2007年7月23日，IBM公司發布一項調查顯示，絕大多數消費者認為，由消費品企業所提供的關于它們產品的成分、來源和環境影響等信息的水平，極大地影響著他們對這些企業的信任度。

根據IBM對美國1,676名消費者所做的調查，最近所發生的產品污染及召回事件，加上市場推廣中一些說法所造成的混淆，大大降低了消費者對消費品制造商的信任感。近70%的消費者對有關“品牌食品”對于周圍的影響及對人體健康和福利方面的好處等說法總體上信任度比較低；幾乎一半的消費者更擔心安全問題，近五分之二的消費者嘗試買不同牌子的產品。近60%的受訪者表示，與兩年前相比，他們對自己所購買食品的成分識別意識有所增強，但盡管這樣，仍有72%的消費者想要了解更多關于他們所購買的帶包裝食品的信息，包括原料來源、生產方法和成分等。

在與這一調查結果同時發布的一項補充研究中，IBM公司發現了一類新的消費者群體，正在推動以上變化。這一題為“通過可追溯性技術來建立信任感”（Establishing Trust through Traceability）的研究報告將這一類起推動作用的消費者稱之為“全面消費者”（Omni Consumer）。這些消費者與以往任何其它消費者相比，更多地關心尖端科技，更多地依靠及使用他們手邊上的尖端科技。

根據這項研究，“全面消費者”也購買各種不同的產品，并且經常能將自己不想要的市場宣傳信息過濾掉。“顯然，影響消費者購買行為的因素在過去5年里已經發生了很大變化，”IBM全球企業咨詢服務部，全球消費品業務負責人Bill Gilmour說，“雖然產品、包裝和品牌推廣仍然是關鍵，但它們的重要性已經不及其他一些因素。‘全面消費者’需要的是能夠不斷改善健康、增加社會福利的產品，同時也希望了解這些產品對個人、社會和環境的影響。”

就亞太地區而言，IBM亞太區流通行業業務發展執行主管Chris Cave Jones指出：“由于世界上一些最重要的食品及原料生產商和出口商都在亞太地區，所以這項研究極為重要。因為我們是在一個全球經濟環境中進行競爭和向消費者提供產品，所以我們需要建立并確保消費者對亞洲產品的信心，這是使亞太國家在全球出口業務中繼續獲得成功所必需的條件。”

在這項新的研究中，IBM建議企業應將實現“全價值可追溯性”（Full Value Traceability）路線圖與它們為使自己與眾不同而設計的品牌愿景結合起來。這些新的系統既能保護食品供應安全和透明度，增強消費者信心，反過來又能保護和提升企業自己的品牌。將物流和信息流供應鏈結合起來，同時又與所有相關業務保持聯系，是建立一個“全面的價值可追溯性”系統的必要條件。

“迄今為止，大多數可跟蹤性投資都是由監管部門所推動的，”IBM消費品行業總經理Tom Peterson說。“我們建議客戶在這個方面應該更加主動的一些，而不只是采取被動防衛的姿態，企業要利用客戶在這些方面的需求來進行品牌建設。這將使他們能夠更好地保護自己的品牌不受污染、偽造和召回等事件的影響。與此同時，這樣做還能為企業搭建一個平臺，恢復消費者的信心，并向功能食品和有機食品等新的高價值市場拓展。‘全面消費者’時代要求更大程度地保證透明度，能夠做到這一點的企業顯然將會是贏家。”

IBM在消費品行業有深厚的經驗，在全球供應鏈及采購系統管理方面更是有自己的專長。IBM可以提供能將物流和信息流供應鏈有效連接起來的一整套全面的軟件、硬件和服務，還與GS1 （物品編碼中心）和 GCI（全球商務倡議聯盟）等行業組織直接合作，來支持全球數據標準的定義、采用和實施。

IBM全球企業咨詢服務部的咨詢專家能為客戶實施一個“全價值可追溯性”系統提供分析和計劃，也能提供“IBM食品安全管理器”等解決方案。該公司在部署諸如“SOA（基于服務的基礎架構）”、2D條形碼等技術以及圍繞“RFID（無線射頻識別）”所進行的創新方面也居于領先地位，這些技術和創新都是向消費者提供透明度的關鍵要素。

IBM 的調查方法

這項調查工作是由“哈里斯互動調查顧問公司”（Harris Interactive）代表IBM公司于2007年2月13日至21日在網上對年齡在18歲及以上的1,064名美國成年人和612名英國成年人進行的。根據在家庭內所承擔的日用品采購責任度，這些符合資格的受訪者被歸類為決策者（grocery decision makers）。在必要的地方，對美國的年齡/性別、種族、地區、教育和收入數字以及英國的年齡/性別、地區、教育和互聯網使用數字進行了加權處理，以使它們與其在美國和英國人口中的實際比例相一致。另外，研究人員還采用“傾向性得分加權”（Propensity score weighting）來調整受訪者上網的傾向性。對于一個數量分別為1,064和 612的純粹的概率樣本集來說，我們可以以95% 的概率說，總體結果將會分別有一個+/- 3.1個百分點和+/-4.0個百分點的取樣誤差。基于子樣（sub-samples）的取樣誤差會更高一些，并且會各不相同。然而，這種分析并沒有將其他誤差來源考慮進去。這一網上調查并不是基于一個概率樣本集，因而不能計算理論取樣誤差。