Uma loja de cosméticos quer promover no mercado um novo produto importado, um tratamento capilar para cabelos tingidos, de preço mais alto que os nacionais. Consideremos que a empresa tenha 30.000 pessoas cadastradas em seu banco de dados, através do sistema de pontos. Precisamos saber qual é o potencial de consumo e para quem ela deve comunicar o lançamento, isto é, quais destas pessoas realmente poderiam se interessar por comprar o produto e responderiam positivamente a uma ação de marketing direto.

A análise começa pela seleção de mulheres com mais de 30 anos, pois elas podem utilizar tinturas já há alguns anos e ter seus cabelos danificados, ou a partir desta idade podem querer cobrir os primeiros fios brancos. Outra linha de corte pode ser a renda, já que se trata de um produto importado, e mais caro que os nacionais. A empresa optou pelo valor de R$ 3.000,00 como renda mínima. Temos então, mulheres com mais de 30 anos que possuam uma renda mensal igual ou acima de R$ 3.000,00. Podemos filtrar também a região onde moram estas consumidoras, e selecionar alguns bairros como mais nobres da cidade.

Finalmente, podemos cruzar os dados com o sistema de notas fiscais das lojas, e saber quais dessas mulheres compraram algum tipo de tintura para cabelos nos últimos 4 meses. Com esse detalhamento, embora elementar, faz o potencial de resposta decorrente da remessa de um material de marketing direto aumentar de maneira significativa, simplesmente porque foi determinada a busca de clientes que já utilizam tintura, e podem realmente ter interesse no produto novo.

É fácil perceber que quanto mais se conseguir conhecer e compreender os clientes e fazer cruzamentos mais detalhados quanto a seus hábitos de consumo, maiores são as chances de realizar ações que venham a ser atrativas para eles e para a empresa. Nota-se, em conseqüência, a importância de uma ferramenta bem desenhada e com flexibilidade suficiente para cruzamentos de informações dos mais diversos tipos.