Skiller man det ud på forskellige demografiske variable, ser verden en smule anderledes ud: Nu kan man altså se, at mænd i aldersgrupperne 25 - 34 og 35 - 49 har forskellige besøgsmønstre. Således er det sjettestørste medie for mænd i aldersgruppen 35 - 49 faktisk nr. tre, hvis man kigger på aldersgruppen 25 - 34.

Konklusionerne afhænger også af husstandsindkomst og - som her -hvorvidt man arbejder i det private erhvervsliv. Det ses af ovenstående eksempler, at der kan analyseres på mange forskellige niveauer. Fælles for alle analyser gælder det, at man skal have et repræsentativt analysemateriale for at kunne tage de rigtige beslutninger. Har man det, kan annonceplanlæggeren placere annoncekronerne der, hvor der er størst sandsynlighed for, at man rammer den målgruppe, som man på forhånd har defineret.

Ud over de nævnte eksterne analysemetoder findes der også server-baserede løsninger, der tager udgangspunkt i de enkelte sites egne analyser. Dette kan være i form af en ekstern audit af sitet, der kontrollerer, om en kampagne er blevet vist til det antal internetbrugere, som annoncøren har betalt for.

Disse analyser er nødvendige for at kunne evaluere ex-post, ligesom man også kan bruge dem til at prognosticere, men man kan ikke målgruppe-basere disse analyser med den nuværende teknologi, da man ikke råder over de demografiske data , som dette vil kræve.

Der findes i dag et væld af forskellige analyser, og derfor er det vigtigt, at man som annoncør stiller krav til medieplanlæggeren om, at det skal sandsynliggøres, at man rent faktisk rammer de målgrupper, man har udset sig. Det kan være en svær øvelse, men hvis man ikke forsøger, kommer man heller ikke videre.