داده‌های شخصی مشتریان، همچنین داده‌های مربوط به رفتار مشتری در فروشگاه ­ها بسیار با ارزش است. بنابراین فروشگاه ­ها باید بدانند که چگونه چنین اطلاعاتی را جمع‌آوری و استفاده کنند. حسگرهای حرکتی مجهز به اینترنت اشیا نصب شده در سبدهای خرید، اطلاعات نحوه حرکت مشتری در فروشگاه را بدست می ­آورند، مثلا:

• مشتریان از کدام راهروها می‌گذرند و از کدام راه عبور می کنند.
• در چه قفسه‌هایی متوقف می­شوند و چه مدت به محصولات آن قفسه ­ها نگاه می­ کنند.
• آیا آن‌ها به پیشنهادهای خاص توجه می­ کنند یا نه.

همه این سنسورها از طریق بلوتوث یا سایر پروتکل ­های ارتباطی اینترنت اشیا، اطلاعات را جهت تجزیه‌ و­تحلیل به سیستم (ابری) متمرکز انتقال می­ دهند. به این ترتیب، متخصصان بازاریابی می­ توانند بخش ­های فروشگاهی را که بیشترین و کم‌ترین میزان بازدید را دارند شناسایی کنند. بر اساس این داده‌ها از رفتار مشتری، مدیران می ­توانند استراتژی­ های تجاری کارآمدتری ایجاد کنند و طرح فیزیکی فروشگاه را بهینه کنند. در این حوزه می­ توان به اپلیکیشن­ های پیشنهادی اشاره کرد که محصولات را به طور سفارشی برای مشتریان ارائه می­ دهد. فروشگاه‌های زنجیره‌ای می­ توانند ایده‌­ی قفسه‌های هوشمند را بیازمایند. درحالی‌که مشتری در راهروی فروشگاه قدم می‌زند و اپلیکیشن خود را باز کرده است، حسگرها به شناسایی او و محصولات مورد علاقه‌ی او می‌پردازند. برای مثال اپلیکیشن، محصولات بدون گلوتن یا اسنک‌­های مناسب کودکان را بنا به علاقه‌ی مشتری، پیدا می‌کند. این اپلیکیشن می‌تواند یک نوع قیمت‌گذاری فردی را هم ارائه دهد و درصورتی‌که کالایی در فهرست خرید برای فروش قرار داده باشد، به خریدار هشدار می‌دهد که فراموش نکند.

 هم در سکوی اینترنت اشیا و هم در اپلیکیشن‌‌های پیشنهادی از هوش مصنوعی برای تحلیل دریافتی و خروجی فروشگاه های هوشمند و ارزیابی خرید در هر فروشگاه استفاده می‌شود. الگوریتم یاد شده به فروشگاه هوشمند در بهبود کالاها و موجودی در موقعیت­ های مشخص کمک می ­کند. برای مثال داده های مربوط به رفتار مشتری نشان می‌دهند، بستنی زعفرانی در فروشگاه‌ های شهری، فروش بهتری دارند و موجودی را براساس تقاضای مشتریان تغییر می‌دهند. فناوری‌هایی مانند بیومتریک و تشخیص چهره می‌توانند مشتریان را در فروشگاه‌ها رصد کنند.

داده‌های سلیقه‌ای مشتریان با هوش ‌مصنوعی در پایگاه اطلاعات و داده ثبت می‌شود. حالا با چنین داده‌هایی می‌توان کالاهای مورد علاقه مشتریان را در قالب پکیج‌های مختلف مارکتینگ به آن‌ها پیشنهاد داد. رصد رفتار مشتری با هوش‌ مصنوعی در طراحی استراژی مارکتینگ در صنعت خرده ‌فروشی بسیار تاثیر‌گذار است. الگوریتم‌های پیشرفته هوش‌ مصنوعی می‌توانند از روش دیگری در جمع‌آوری این اطلاعات استفاده کنند. برای رمزگشایی علایق مصرف‌کنندگان می‌توان رسانه‌های اجتماعی و ردپای دیجیتالی مشتریان را با هوش‌ مصنوعی دنبال کرد.