1.実験データ
最も信頼性の高いデータは、客観的で専門的な第三者機関によって入念に設計され、厳重に管理されたテストによって得られます。そして、データ中のノイズは、プロの熟練したアナリストによって全体的に分離されます。
2.調査・研究データ
経験豊富でプロフェッショナルな第三者の専門家が科学的研究を行うことにより作成された信頼性の高いデータ。研究デザイン、規定データ、数学的モデリング、刺激制御、統計的制御、過去の経験、品質保証基準などにより、データは非常に正確でノイズが少ない傾向にあります。
[]
3.マーケティングミックスモデリングデータ
分析データベースを作成し、多変量統計とモデリングを使ってノイズを分離・除去し、マーケティング・ミックス・モデリング・データを実際の販売データよりも優れたものにします。マーケティングミックスモデリングデータのシグナルは、より一貫性があり、より信頼性が高く、より測定可能です。この種のデータは、メディア広告なのか、営業担当者の数なのか、価格設定の違いなのか、など、どのような変数がビジネスの原動力になっているのかを組織が理解するのに役立ちます。しかし、マーケティング・ミックス・モデリングから最大の価値を得るには、通常、何年ものデータ蓄積が必要です。
4.メディアミックス・モデリング・データ
これはマーケティング・ミックスのモデリングと同じコンセプトで、ルールは同じですが、適用される変数のセットが異なるだけです。分析、データクレンジング、モデリング、データのノイズを最小化し、さまざまなメディアの効果を分離するためのデータベース。繰り返しになりますが、これを対照実験と組み合わせれば、データと分析はより説明的なものになります。
5.販売データ
ウェブパワーは、販売データはある程度信頼できると考えていますが、販売データによって実際の販売実績を測定することは完全ではありません。なぜなら、売上は広告の効果、最適なメディア費用、製品の品質、サービスの効率性、競合他社の活動などによっても影響を受ける可能性があるからです。また、経済、競合の活動、天候、インフレ、休暇サイクル、ニュースイベント、政治的イベント、在庫や流通の逸脱、価格設定の混乱、その他の要因も、誤ったフィードバックや歪んだイメージを生み出します。そのため、売上データは因果関係を測定する最良の方法ではなく、起こったことを感覚的に測定しているだけで、なぜ起こったのか、何がそうさせたのかはわかりません。
6.アイトラッキングデータ
アイトラッキングは、眼球運動情報の取得、モデリング、シミュレーションに焦点を当てています。眼球運動情報を取得するために使用されるデバイスは、赤外線デバイスに加え、イメージキャプチャデバイス、あるいはコンピュータや携帯電話のカメラであり、アイトラッキングを可能にするソフトウェアによってサポートされています。測定装置やソフトウェアの着実な改良により、アイトラッキング技術を使用して、プロジェクトやウェブサイト、広告がユーザーの注意を引かなかったり、特定のメッセージやイメージを登録できなかったりする理由を理解するのに役立つ診断情報を取得・生成することができます。
7.生体測定または生理学的測定
皮膚電気反応、目の瞳孔散大、心拍数、脳波測定、顔の感情認識など、どれも非常に興味深くエキサイティングなもので、将来は人間の魂へのポータルになるかもしれませんが、現時点では、これらの測定法はほとんど推測の域を出ず、実証されていません。これらの測定法の中には、人の意識の目覚めを追跡するのに非常に優れているものもありますが、測定法や質的研究の導入がなければ、その目覚めがポジティブなものかネガティブなものかを知る正確な方法はありません。
8.コホートまたはアドバイザリー・グループのデータ
多くの大企業は、少人数のターゲット顧客と定期的に調査・対話できるシステムを購入しています。このようなニッチな調査は、組織内のさまざまなグループによって、毎日または毎週、継続的に実施されています。結果の質を考慮しなければ、調査や測定あたりのコストは比較的低い。しかし、このようなグループは真に代表的なものではなく、無作為に選ばれるわけでもなく、検証されることもほとんどないため、時間の経過とともに、条件付けや惰性的な学習によってグループの代表性が損なわれるリスクがあります。
9.ソーシャルメディアデータ
ソーシャルメディアのデータは非常に人気があります。これは、データが安価で、大量で、リアルタイムである傾向があるためです。また、多くの新しいソフトウェアツールやシステムによって、データの分析も容易になっています。ソーシャルメディア・データは、おそらく早期警告システムとして最も価値がありますが、外部のソーシャルメディア・データに対しては常に懐疑的かつ疑問を持って取り組まなければなりません：
1）多くの製品カテゴリーやブランドがソーシャルメディア上でほとんど言及されていないため、サンプル数が少なすぎてデータの信頼性を判断することができません。
しょうデータ
大統領選で誰が勝つかを予想するには、1,500人のサンプルで十分です。新しい製品やサービスを全人口がどれくらい気に入るかを予想するには、通常200～300人の回答者のサンプルで十分です。200人のユーザーを含むサンプルで新しい家庭用ピーナッツバターをテストすることで、その製品が最適かどうか、また、発売後の市場シェアを正確に判断することができます。
これらは小規模データの例です。アンケート調査は比較的安価ですが、非常に正確です。なぜなら、プロの調査員は、情報源、刺激、背景、歴史を熟知しており、信頼できる測定機器、データ仕様、品質保証、管理体制を持っているからです。ビッグデータという言葉やビジョンがありますが、スモールデータの方がビジネス上の意思決定においてより正確で優れた根拠となることが多いのです。データベースのマルチチャネル・マーケティング・オートメーション・インテリジェンス・エージェンシーにおいて、より費用対効果が高く、より優れたマーケティングインサイトを提供するためには、少量のデータをどのように適切に分析し、理解すべきでしょうか。
