First-party data como ativo estratégico

Categorias de dado: dado próprio, declarado, parceria e terceiro

Conhecer as quatro categorias evita confusão entre o que existe, como obter e o que cada um permite fazer.

Dado próprio. Coletado diretamente pela empresa em sua relação com cliente e prospecto. Inclui interação no site (página visitada, busca, comportamento), histórico de transação, dado de CRM, conversa de atendimento, presença em evento, dado de formulário. Você é o controlador; o tratamento é direto. É o dado mais estável e o de melhor qualidade.

Dado declarado (zero-party data). O cliente entrega ativamente, em resposta a pergunta direta. Pesquisa, preferência manifestada em centro de preferências, formulário de auto-classificação ("sou pequena empresa, segmento varejo, faturamento até R$ 5 milhões"). Subcategoria de dado próprio — mais valioso porque é declarado de propósito, com consentimento explícito da finalidade.

Dado de parceria (second-party data). Dado próprio de uma empresa parceira, compartilhado em acordo bilateral. Exemplo: marca de alimento parceira de rede de supermercado obtém dado de transação dos consumidores que aceitaram compartilhar. Cresce em modelos via salas limpas onde nenhuma parte expõe dado pessoal.

Dado de terceiro (third-party data). Comprado ou licenciado de provedor de dado (Lotame, Acxiom, Experian, Serasa) que agrupa informação de várias fontes. Em depreciação: cookies de terceiros, identificadores de dispositivo móvel (IDFA, GAID) e bases compradas perdem qualidade com mudanças regulatórias e de plataforma. Não desapareceu, mas migrou para identificador hash em vez de identificador direto.

Por que dado próprio virou diferencial

Três movimentos estruturais convergiram nos últimos anos:

Depreciação de cookies de terceiros. Safari ITP (Apple) desde 2017, Firefox desde 2019 e Chrome em transição reduziram a eficácia do rastreamento entre sites baseado em cookies de terceiros. Audiências para redirecionamento e mensuração de jornada que dependiam de cookies de terceiros caíram em qualidade.

App Tracking Transparency (ATT) no iOS. Desde 2021, o iOS exige consentimento explícito do usuário para que o aplicativo use o identificador para anunciantes (IDFA). A maioria dos usuários nega — o que reduziu a base identificável de aplicativos em iOS em 70%-90% para fins de mídia paga.

Regulamentação de privacidade. GDPR na Europa, LGPD no Brasil, CCPA na Califórnia e outras normas estabeleceram base legal obrigatória, consentimento, transparência e direitos do titular. Compra e uso indiscriminado de dado de terceiro virou risco jurídico real.

O resultado: dado próprio, que a marca coleta diretamente com consentimento, vira o principal ativo de marketing — único dado sob controle pleno da empresa, conforme com a regulamentação e com qualidade superior aos identificadores externos que estão sumindo.

Fontes legítimas de dado próprio

Tudo que a empresa toca em sua relação com o cliente gera dado próprio. As fontes mais relevantes:

Site e aplicativo. Visitas, páginas, busca interna, abandono de carrinho, tempo gasto. Coletado via inteligência (Google Analytics 4, Mixpanel, Amplitude, Adobe Analytics) com consentimento configurado.

CRM. Cadastro de cliente e prospecto, histórico de oportunidades, dado de propriedade (segmento, porte, persona), comunicação registrada.

Transações. Compras na plataforma de comércio eletrônico, frequência, valor médio, categoria. Fundação para segmentação RFM (recência, frequência, valor monetário) e modelo preditivo.

Atendimento. Conversas em chat, telefone, email de atendimento, tickets. Contêm informação rica sobre problema, motivação e contexto que CRM puro não captura.

Eventos. Webinar, feira, evento próprio. Lista de inscritos e participantes, com informação de interesse autodeclarada.

Formulários e pesquisas. Cadastro em newsletter, baixa de material, pesquisa de satisfação (NPS, CSAT), centros de preferência. Geram dado declarado de alta qualidade.

Login e identidade. Login no site, aplicativo, conta. Ponto de unificação entre dispositivos e canais — sem login, identidade cruzada fica frágil.

O desafio é menos de coletar (a maioria das empresas já coleta) e mais de organizar, cruzar e ativar.

Onde armazenar: CRM, data warehouse e plataforma de dados de cliente

Três camadas que aparecem com nomes parecidos e funções distintas:

CRM. Sistema centrado em cliente e prospecto, com cadastro, oportunidades e comunicação registrada. Salesforce, HubSpot, RD Station CRM, Pipedrive, Microsoft Dynamics. Voltado para venda e relacionamento, não para inteligência de marketing em escala.

Data warehouse (DW). Repositório central de dado estruturado, com toda informação da empresa em um banco analítico. BigQuery, Snowflake, Redshift, Databricks. Voltado para análise — não para ativação direta em campanha. Time de engenharia de dados é necessário para alimentar e manter.

Plataforma de dados de cliente (CDP). Sistema desenhado especificamente para unificar dado de cliente de múltiplas fontes, resolver identidade entre canais e ativar em destinos de comunicação e mídia. Salesforce Data Cloud, Adobe Real-Time CDP, Treasure Data, Tealium, Segment, mParticle. Diferencial sobre CRM: integra mais fontes, faz resolução de identidade entre canais e ativa em mídia paga. Diferencial sobre DW: é operacional, não só analítico.

Pequena empresa fica bem só com CRM. Média empresa começa a precisar de DW para análise (quando dado vem de muitas fontes e CRM não dá conta). Grande empresa quase sempre precisa das três camadas: CRM para relacionamento, DW para análise, CDP para unificação e ativação.

Erro frequente: confundir CRM com CDP. CRM organiza cliente e prospecto; CDP unifica identidade e ativa em mídia. São complementares, não substitutos.

Resolução de identidade

O cliente toca a marca em vários dispositivos (celular, desktop, tablet) e canais (site, aplicativo, email, loja física, atendimento), cada um gerando dado em sistema diferente. Resolver identidade é juntar essas pontas em um único registro.

Identificadores estáveis: email, telefone, CPF, login de conta. Quando o cliente fornece um desses em algum ponto da jornada, vira chave para unificar o resto.

Identificadores transitórios: cookie do navegador, identificador do dispositivo (IDFA, GAID), identificador de sessão. Mudam com troca de dispositivo, modo anônimo, limpeza de cookie. Não são chaves confiáveis para identidade de longo prazo.

Hash de email. Transformação do email em código irreconhecível (SHA-256) para uso em ambientes que não aceitam dado pessoal direto. Permite cruzamento em audiência paga (Meta, Google) sem expor o email original.

Boa resolução de identidade típica combina: login no site quando o usuário está logado, email coletado em formulário de contato, identificador de cookie para sessões anônimas até serem unificadas com identidade conhecida, hash de email para ativação em mídia paga.

Ativação: o que fazer com o dado coletado

Dado coletado e organizado sem ativação não vira valor. As ativações mais usadas:

Email, SMS e push. Comunicação direta com base de cadastro. Segmentação por comportamento (visitou página de preço), por valor (cliente alta-recorrência), por etapa de jornada (lead qualificado para vendas, cliente em recepção, cliente em risco de cancelamento).

Personalização em site e aplicativo. Conteúdo, oferta e jornada adaptados em tempo real ao perfil do visitante. Plataformas: Adobe Target, Optimizely, Dynamic Yield, Salesforce Personalization.

Audiências para mídia paga via correspondência. Lista de emails (em hash) carregada em Meta Ads (Custom Audiences), Google Ads (Customer Match), TikTok Ads, LinkedIn Ads e outras plataformas, que fazem o cruzamento com a base própria delas e ativam a campanha apenas para os clientes correspondentes. Forma dominante de fazer redirecionamento e expansão de audiência (semelhantes) no ambiente sem cookie.

Públicos semelhantes (lookalike). A partir de uma audiência conhecida (clientes de alto valor, por exemplo), a plataforma de mídia identifica usuários parecidos na base dela. Útil para expandir alcance com qualidade preservada.

Modelagem preditiva. Modelo de pontuação prediz probabilidade de compra, probabilidade de cancelamento, valor esperado. Alimenta decisões de comunicação personalizada.

Salas limpas: parcerias no ambiente sem cookie

Salas limpas (clean rooms) são ambientes técnicos onde duas ou mais partes podem cruzar dado de cliente sem que nenhuma das partes veja o dado pessoal da outra. Resolveram um problema novo do ambiente sem cookie: como marca e plataforma fazem mensuração e segmentação cruzando dados próprios, sem expor cliente?

Google Ads Data Hub. Marca pode rodar análises do dado de campanha do Google Ads cruzado com seu próprio dado, sem ver o dado individual do usuário. Resultado vem agregado.

Amazon Marketing Cloud. Equivalente do Amazon, para anunciantes que rodam mídia no Amazon Ads.

Meta Advanced Analytics. Equivalente do Meta, para anunciantes que rodam mídia no Meta Ads.

Habu, InfoSum, AppsFlyer Privacy Cloud. Salas limpas independentes, neutras, que permitem múltiplos parceiros conectarem-se.

Para grande empresa, salas limpas viraram parte do stack — mensurar mídia e fazer parcerias com varejo e plataformas exige esse caminho. Para média empresa, ainda é caso emergente; vale mapear, sem urgência.

LGPD: base legal, consentimento e transparência

Todo dado próprio é dado pessoal sob LGPD quando identifica ou permite identificar pessoa natural. Cinco pontos obrigatórios:

Base legal. Toda atividade de tratamento precisa de base legal entre as 10 do Art. 7º. Em marketing, as mais comuns são consentimento (I), legítimo interesse (IX) e execução de contrato (V — para o cliente já contratante). Cada finalidade exige base apropriada; não há base universal.

Consentimento explícito quando aplicável. Coleta via cookie para rastreamento e personalização exige consentimento explícito antes da coleta. Plataforma de gestão de consentimento (Cookiebot, OneTrust, Yett, AddPanel, Truedat) entra como obrigatória.

Transparência. Política de privacidade clara, indicando dados coletados, finalidade, retenção, compartilhamento com terceiros (operadores, parceiros), direitos do titular, contato do encarregado de tratamento (DPO).

Direitos do titular. Acesso, retificação, eliminação, anonimização, portabilidade, revogação de consentimento. A operação precisa ter processo formal para responder em prazo razoável.

Segurança e governança. Tratamento adequado contra vazamento. Em caso de incidente, comunicação à ANPD e aos titulares em prazos definidos. Auditoria periódica.

Operação que coleta dado próprio em volume relevante precisa de DPO designado (interno ou terceirizado) e de processo de tratamento de incidente.

Roteiro típico para construir programa de dado próprio

Para empresa que está começando estruturar dado próprio como ativo estratégico, a jornada típica passa por quatro fases:

Fase 1: Inventário. Mapear todas as fontes que já coletam dado próprio (site, aplicativo, CRM, plataforma de comércio eletrônico, atendimento, eventos). Onde fica armazenado, quem tem acesso, qual a base legal atual. Frequentemente, a empresa descobre que coleta muito mais do que sabia — e em sistemas que não conversam.

Fase 2: Governança. Definir encarregado de tratamento (DPO), revisar política de privacidade, configurar gestão de consentimento, padronizar campos no CRM, definir retenção e descarte. Sem essa base, qualquer ativação fica em risco jurídico.

Fase 3: Unificação. Resolver identidade entre fontes. Email como chave principal, login quando possível, hash de email para mídia paga. Pode ser feito em CRM expandido (HubSpot Smart CRM), em CDP simples (Segment) ou em data warehouse (BigQuery, Snowflake) conforme o porte. Sem unificação, ativações ficam parciais.

Fase 4: Ativação e mensuração. Audiências para mídia paga via correspondência, comunicação personalizada por segmento, personalização em site, modelos preditivos. Mensuração da incrementalidade (a operação está gerando vendas a mais do que sem a operação?) via grupo de controle.

Tentar pular para a fase 4 antes de ter a fase 2 e 3 maduras gera retrabalho. Tentar fazer tudo de uma vez consome orçamento sem entregar nada de pé. Faseamento é o caminho.

Erros comuns

Confundir CRM com CDP. Comprar CDP achando que substitui CRM, ou vice-versa. São camadas distintas com funções diferentes; quase sempre coexistem.

Coletar sem ativar. Investir em coleta e armazenamento sem definir uso. Dado acumula no data warehouse e não vira valor.

Ignorar LGPD. Coletar sem base legal clara, sem consentimento, sem política. Em auditoria, o risco é multa relevante.

Comprar plataforma cara antes do básico. CDP enterprise sem CRM organizado, sem inteligência configurada, sem governança. Tecnologia sem fundação não resolve.

Esperar resultado rápido. Programa de dado próprio é trabalho de meses a anos, especialmente unificação e ativação. Métricas crescem no médio prazo.

Subestimar engenharia de dados. Operação de média e grande empresa exige pelo menos um perfil dedicado de engenharia de dados em marketing. Sem isso, dado para de fluir.