如今，具有壓倒性的數據量使得市場營銷人員和廣告商們已經難以理解哪些信息非常重要，哪些數據是正確的？哪些信息是純粹的噪音，不同類型的數據具有什么作用，又應該如何被使用？而哪些數據又是可以信賴的？下面筆者根據專注以數據為基礎的多渠道營銷自動化智能化機構webpower的數據客觀可信度排名，給大家介紹9種不同類型的數據，以及它們應該如何被有效使用。
　　
　　1.試驗性數據
　　
　　通過客觀的專業第三方精心設計和嚴格控制的試驗，得到最可靠的數據。并且全程和專業熟練的分析人員一起，對數據中的噪聲進行了分離。
　　
　　2.調查研究數據
　　
　　由經驗豐富的專業第三方專業人士做科學研究，產生的可靠數據。研究設計，規范的數據，數學建模，刺激控制，統計控制，歷史經驗，質量保證標準等使得數據往往非常精確，噪聲往往最小。
　　
　　3.營銷組合模型數據
　　
　　創造一個分析數據庫，并清理和規范這些數據，采用多元統計和建模去隔離和消除部分噪音，以使營銷組合模型數據比實際銷售數據更好。營銷組合建模數據中的信號更穩定，更可靠，更加可測量。這種類型的數據可以幫助企業了解哪些變量推動了他們業務，如是媒體廣告，或者銷售人員的數量，或定價差異？但通常需要多年的數據積累來從營銷混合建模中獲得最大價值。
　　
　　4.媒體組合建模數據
　　
　　這和營銷組合建模是相同的概念，規則相同，只是應用了一組不同的變量。一個分析數據庫，數據清洗，建模和使數據中噪聲被最小化，從而使各種媒體的影響被分離開來。同樣，如果再與控制實驗結合，那么這些數據和分析將更具有解釋說明性。
　　
　　5.銷售數據
　　
　　webpower認為銷售數據一定程度上可以被信任，但以銷售數據衡量實際銷售效果并不完美。因為銷售可能還受廣告效果、最佳媒體花費、產品質量、服務效率、有競爭力活動等等影響。經濟，競爭活動，天氣，通貨膨脹，度假周期，新聞事件，政治事件，庫存和分銷偏差，定價紊亂等因素也制造了錯誤的反饋和歪曲的景象，所以銷售數據并不是衡量原因和效果的最好方法，而只是理智的衡量什么已經發生，它并不會告知為什么發生以及什么使之發生。
　　
　　6.眼球追蹤數據
　　
　　眼球追蹤主要是研究眼球運動信息的獲取、建模和模擬。而獲取眼球運動信息的設備除了紅外設備之外，還可以是圖像采集設備，甚至一般電腦或手機上的攝像頭，其在軟件的支持下也可以實現眼球跟蹤。隨著測量設備和軟件的穩步改善，您可以利用眼球追蹤技術獲取及生成有用的診斷信息，以幫助理解為什么一個項目、網站或廣告沒有成功引起用戶注意或注冊某些消息或圖像。
　　
　　7.生物識別或生理測量
　　
　　皮膚電反應，眼睛的瞳孔擴張，心臟率，腦電圖（腦電波）測量，面部情緒識別等都非常有趣和令人興奮，他們都可能將來成為進入人的靈魂的門戶，但目前，這些措施在很大程度上是推測性的和未經證實的。其中一些措施在跟蹤人的意識覺醒上相當不錯，但如果沒有引入測量或定性研究，就沒有精確的方法去知道這個覺醒是否積極或者消極。
　　
　　8.群體或咨詢小組數據
　　
　　許多大公司都購買了一些能夠使其經常對一小組目標客戶進行調研及對話的系統。企業的各類人群每天或每周都在持續地進行這種小眾的調查。如果不把結果的質量考在內，每次調查或測量的成本相對比較低。但是由于這樣的群體并不真正具有代表性，也不是隨機選擇的，且很少驗證過，所以隨著時間的推移，條件反射和慣性學習的風險將破壞群體的代表意義。
　　
　　9.社會化媒體數據
　　
　　社交媒體數據非常受歡迎。因為該數據往往比較便宜的，數量大，并且實時（每天或每時）。許多新的軟件工具和系統也比較容易對數據進行分析。社交媒體數據也許作為早期預警系統最有價值，但是，必須始終以懷疑和質疑的態度去對外社交媒體數據，webpower認為有以下幾個原因：
　　
　　1)許多產品類別和品牌幾乎從來沒有在社會化媒體上被提及，使得樣本量太小，數據的可靠性無法確定。
　　
　　2)社交媒體評論受復雜因素影響，如新聞，特別活動，媒體廣告，促銷，宣傳，電影，競爭活動和電視節目等，因此數據中的噪音很多。
　　
　　3)社交媒體數據受到操作。你可能會認為你正在跟隨一個重要的數據趨勢，后來才得知這只是競爭對手混淆你的一個聰明的計謀。越來越多的企業和其他組織都在努力創造社會媒體內容和管理社會化媒體評論，因此數據的研究價值也正在迅速減少。
　　
　　社交媒體評論是通過網頁抓取識別和收集的，我們幾乎從來不知道確切的來源，背景，刺激因素，或評論背后的歷史。這些未知因素使得詮釋社交媒體數據變得危險。這就是為什么我們要以畏懼的精神和充滿懷疑的眼光去審視社交媒體數據。
　　
　　小數據
　　
　　筆者曾經也說過，在目前階段，如果企業決策者能夠依靠一些小數據工具和系統，而不是大數據的設想，數據將能夠更好地服務于你的企業。抽樣理論告訴我們，如果樣本是隨機的，企業可以通過與很少量的人群進行交談，以測量整個目標群體的行為或心理。
　　
　　一個包含1500的樣本足以預測誰將會贏得總統選舉。200-300受訪者的樣本通常足以預知整個人口喜歡一個新的產品或服務的程度。對一個包含200個用戶的樣本進行一個新的家用花生醬測試，可以精確地確定該產品是否是最優，一旦推出之后占有的市場份額。
　　
　　這些都是小數據的例子。調查研究是相對便宜，但非常準確，因為專業研究人員知道來源，刺激因素，背景和歷史，并具有可靠的測量儀器，數據規范，質量保證和控制。盡管大家都在談論及憧憬大數據，但小數據往往為企業決策提供了更完善、更準確的依據。少量（小）數據又應如何正確地被分析被理解，以獲得更高的成本效益，提供更好的營銷洞察力。