اطلاعات مشتری در این عصر جدید یکی از مهمترین مسائل می‌باشد. دانستن این مسئله که «مشتری شما چه کسی است؟» و همچنین «چگونه خرید می‌کند؟» هیچ‌گاه مهم نیست. اگر شما یک شرکت مبتنی بر اینترنت باشید، جمع‌آوری اطلاعات مشتری نسبتاً ساده است. در حقیقت فعالیت دیجیتال خریداران به شما اطلاعات مشتری قابل‌توجهی می‌دهد؛ اما اگر شما مغازه‌های واقعی داشته باشید، شما از این مزیت برخوردار نیستید زیرا ممکن است اطلاعات زیادی در مورد مشتریانتان نداشته باشید.
در حقیقت، این مسئله یک چالش برای شما محسوب می‌شود. چالش حقیقی این است که: «شما چگونه می‌توانید به اطلاعات مناسب در مورد مشتریانتان دسترسی داشته باشید؟ (مشابه اطلاعاتی که برای مشتری‌های آنلاین وجود دارد)».
این مسئله دقیقاً چیزی است که شرکت «نیو وست اند» تلاش می‌کند تا به آن دسترسی پیدا کند. این شرکت بیش از ۶۰۰ هتل، رستوران و مغازه را در حوالی خیابان باند، خیابان آکسفورد و خیابان ریجنت لندن دارد و تلاش می‌کند تا شرکتی متمایز در زمینه‌ خرده‌فروشی و تفریحی باشد.
برای انجام این کار، این شرکت نیاز دارد تا راه‌هایی را برای جذب افرادی از این منطقه‌ها پیدا کند و آن‌ها را متقاعد سازد که زمان بیشتری را در مراکز خرید این شرکت بگذارند و بدین‌صورت، پول بیشتری را در این مراکز خرج کنند؛ اما برای موفقیت این شرکت و شرکت‌های مشابه در جاهای مختلف دنیا، باید تجزیه‌وتحلیل خوبی در زمینه‌ نوع اطلاعات مشتری داشته باشند و بنابراین، بتوانند به‌صورت سازگار و غیرتهاجمی عمل کرده و تصمیم‌گیری‌های مناسبی را اتخاذ کنند که نتیجه‌ آن بروز مزیت‌های ملموس باشد.
افزایش فوق‌العاده خرید آنلاین اثر قابل‌توجهی را بر روی تجارت فروشگاه‌های سنتی «های استریت» داشته است. این مسئله به‌صورت خاص در مشاغل اولیه یا مناطق خرید مشاهده می‌شود. گزارشی اخیراً به‌وسیله PwC ارائه‌شده است و به این مسئله اشاره دارد که در سال ۲۰۱۸، ۲۴۸۱ فروشگاه در منطقه‌ «های استریت» انگلیس بسته شده‌اند. درواقع مردم هنوز هم عاشق خرید هستند. بررسی اطلاعات مشتریان جهانی ۲۰۱۹ که به‌وسیله‌ PwC ارائه شده است، نشان می‌دهد که افراد معمولاً دو برابر آن چیزی که محصولات را با استفاده از کامپیوتر، تبلت و یا گوشی‌های هوشمند، خرید می‌کنند، در فروشگاه‌ها خرید می‌کنند؛ و بیش از ۲۰۰ میلیون نفر سالانه از فروشگاه‌های «وست اند» بازدید می‌کنند و حدود ۵/۱۰ میلیارد دلار آمریکا را در این مراکز خرید می‌کنند.
خرده‌فروشان هم‌اکنون برخی از اطلاعات مشتری خود را از طریق تعداد ورود و خروج به مغازه‌هایشان، جمع‌آوری می‌کنند اما این بررسی‌ها اغلب ناقص و دارای اشتباهات زیادی است. برای مثال، بررسی‌ها و نظرسنجی‌های خیابانی اغلب غیر عینی است و اندازه‌‌ نمونه‌ها اغلب اندک است. خرده‌فروشان همچنین اطلاعات مشتری خود را از طریق بازپرداخت‌های خرید معاف از مالیات نیز جمع‌آوری می‌کنند و اگرچه این اطلاعات، ارزشمند هستند و بهتر از منفعل بودن است، اما اغلب محدود می‌باشند.
این اطلاعات به مسائل مهم دیگری توجه نمی‌کنند مثلاً: چه کسی مشتری شماست؟ مشتری از کجا آمده است؟ کدام برندها مورد توجه این مشتری‌ها می‌باشند؟ آن‌ها به چه زبانی صحبت می‌کنند؟ آن‌ها در فروشگاه شما یا در ناحیه خرید شما، چه میزان خرید کرده‌اند؟ در زمان خرید، آن‌ها علاوه بر خرید، به چه فعالیت‌های دیگری پرداخته‌اند؟ شما نیاز دارید تا بدانید مشتری‌ها در حقیقت چه‌کارهایی انجام داده‌اند؟ (شما نیاز ندارید تا بدانید آن‌ها چه گفته‌اند و یا شما اعتقاد دارید آن‌ها چه باید بکنند؟). برای به دست آوردن تصویر واقعی از این موضوع، نیازمند داشتن داده‌های کمی و کیفی کاملی هستید.
خرده‌فروشان و فروشندگانی که در جاهای مختلف دنیا فعالیت دارند، می‌توانند از کاری که شرکت «نیو وست اند» انجام داده است، الگوبرداری کنند. این شرکت شروع به توسعه‌ بصیرت‌هایی کرد که از طریق بررسی پایلوت «باند استریت» به دست آمد. این بررسی منجر به ایجاد گروه‌های داده‌ای کمی شد که به‌واسطه‌ آن‌ها، تصویر کاملی از هزینه‌ها و بازدیدهای ایجاد شده در خریدهای این ناحیه حاصل شد. در این اطلاعات، حتی اطلاعات مربوط به خریدهای منفرد مورد بررسی قرار گرفت.
نقطه‌ شروع در حقیقت جمع‌آوری تمام اطلاعات مالی و تعداد ورود و خروج افراد ناشناس می‌باشد. مرحله‌ بعدی جمع‌آوری این اطلاعات با اطلاعاتی است که به‌واسطه‌ آن‌ها در مورد بازدیدکنندگان شرکت «وست اند» آگاهی پیدا می‌کنید. این اطلاعات مشتری می‌توانند به‌صورت مجدد و از طریق اپراتورهای تلفن همراه، بخش حمل‌ونقل، اطلاعات پرواز و سایر منابع، تأمین شوند. تجزیه‌وتحلیل اطلاعات مربوط به شرکت «نیو وست اند» به محققین این شرکت اجازه داد تا در طی دو هفته، ایده‌های تکامل‌یافته‌ متعددی را ارائه دهند که قبل از آن، موجود نبود.
نتایج این بررسی که در سال ۲۰۱۷ به‌دست‌آمده است، نشان‌دهنده‌ نکات شگفت‌آور بسیاری است. این مسئله حتی موجبات شگفتی خرده‌فروشان فصلی نیز شده است برای مثال:
• شنبه‌ها یک روز تجاری خوب برای فروشندگان «باند استریت » می‌باشد اما مشتریان هدف (افرادی که ثروتمند هستند و بیش از ۳۰ سال دارند) ترجیح می‌دهند تا روزهای چهارشنبه و پنجشنبه از این خیابان دیدن کنند.
• کریسمس آرام‌ترین زمان سال برای بازدیدکنندگان خارجی است و شلوغ‌ترین زمان برای فروشندگان محلی می‌باشد.
• در زمان‌هایی از سال که بازدیدکنندگان خارجی از لندن بازدید می‌کنند، ملیت آن‌ها اثر قابل‌توجهی بر روی رویه‌های فروش در طی سال دارد. این مسئله برای خرده‌فروشان شگفت‌آور است که یاد بگیرند آمریکایی‌ها و ژاپنی‌ها پول زیادی را در این خیابان خرج می‌کنند اما چینی‌ها پایین‌ترین میزان خرید را دارند (احتمالاً به دلیل فقدان امکانات پرداخت وب چت (WeChat) و آلی پی (Alipay) در این منطقه).

این نوع از اطلاعات مشتری برای خرده‌فروشان و آگهی‌دهنده‌ها، مهم می‌باشد. اگر شما متوجه شوید که مشتری‌هایتان از کجا می‌آیند، آنگاه کارمندان فروشتان را متناسب با آن زبان‌ها انتخاب می‌کنید. ممکن است همچنین قادر باشید بفهمید که کدام کشور بیشترین خرید را از شما دارد. اگر شما بدانید که بیشتر فروشتان در طی کریسمس از انگلیس است، شما می‌توانید بازاریابی خود را هدفمند کنید و به‌سرعت پیشرفت کنید؛ و اگر دریابید که مشتری‌هایتان از چه طریقی مسافرت می‌کنند، از چه خط هوایی استفاده می‌کنند و یا از کدام ایستگاه جابجا می‌شوند، می‌توانید تبلیغات موفق خود را هدفمند کرده و با سهولت بیشتری در مورد روش سیاحت مشتری‌های خود اطلاعات کسب کنید.
شما ممکن است سایر بصیرت‌های قانونی دیگر را نیز کشف کنید. برای مثال می‌توانید در زمانی که خریداران بین‌المللی در لندن حضور دارند، محصولات یا نمودارهای اندازه‌ مختلفی را ارائه دهید.
روش‌های یادگیری ماشینی پیشرفته همچنین می‌تواند بصیرت‌های خوبی را از طریق اطلاعات مشتری ، سناریوهای آزمایش و ورودی‌های مختلف ارائه دهد. برای مثال، تجزیه‌وتحلیل «وست اند» زمینه‌ای را نشان داده است که بر طبق آن می‌تواند ۹/۵ میلیون دلار درآمد اضافی را از طریق طولانی کردن ساعت‌های باز بودن فروشگاه‌ها، ایجاد کرد.
استفاده از این اطلاعات مشتری برای آگاهی بهتر در مورد افرادی که به بخش‌های فروش وارد می‌شوند، محدود به بخش خرده‌فروشی نیست. این روش می‌تواند در هر جایی از دنیا و در هر موقعیتی مورد استفاده قرار گیرد. برای مثال، با جمع‌آوری و آگاهی یافتن از این نوع اطلاعات، یک شهر می‌تواند برنامه‌ریزی بهتری را در زمینه‌ ساخت بیمارستان‌ها یا ایستگاه‌های قطار انجام دهد. همچنین تجزیه‌وتحلیل پیش‌بینی کننده می‌تواند برای بهبود خدمات شهری در بخش‌های مختلف شهرهای هوشمند، مورد استفاده قرار گیرد.
پروژه‌های اطلاعاتی مانند این پروژه می‌تواند اهمیت مشارکت و همکاری در جهان دیجیتال را پر رنگ کند. سایر سازمان‌ها احتمالاً داده‌هایی دارند که برای شما مفید است و سازمان شما نیز داده‌هایی دارد که ممکن است برای سایر سازمان‌ها یا شرکت‌ها مهم باشد. با ترکیب داده‌های موجود با داده‌های جدید به‌دست‌آمده از منابع خارجی و سپس انجام ابداع و خلاقیت در آن‌ها، می‌توان بهترین آگاهی را از مشتری‌هایتان به دست آورید. همچنین مجهز بودن به اطلاعات بهتر، موجب می‌شود تا شما قادر به تبدیل داده‌ها به تصمیم‌گیری را داشته باشید.