Маркетингова діагностика товару є одним з ключових етапів успіху підприємства на ринку. Діагностика товару і підприємства зв'язані між собою, але напрями дослідження у них разні. Ця проблема частково вирішується за рахунок застосування індустріальних методів діагностики. Діагностика товару розглядається як окремий технологічний модуль, за допомогою якого формулюються поточні і майбутні завдання маркетингових досліджень, такі як аналіз комплексу «ринок-товар-ціна-конкурент-месце-просування», стан збуту, структурний аналіз поведінки споживачів і інше.  Діагностика товару підприємства проводиться для ідентифікації вузьких місць по реалізації і з'ясуванню його потенціалу на ринку, і висуненню пропозицій для подальшого розвитку маркетингової товарної політики. Імітаційне моделювання поведінки товару на ринку знаходить все більше розповсюдження в маркетингових дослідженнях,  оскільки  традиційні аналітичні методи у зв'язку з складністю і різноманітністю ринкової системи не завжди дають бажаний результат. Нами пропонується використання нейронних технологій разом з іншими комп'ютерними методами для обробки маркетингової інформації в межах модуля діагностики товару. Особливістю нейронних мереж є можливість адаптації  базового алгоритму обробки інформації на основі потоку вхідної інформації. Тому вони знаходять практичне застосування там, де потрібно вирішувати завдання прогнозування, класифікації, управління процесами в режимі реального часу. Вони здатні самостійно уловити існуючі закономірності між причинами і наслідками, тому мають перспективу широкого застосування у модулі діагностики товару (МДТ).
МДТ реалізований в обчислювальному середовищі Microsoft Excel і Neural Network Toolbox Matlab. При цьому були використані можливості Pivot Table, Solver, Analysis Pack, що дозволило забезпечити стандартний рівень інтерфейсного сервісу, а також вхідного контролю даних. Решта функцій МДТ була реалізована в спеціальних програмах-макросах, написаних мовою Visual Basic і протестовані.  На підставі комп'ютерного прогону МДТ виконані розрахунки параметрів маркетингової ситуації при введенні інформації: а) про товар (країна походження, торгова марка, ціна, зовнішній вигляд упаковки, властивості, екологічні властивості, якість, зручність,  можливість збереження); б) про демографію споживачів (до 20 років,  20-40 років,  40-55 років, більше 55 років); у) про  соціальне положення (робочі, службовці, студенти, пенсіонери, домогосподарки, тимчасово непрацюючі); г) про  платоспроможність ( бідні, нижче середнього, середній, вище середнього, багаті). При синтезі і введенні  інформації використовувалися положення параметричної логіки, наприклад, ймовірно, що студенти не можуть бути віком більше 55 років, та ще і багаті. В цілому модель дозволяє отримати розрахунковим шляхом основні характеристики   ситуацій збуту на ринку на підставі соціальної, демографічної, платоспроможної і іншій інформації без використання дорогої процедури анкетного опитування і обробки результатів ще до появи товару на ринку і прогнозувати значення його маркетингової привабливості. За бажанням клієнтів може створюватися архітектура і конструкція МДТ.
Запропоновані підходи з використанням нейронних і традиційних технологій для обробки маркетингової інформації дозволяють клієнтам вдаліше провести діагностування і синтез маркетингових ситуацій. Клієнтам пропонується взяти участь в застосуванні сучасних високих технологій у вигляді нейромереж з формуванням оптимальних рішень для товару за допомогою МДТ і визначати причини успіху і невдач виведення нових товарів на ринок.