许多市场营销学者和经济学家由于难以得到准确和全面的耐用商品数据来进行研究，令他们在理解和估算耐用商品的消费需求时面对不少挑战。研究消费偏好和品牌竞争时，研究人员一般都使用耐用商品的汇总(aggregate)销售数据，因而令这类专题研究结果未达理想。

Jun B. Kim丶Paulo Albuquerque和Bart J. Bronnenberg设计了一套新的模式，透过消费者搜索数据，即许多网上商店都拥有的不同数据组合，来研究消费需求。此外，模式亦有助了解和研究如消费者搜索成本等市场摩擦成本(market frictions)的理论。

作者说：「市场营销学者和经济学家早就认识到，基于搜索成本等原因，消费者通常不愿搜寻或考虑所有可供选择的产品。可见理论与现实出现偏差,即未能充分考虑产品选择的局限性，就无法正确估计需求。」

为了示范新研究模式的效果，他们根据amazon.com网上出售的超过91款摄像机，选择于2007年5月起「查看」数据来作为消费者的搜索数据进行研究 (剔除异常值）。结果显示，约40%的消费者搜索少于五款产品，平均搜索数量仅为14款产品，这反映了在竞争方面的一个重要发现。

作者说：「这意味着，列入我们分析范围的许多产品，彼此之间基本上缺乏网上竞争，因为消费者根本不会在同一时间搜索多款产品。实际上，绝大多数（约70%）可以配对查看的产品当中，只有不到5%的人会进行配对查看。这反映了产品的互相替代价值十分有限，造成许多交叉价格弹性(cross-price elasticities)在数字上表现为零。」

在市场摩擦成本方面，他们发现几乎所有消费者都受惠于由卖方赞助丶在amazon.com上提供的产品推荐功能，令消费者可降低搜索成本，不过这功能也是一把双刃剑。

作者解释：「此类工具令畅销商品受益，往往使摄像机的网上市场集中于受欢迎的畅销产品，令需求上升。我们留意到，如研究模拟在多段时期进行，这种极化效应就可能更明显，我们对这点需要作进一步研究。」

作者透过市场数据验证自己的研究模式，发现该模式在这种情形下均适用。他们还指出，该模式可以各种产品搜索数据为基础，而非局限于查看级数据，且适合其他搜索情形，而不仅仅是选购耐用商品。