاتی بسیار مطلع بعدی را پیدا کنند . ما الگوریتم نوینی را بکار گرفته ایم که بواقع نقش اطلاعات طبقه بندی شده و طبقه بندی نشده را معکوس می سازد ، و اطلاعات در دسترس از قبیل جمعیت نگاشتی و روند کلیک نمایی را بکار می گرد تا دستیابی تخمینی با اطلاعاتی که ، از واکنش فرد منشاً خواهند گرفت ، را ارزیابی نماید . افراد آگاه و مطلع برای مشارکت در تجربه تحقیقات بازاریابی آنلاین انتخاب می شوند . 
برای روشن ساختن بیشتر ، نسبت های حاصله از جمعیت نگاشتی ، کلیک نمایی و معاملات تاریخی با بردار X و کا اطلاعات بدست آمده از یک فرد با I(x|X) نشان داده می شوند ، که X بیانگر افرادی است که ار قبلا نمونه گیری شده اند . بنابراین ، مطلع ترین پاسخگر بعدی رابطه argmax
{I(x|X)} را تکمیل سازد . 
بر طیق معادله بالا ، این امر متحمل است که مطلع ترین بازدیدکننده هرگز در طی دوره تجربه وارد نشود . بنابراین ، ما آگاهی از کل فضای مربوط به ویژگی و محاسبه محتوای اطلاعاتی ویژگی ها را در هر کانون مربوط به ویژگی توصیه می کنیم . هر کانون ویژگی منطبق با یک کاربر در حد مطلوب است . و مطلع ترین کانون های ویژگی مجموعه ای از مطلع ترین کاربرها را فراهم می سازند . هر کاربر واقعی که از سایت بازدید می کند ، در صورتی که مجموعه کاربران مطلع در حد مطلوب جور در آید بعنوان یک پاسخگر احتمالی قابل انتخاب خواهد بود . در صورتی که مجموعه کاربران در حد مطلوب انتخابی ، وسیع باشد ، این اطمینان را حاصل می کند که کاربران مطلع به راحتی طرد نگردند زیرا آنها مطلع ترین کاربران نمی باشند . 
برای ارتباط بین محتوای اطلاعاتی که منطق با یک بردار ویژگی خاص ( کاربر ) است . چندین الگو را تشکیل می دهیم که عملکرد یک کاربر که با x نشان داده می شود ، را پیش بینی می نمایند . سپس
( میزان اختلاف ) بین این چند الگو مورد استفاده قرار می گیرد تا دست یابی به اطلاعاتی که ، از واکنش یک فرد حاصل می شوند ، را مشخص نمائیم . جزئیات بیشتر مربوط به الگوریتم در بخش های دگر قابل دسترسی هستند . برخی عقیده بر این دارند که عملکرد واقعی یک کاربر در این ارزیابی لازم و ضروری نمی باشد . در عوض ، میزان اختلاف نسبی بین الگوها مورد استفاده قرار می گیرد . نتیجه همه دانش فعال این است که ، هر یک از گروهها ی تشکیل شده از اندازه ای فشرده برخوردار می باشد که ، بار پردازشی رو به پایین را سبک کرده ، و کل زمان لازم برای دست یابی به اطلاعات تجاری را کاهش می دهد . وقتی که محرکی به شرکت کنندگان کعرفی می شود . ( از قبیل یک : کوپن – e یا کاهش قیمت در خرید بعدی ) دانش فعال نیز کل مقدار هزینه مطرح ره به حداقل می رساند ( بر حسب کل مجموع کاهش های قیمت ) . بعلاوه ، آن ، تعداد کاربرهایی که در معرض تغییر متغیر بازاریابی هستند را نیز کاهش می دهد . این حالت متمرکز این اطمینان را حاصل می کند که ، OMR با کمترین تاثیر ، برای عملکرد نرمال سایت قابل اجرا باشد . 
" تجربیات صریح و ضمنی "
تجربیات ضمنی حرکت نرمال خریدار را مانع نمی گردند و برای استنباط رابطه بین متغیرهای بازاریابی و واکنشی ، به واکنش مربوط به تغییر متغیر بازاریاب وابسته می باشند . از سوی دیگر ، تجربیات صریح مانع حرکت نرمال خریدار می شوند و به مشارکت مردم خریدار نیازمند ند . برای مثال ، کار پیش بینی تقاضا را بعنوان یک تابع قیمت در نظر یگیرید . یک تجربه قسمتی ممکن است چندین گروه مشابه را ایجاد نموده ، و هر یک از آنها را در معرض یک قیمت متفاوت قرار دارد ( از طریق پیشنهاد کوپن هایی با بهای اعتباری مختلف برای هر گروه ) . پس تفاوت واکنشی ( قبول کوپن توسط کاربر و بازپرداخت بعدی ) برای برقراری رابطه بین قیمت و تقاضا مورد استفاده قرار می گیرد . از طرف دیگر ، یک تجربه صریح بر مبنای طرحی است که بواسطه آن ، از کاربران خواسته می شود تا احتمال خرید کالایشان را در مراحل قیمت گذاری مختلف تشریح نمایند . تجربیات قسمتی خیلی مبهم نبوده و بیشتر دقیق هستند ، زیرا آنها خریدار را متوجه پرسش سوال نمی کنند ، و از امکان بیشتری برای تسخیر هدف واقعی خریدار برخوردار هستند . تا بیشترین حد ممکن ، OMR برای تجربیات ضمنی را بکار برد . 
این نوآوری های مهم بعنوان اصول تحقیقات بازاریابی آنلاین منظم ، سریع و دقیق بکار می روند . بطور وضوح ، جنبه هایی از قبیل گروههای مشابه خیلی بندرت در اشکال قدیمی تحقیقات بازاریابی ایجاد می شوند ، ولی آنها خیلی راحت در تحقیقات آنلاینی تشکیل شده ، و صحت و دقت بیشتری را ایجاد می کند . به همین نحو ، بکار گیری تجربیات مخفی ( تا بیشترین حد امکان ) دقت و درستی بیشتری را فراهم می سازد ، در حالی که بکار گیری دانش فعال هزینه را به حداقل می رساند ( بویژه اگر یک کوپن یا سایر مکانیسمهای کاهش قیمت بکار روند ) و سرعت را افزایش می دهد . تخقیقات بازار یابی آنلاین ، علاوه بر توانمند سازی تحقیقات بازار یابی شرکت های تجاری دارای فشارهای بودجه ای ، می توانند فرصتی را برای تعدیل پیوسته جنبه های عملکردی و استراتژیکی فعالیت تجاری فراهم نمایند ، تا هم شرکتهای تجاری کوچک و نیز متوسط را متعهد نمایند . 
1) نمونه ای از اطلاعات تجاری قابل اقدام بواسطه تحقیقات بازاریابی پیوسته و آنلاین OMR 
نظریاتی که در بخشهای قبلی ارائه شدنددر حیطه اطلاعات تجاری قابل اقدام که می توانند در اختیار یک تاجر قرار گیرند . بسیار موثر و مفید فایده هستند . ما در اینجا نمونه کوچک از احتمالات را ارائه می دهیم . 
تعیین حساسیت قیمت 
حساسیت قیمت یک کالا بواسطه گروههای مشابه سنجش می باشد . بدین صورت که به هر گروه بر حسب معرفی کوپن هایی با بهای اعتباری متفاوت مورد استفاده قرار می گیرد . حساسیت به قیمت قطعه کالایی - خاص به همین نحو تعیین می شود ، بدین صورت که همه افراد هر گروه به قطعه خاصی که برای آن ، حساسیت قیمت در نظر گرفته می شود ، محدود می شوند . 

تعیین تاثیرات اوراق سازی / وفاداری به نمونه کالا 
کاهش قیمت یک کالا اغلب حجم فروشهای آن کالا را ، به هزینه حجم فروشهای سایر کالاها افزایش می دهد . یک شیوه پیش بینی تاثیرات اوراق سازی این است که ، گروههای مشابهی را انتخاب کنیم که کالای مورد بحث را در بسته خریدشان دارند . بری هر گروه مشابه به استثنای گروه کنرل ، کاهش قیمت هایی با بیشترین مقدار برای یک کالای رقابتی پیشنهاد می شوند . تعداد افرادی که کالای اولیه را توام با بهای کاهش یافته رها کنند ، دردگاهشان را نسبت به وفاداری به نمونه کالا ابزار می دارند . 
سفارش مجدد کاتالوگ 
تصاویر کالایی در فروشها موثر می باشند . کالاهایی که مورد تبلیغ هستند اغلب بیشتر نمایش داده می شوند . بواسطه مشاهده واکنش گروههای مشابه به نسبت به نمایش مکرر کالاها ، این امکان ایجاد می شود که تکرارها موثر را برای یک فروشگاه آنلاین پیش بینی نمائیم . 
ریشه یابی فواید مربوط یه ویژگی ها :
از طریق ترسیم آرایه های با اضلاع استاندارد ، این امکان ایجاد می شود که واکنش مختلف گروههای مشابه را نسبت به کالاهایی که فقط در چند تا از ویژگی های شان با هم تفاوت دارند ، دریابیم . فایده و مزیت هر ویژگی سپس قابل تشخیص خواهد بود .
ما الگویی با مدارک – نظریه های مربوط به این و سایر انواع تحقیقات بازار انلاین ( OMR ) را در بالای سرویس دهنده تجاری Web sphere , 5,4 BE ایجاد کرده ایم . از آنجا که تحقیقات بازار یابی آنلاین ( OMR ) جزئی از کالا محسوب نمی شوند ، این امکام نیست که ، فوایدی که از بکار گیری آنها حاصل می شوند ، را تعیین کنیم . با این وجود ، منطقی به نظر می رسد که فرض را بر این داریم که چنین عملکردی می تواند تصمیمات آگاهانه مربوط به بازار یابی و خرید و فروش را تسهیل و آسان نماید . در یک سطح بسیار مقدماتی ، بیشتر وب سایتها نمونه صریحی از تحقیقات بازاریابی را بکار می گیرند . برای مثال ، ویندوزهای pop-up که ، یک سوال خاص یا صفحات اصلاعاتی دارای یک سوال ( آیا شما اطلاعات را مفید و موثر تشخیص دادید ؟) را پرس و جو می کنند ، بیانگر اولین گام در تحقیقات بازار یابی آنلاین می باشند . با این وجود ، ما از شیوه های نظامدار تحقیقات بازاریابی آنلاین از قبیل شیوه هایی که در این مقاله مطرح گردید ند ، بی اطلاع می باشیم .

مباحث و نتایج 
گسترش سریع اینترنت بعنوان یک ابزار در تجارت نیاز به نوآوری های پیوسته را بر می انگیزد . شرکتهای تجاری واقعی ، که بر مبنای شراکتهای شرکتهای تجاری کوچکتر و سایر تحولات تشکیل می شوند ، شرایط سرویس دهنده ای تجاری نسل – بعدی را از نو تعریف و تشریح می نمایند .
با این وجود ، در این زمینه که یک شرکت تجاری باید از پایگاه قشری اش مطلع شده ، شک و تردیدی نیست . همانطور که بدیهی و معلوم است ، راهبردهای خرده فروشی و ویژگی های قشری از تاثیر زیادی بر حساسیت تبلیغات برخوردارند . 
از این لحاظ ، تحقیقات بازاریابی پتانسیل مهمی را در دارند تا اینکه یک شرکت تجاری را کمک کنند تا قشرهایش را بهتر بشناسد . 
ممکن است نگرانی هایی پنهانی از کار تحقیقات بازاریابی آنلاین ناشی شوند . شرکتهای مختلف دستورالعملهای مربوط به بکار گیری مناسب از اینترنت جهت تحقیقات بازاریابی و بهره مندی از نظریه ها را ارائه می سازند . وقتی اندازه دستور العملها بخوبی اجرا شوند ، تحقیقات بازار یابی آنلاین به شرکتهای تجاری با ان های مختلف منفعت و فایده رسانده ، رقابت را افزایش داده ، و ارزش فراینده ای را برای بیشتری به همراه دارند . در واقع ، عرضه یک کوپن – الکترونیکی بر مبنای اطلاعات گرد آوری شده به تاجر این امکان را می دهد تا پیشنهاد مربوطه را به مشتریان ارائه دهد ضمن اینکه در همان حین به مشتریان این امکان را می دهد که قدرت خریدشان را افزایش دهند .