Totaloptælling af data er sjældent tilstrækkelig udnyttelse af indsamlingen.

Enkle analyseringer
Mere nuanceret information opnås gennem simple krydstabuleringer på fx demografiske kriterier (for de private forbrugere fx kriterier som køn, alder, erhverv, indkomst, formue, bobælstype, familiestørrelse, børn/ikke børn).
Ofte giver krydstabuleringer mellem flere spørgsmål interessante belysninger af problemstillingerne.

Planlægning
En plan for talbehandlingen bør udfærdiges før analysens gennemførelse som et naturligt led i den indledende hypoteseformulering og udarbejdelse af analysedesign.
En ulempe ved krydstabuleringer er at talmængden kan blive stor og uoverskuelig, fordi man ukritisk krydser alt med alt. Komplekse sammenhænge som fx flere variables indbyrdes sammenhænge afdækkes sjældent.
Statistiske analyseteknikker som omtalt neden for skal ofte tages i brug.

Årsagssammenhænge
Et særligt område er fastlæggelsen af årsag og virkning - eller de afhængige og de uafhængige variabler. Området er, sammen med mange detaljerede beskrivelser af varians- og regressionsanlyser, behandlet af Niels J. Blunch i "Analyse af Markedsdata".
Et lidt sjovt eksempel er analysen, der viste at ugifte spiser mindre chokolade end gifte. En kampagne imod giftermål - - ville dog næppe forøge chokoladespisningen (den bestemmende variabel er alderen!).

Hypoteser
En analyse må starte med en grundig hypoteseopstilling, herunder en årsagsanalyse, hvor dette er relevant.
Blunch viser en kausalmodel for efterspørgselen efter filtercigaretter. Tilsvarende kausalmodel kan være en hensigtsigtmæssig oversigt i mange andre tilfælde.

I erkendelse af svaghederne ved at få respondenterne til at begrunde deres valg eller attituder har non metric mapping analyser eller de multidimensionale teknikker klare fordele.

Beregningsmetoder
Ligesom nævnt ved skaleringsteknikker findes et stort antal statistiske beregningsteknikker. Formålet med beregningerne er at finde relevante sammenhænge, så talinformationerne kan blive meningsfulde for den marketingmæssige problemstilling.
Med computernes regnekraft har markedsanalysen fået åbnet for økonomisk tilgængelige muligheder for talknuseri, man tidligere kun kunne drømme om.

Oversigt
Man skelner mellem forskellige typer af teknikker afhængig af datatyperne. Nedenstående to oversigter giver et indtryk af bredden af muligheder. Den ene viser de enkelt-variable teknikker - hvor vi har en enkelt observation af objektet (eller kun ønsker at analysere hver observation for sig), og den anden viser de multivariable teknikker - hvor vi har flere observationer af objektet og hvor vi ønsker at analysere dem samtidig for at finde sammenhænge - korrelationer, spredninger og grupperinger.

I Aaker et al. er gennemgået eksempler på alle de nævnte teknikker.

Conjoint analyser er betegnelsen for analyser, der belyser eksempelvis produktegenskabers (eller andre egenskabers) relative betydning. Respondenterne tvinges til at vælge mellem egenskaber ved produktet. Vi får således et kvantitativt mål for den relative vigtighed af en egenskab versus en anden egenskab. Conjoint-analysers popularitet skyldes, at respondenter normalt ikke kan tage stilling til en sortering af egenskaber. Alle egenskaber anses som vigtige. Ved valg af fx et hus ønsker man god plads, central beliggenhed, ugenert for naboer, rimelig pris, god varmeøkonomi. Flere egenskaber konflikter. I en conjoint-analyse fremprovokeres en valgsituation.
Se også multidimensionale skaleringsteknikker.