在零售业中，数据分析的应用正变得越来越广泛。曾经，许多人认为零售业是一个增长有限的行业。然而，随着搜索引擎的发展，能够轻松获取大量数据，这为零售业带来了新的机遇。例如，通过分析Twitter上的帖子来进行情感分析，已经不再是一项复杂的任务。
让通过一个例子来理解这种分析的潜在力量。假设经营着一家国际连锁零售商店，比如Bresco。通过各种忠诚度计划收集客户数据，并且与商业银行合作，从而获得了客户的银行账户详情、卡片信息、人口统计信息、食品偏好等必要数据。这些收集到的数据可以帮助创建一个“虚拟客户形象”。
基于这个形象，预测客户接下来会吃什么类型的食物，或者他们未来的购买行为，可以为商店带来奇迹。在本文中，将探讨一些免费提供的信息源，并讨论它们如何在分析中发挥作用。
社交媒体提供了两个非常关键的信息，可能无法以其他方式获得。首先，是未被意识到的客户偏好。通过分析客户在社交媒体上的行为信息，可以预测客户的偏好。这些信息可以辅助现有的客户信息。例如，如果一个客户在餐厅的交易很多，可以说他是一个美食家，喜欢访问不同的餐厅。但这可能只是他工作的要求，而不是他的偏好。然而，如果这样的推断来自他的社交网络，可以更确定客户真正喜欢什么，不喜欢什么。
客户偏好可以从客户的网络中挖掘出来（如果他的网络中有更多的人被称为美食家，那么这个人也可能是美食家），他被标记的照片/签到（如果他在多个餐厅被标记，他可能是一个美食家），他的评论，标签等。社交媒体可以提供这样的信息，帮助使产品更加以客户为中心。
其次，是客户网络信息。社交媒体可以揭示客户拥有的人际关系网络类型。想象一下，有一个社交媒体管理团队，每天可以解决10,000个客户投诉。但是，开始每天在社交媒体上收到100,000个投诉。应该如何优先处理这些投诉？一个简单的方法是定量评估客户的网络强度，并选择更强的。例如，来自X先生的投诉比来自Y先生的投诉更重要，如果X先生互动的人比Y先生的更有影响力。