線上與線下（O2O）虛實應用，改變消費習慣
電子商務大數據商機分析
一）衝擊傳統行業
在分析電子商務大數據帶來的商機之前，首先對電商大數據時代將會受到衝擊的傳統行業進行分析，警示相關企業發展中面臨的風險。針對個性化推薦、C2B和電商金融等3項應用，廣告行業、戰略諮詢行業、銀行分別會受到較大的衝擊。
•廣告行業：個性化推薦通常採取CPC（按點擊收費）或CPM（按顯示收費）的方式，易於廣告衡量效果且綜合費用低；相比之下，傳統廣告平台投放費用高，且不易衡量效果。
•戰略諮詢行業：C2B可動態跟蹤和分析市場，參考阿里巴巴的數據1年費用是3,600元人民幣。相比之下，戰略諮詢行業的產品多以專案制為主，且無法動態跟蹤市場，費用也較高，TRI認為基於數據分析的趨勢型諮詢公司將會受到很大衝擊。
•銀行：電商金融機制靈活，借貸成本低且風險控制嚴格，能夠很好的滿足小微客戶的短期融資需求。傳統銀行在融資審批環節流程複雜，且借貸成本高。TRI認為，未來電商金融對基於小微客戶信貸的中小銀行形成較大衝擊。
當不知道該買什麼時？
身處在不熟悉的地盤常使用LBS定位+APP找車位，或APP查找附近口碑店家，例如愛評網，這類大多是替店家發送試吃券coupon，導引使用後發文評價，創造消費循環。
在數據行銷上，使用者預設喜好、過去歷史查詢、出沒地點及用後評價等數據可分析使用偏好，在下次登錄時預測推薦，或推播相關度高的廣告或coupon，也可萃取各類熱門店家榜單，一來榜單易引發嚐鮮追逐效應，二來也可挖掘出潛力店家。
在數據行銷上，使用者預設喜好、過去歷史查詢、出沒地點及用後評價等數據可分析使用偏好，在下次登錄時預測推薦，或推播相關度高的廣告或coupon，也可萃取各類熱門店家榜單，一來榜單易引發嚐鮮追逐效應，二來也可挖掘出潛力店家。
還沒買之前再度確認？
在賣場快查口碑或比價，買對又不買貴。在數據分析上，利用品味消費比對（also buy同時購買，即觀看／購買A商品的人同時也觀看／購買B商品）進行推薦模擬，而透過使用者追蹤商品設定或查詢比價商品資料統計，亦可預知最近消費者想買的熱門商品榜單。
服裝業的作法是只要先拍下全身照片，可用APP在購買前模擬試穿，一來少了櫃姐白眼，免去穿脫之累，還可分享聽取姊妹淘的遠距意見，從開箱文進化到將買欲敗文，去蕪存菁後再下單，不過女生通常被潑了冷水不一定會節制消費，反到是受褒或試穿過而欲望大增。在數據分析上，當累積夠多穿搭資訊時，在所挑選樣式與購買樣式間可比對出，消費者偏好與適配商品，給予個人化建議，彷彿有個專屬造型師。
身處在賣場裡要省時省力，其實還有更多心機
海內外大型賣場或遊樂園，近兩年BEACON微定位裝置提供商品快速路線引導，避免消費者在大賣場迷路瞎逛。在數據分析上則有更深意涵，消費者在賣場內漫遊駐足路線收集起來叫「足跡熱點」，可分析出那些櫃位位置是高停留點，再透過實體觀察，找出賣場吸引人流的魅力所在，進一步導引優化櫃位安排、動線設計與巧思設置，營造愉悅的購物體驗，將人流轉現金流。
以IKEA為例，重要集客工具，採雜誌編輯的生活型態感的大本型錄，已APP化，並運用擴增實境，只要拍下家中擺設，與IKEA家具圖片擺放一起，就可預見放到家裡的樣子找到適合家具，並形成購買清單與店內指引，到店時可輕鬆購買。
還有更多巧思是，業者將RFID會員卡上的購物清單（之後改APP購物清單更便利）與電腦自動化的購物車感應連接，設計導引出最佳化的採買路線，為消費者省時省力，而沿途時卻可埋入特價促銷或魅力商品，刺激衝動購買，而APP型錄停留時間（熱點）、購物清單到實際購買（轉換率）之間也可連結分析，作為行銷設計參考。
購物也能更優雅有趣
美國星巴克提供預訂服務，出門前APP預定付費，稍後到達門市時就可優雅而快人一步地取用咖啡，不用困在人龍裡苦等。其實，台灣高鐵APP直接購票也異曲同工，進站前只要手機即可優雅通關，不用再面臨在通行處翻皮包狼狽找票，遭後面的人白眼的尷尬緊張畫面。從數據分析角度來看，除給予個人化的促銷驚喜外，消費地點與時段資料，也可形成內部流程優化改善的參考應用，如在rush hour導引消費，簡化作業，服務更多客戶。
購物時獲得更便利、輕鬆的購買或支付
英國特易購公司（Tesco）早推出只要拿著結帳機刷產品即可支付購買，直接送貨到府，不用手推重重的購物車，提著大包小包，輕身悠遊賣場，大大加速店內人流迴轉。
中國大陸的便利商店早可用支付寶，即使是買個早餐也不用帶現金找零，還可享優惠，而去年雙12促銷，更推出實體店（超市或便利店）支付寶付費全場五折，引發來店熱潮。支付寶原來已有用戶線上購物資料，現在還加上實體購物資料與地點等資訊，等於進一步完整化消費拼圖，可作後續虛實整合應用分析，威力強大。
未來數據行銷的兩大隱憂
未來物聯網時代有更多資料上雲端，可預見零售樣貌與型態正要大幅度變臉，虛實更無界線，也將徹底改變購物行為。不過要提醒的行銷人的是，O2O行動商務與數據行銷，看似風光無限，但仍有兩大風險值得深思，一來消費者並非人人都想成為演算法的奴隸，重複過去喜好與慣性，二來將來應用擴散週期將縮短，但商機發酵甜蜜點，反而是如何找到最適應用與需求點，亦即通知或優惠在有需求時是甘霖，沒需求時反成騷擾！