許多市場營銷學者和經濟學家由於難以得到准確和全面的耐用商品數據來進行研究，令他們在理解和估算耐用商品的消費需求時面對不少挑戰。研究消費偏好和品牌競爭時，研究人員一般都使用耐用商品的彙總(aggregate)銷售數據，因而令這類專題研究結果未達理想。

Jun B. Kim、Paulo Albuquerque和Bart J. Bronnenberg設計了一套新的模式，透過消費者搜索數據，即許多網上商店都擁有的不同數據組合，來研究消費需求。此外，模式亦有助了解和研究如消費者搜索成本等市場摩擦成本(market frictions)的理論。

作者說：「市場營銷學者和經濟學家早就認識到，基於搜索成本等原因，消費者通常不願搜尋或考慮所有可供選擇的產品。可見理論與現實出現偏差,即未能充分考慮產品選擇的局限性，就無法正確估計需求。」

為了示範新研究模式的效果，他們根據amazon.com網上出售的超過91款攝像機，選擇於2007年5月起「查看」數據來作為消費者的搜索數據進行研究 (剔除異常值）。結果顯示，約40%的消費者搜索少於五款產品，平均搜索數量僅為14款產品，這反映了在競爭方面的一個重要發現。

作者說：「這意味著，列入我們分析範圍的許多產品，彼此之間基本上缺乏網上競爭，因為消費者根本不會在同一時間搜索多款產品。實際上，絕大多數（約70%）可以配對查看的產品當中，只有不到5%的人會進行配對查看。這反映了產品的互相替代價值十分有限，造成許多交叉價格彈性(cross-price elasticities)在數字上表現為零。」

在市場摩擦成本方面，他們發現幾乎所有消費者都受惠於由賣方贊助、在amazon.com上提供的產品推薦功能，令消費者可降低搜索成本，不過這功能也是一把雙刃劍。

作者解釋：「此類工具令暢銷商品受益，往往使攝像機的網上市場集中於受歡迎的暢銷產品，令需求上升。我們留意到，如研究模擬在多段時期進行，這種極化效應就可能更明顯，我們對這點需要作進一步研究。」

作者透過市場數據驗證自己的研究模式，發現該模式在這種情形下均適用。他們還指出，該模式可以各種產品搜索數據為基礎，而非局限於查看級數據，且適合其他搜索情形，而不僅僅是選購耐用商品。