网络购买行为与搜索存在一定的关联，但这种关联并非我们想象中的呈现简单的线性关联，更不是销售中的漏斗状一层层集群递进。
关于线上消费决策过程，线上研究、社交媒体、评价网站在消费决策过程中发挥着重要作用。一些知名企业和权威研究机构给出统计数据：
- 毕马威：85%的消费者在做出购买决定之前会在网上进行研究。
- 戴尔：61%的消费者在搜索引擎上搜索产品后会点击 organic 搜索结果进行更多研究。
- 亚马逊：82%的智能手机用户会在店内通过手机进行比价。
- IBM：已经有超过50%的购买决策是在消费者走进实体店之前就已经完成了。
- 维珍：49%的顾客指出线上评论会影响他们的购买决定。
- Animoto：52%的18-34岁消费者表示YouTube上的评论对购买决定有影响力。
- Qualtrics：61%的消费者表示如果他们看到负面评论,他们不会购买该产品。
今天的消费者决策过程变得异常复杂，作为潜在买家的搜索者又在不同的社区，彼此交错相互影响。这对营销人员如何把握购买者行为提出很大的挑战，需要更多的数据支撑，来进行深入的分析判断。
Microsoft Advertising的广告客户分析小组透过内部搜索查询数据，对购买行为演变进行深入研究，用来帮助营销人员获得所需的决策过程的预见性。今天的购买决策过程到底是什么样？
看下图，像这样，
这里看到的是Bing搜索引擎与企业云软件相关的搜索查询的实际表示，为我们展现的是同一个人在一个紧密的时间窗口中进行的搜索，以及这些搜索之间的关系网络。
是不是非常凌乱？理解搜索者行为是一个复杂的挑战。
首先，我们看到这个网络中按颜色可视化表征的不同社区。我们发现这些查询是按主题聚类，围绕某一主题的查询具有自己的颜色，Azure和AWS等空间中的大型参与者拥有大型社区。查询不是基于查询本身的内容放置在社区中，而是基于同一用户搜索它们的规律性。这是一个重要的区别，它为我们提供了另一种难得的视角，对品牌在其空间中所处位置的原始又公正的看法。
社区的大小是一个有趣的因素，但是查询之间的关系可以最好地诠释见解。无论您产品或品牌空间是什么，一个社区中都存在查询，但与其他社区中的查询存在关联。
例如，我们在下面看到查询“云计算”和“物联网”彼此之间以及Azure和AWS社区之间存在关系。这是一个结合组织，可以深入了解您客户，您业务和您的竞争格局。
这些搜索彼此关系的关键在于查询之间存在大量互连，这也体现了搜索者行为的真正复杂性。搜索很少是线性的，更多地发生在不一定与销售漏斗状行为一致的聚类中。
有关消费者意图，忠诚度以及品牌和非品牌查询所做贡献的不同类型，都受到大数据的挑战。我们以查询“什么是AI？”为例，我们在网络中看到这个查询已被搜索过“人工智能”和“AI”的用户搜索过。
同时，我们看到这些术语和品牌节点之间的关联，例如“IBM”和“AWS”。然而，我们能够看到“什么是AI”与“IBM”相同的社区的一部分。这告诉我们，很多人都在寻找两者。IBM在这些类型的消费者中树立了非常出色的品牌定位。
与此领域的其他大型企业一样，Google在网络中拥有自己的社区。查询“Google Cloud”是此社区的中心节点。根据在整个网络中的其他社区中看到的内容，我们可能会假设社区内的其他查询也与Google的云产品相关。然而，这个社区包含竞争对手和非品牌术语的混合，其中许多包含术语“云”。因此，我们可以认为Google并没有将品牌定位为接近“云”这一术语。
显然，人工智能将在购买决策过程中扮演越来越重要的角色。