Hyvin paljon informaatiota voidaan saada jo siitä, mitä ja koska kirjoitetaan. Jos verrataan kirjoitusaktiviteettia, tehdään tilasto käytetyistä sanoista, ja verrataan näitä loki-tietoihin vaikkapa siitä, mistä on linkkejä sivuille tässä kuussa, ja mistä viime kuussa, ja sitä että kuinka paljon kävijöitä meillä on tässä kuussa, verrattuna viime kuuhun, ja mihin aikaan keskustelu aiheesta A on käyty ja koska on keskusteltu aiheesta B, mikä on käyttäjä vuorokauden ajan aktiviteettitaso ja keskusteluaiheiden välinen korrelaatio.
Kaikki tämä voi antaa, jos asetamme oikeat kysymykset, sellaista tietoa käyttäjistä, jota voidaan käyttää palvelun kehittämiseen ja mainonnan tehostamiseen.
Jos luomme palvelun, jossa on rekisteröintipakko, voimme yhdistämällä rekisteröintitietoja ja lokista saatavia tietoja päästä taas pidemmälle käyttäjien tuntemisessa.
Jos kertoo, että mieskäyttäjät ovat aktiivisia päivällä ja naiskäyttäjät illalla, meillä on jo hyvin paljon enemmän tietoa, kuin silloin, jos tiedämme, että puoleta päivin käy käyttäjistä 32% ja kello 19 vain 12%.
Jos saamme rekisteröinnin yhteydessä osoitteen, niin pelkkä paikkakuntatieto yhdistettynä yhteisöstä saataviin analyysitietoihin voi taas avartaa huomattavasti tietämystämme.
Tämä tieto on arvokasta myös silloin, kun saitilla ei ole välitöntä kaupallista tarkoitusta, vaan, vaikkapa yhdistyksen, järjestön tai muun vastaan saitin kävijöitä analysoimalla, voidaan löytää uusia kohderyhmiä toiminnalle.
Segmentointiin käytettävät tiedot voivat olla liki mitä vain, karkeasti ne voidaan jakaa kuuteen eri luokkaan, mutta samalla tavoin, kuin tarpeissa, luokkien sisällä voi olla ylimenoja ja yhtäläisyyksiä.
I Demografiset, eli väestötieteelliset muuttujat
II Maantieteelliset muuttujat
III Kulutuskäyttäytymisen muuttujat
IV Elämäntapamuuttujat
V Arvomuuttujat
VI Persoonallisuustekijät
Näitten segementtien välisten suhteiden analysoinnilla sitten saakin varsin paljon tietoa käyttäjistä
