Zero-party data: dado declarado

O que é dado declarado e por que ele importa

O termo zero-party data foi cunhado pela consultoria Forrester em 2018 para nomear uma categoria que já existia na prática, mas estava misturada com outras. A definição precisa: é o dado que o cliente intencionalmente e proativamente compartilha com a marca, sabendo que está compartilhando, esperando algo em troca (geralmente uma experiência mais relevante). Exemplos típicos: o cliente declara que prefere receber email apenas uma vez por semana; declara que tem pele oleosa ao fazer um quiz de cosméticos; declara que está planejando uma viagem para a Europa em três meses.

A diferença para o first-party data (dado próprio) está na origem. Dado próprio é observado: o cliente clicou em um produto, abandonou um carrinho, ficou 40 segundos na página, comprou três vezes no último ano. A marca infere preferências a partir do comportamento. Dado declarado é o cliente dizendo a preferência diretamente — não precisa inferir.

Por que isso importa? Três razões. Primeiro, dado observado tem limites: você só infere o que o comportamento mostra. Se o cliente nunca clicou em uma categoria, não significa que ele não tenha interesse — pode significar que nunca foi exposto. Dado declarado preenche essa lacuna. Segundo, dado declarado costuma ser mais preciso para intenção e motivação — comportamento mostra o que a pessoa fez, dado declarado mostra o que ela quer fazer. Terceiro, o ambiente regulatório (LGPD no Brasil, GDPR na Europa) e a perda gradual de cookies de terceiros tornam o dado próprio e o declarado os ativos mais valiosos da operação de marketing.

Quando faz sentido coletar dado declarado

Nem toda operação se beneficia igualmente. As situações de maior retorno são quatro:

Catálogo com muitas opções. Loja de roupas com centenas de SKUs, plataforma de cursos com dezenas de trilhas, marketplace com milhares de produtos. Aqui o cliente precisa de ajuda para chegar ao que faz sentido, e responder a um quiz curto ("para qual ocasião você procura?", "qual seu nível de experiência?") encurta dramaticamente o caminho até a compra.

Decisão pessoal com variáveis subjetivas. Cosméticos (tipo de pele, preferência de aroma), nutrição (restrições, objetivos), educação (estilo de aprendizado, ritmo desejado), finanças (perfil de risco, objetivo). O comportamento sozinho não captura essas dimensões.

Recorrência longa. Assinaturas, planos, serviços contínuos. O custo de personalizar para cada cliente se paga ao longo de meses ou anos de relacionamento. Centro de preferências fino faz sentido econômico.

Canal de email e mensagem como ativo central. Quando a operação depende fortemente de campanhas de email ou WhatsApp, preferência de canal e frequência declarada é o que separa relevância de descadastramento — o cliente que escolheu receber uma vez por semana raramente cancela; o cliente que recebe diariamente sem ter pedido cancela em massa.

Mecânicas de coleta — do mais leve ao mais estruturado

Existem cinco mecânicas principais. Você não precisa usar todas — escolha pelo encaixe com a jornada do seu cliente.

Centro de preferências. Página dedicada onde o cliente escolhe canal (email, WhatsApp, push), frequência (diária, semanal, mensal) e temas de interesse. É o mecanismo mais conservador e seguro, e exigido na prática para qualquer programa de email maduro. O link aparece no rodapé de todas as comunicações. Em base pequena, três a cinco campos bastam; em operação madura, pode chegar a dezenas de atributos opcionais.

Quiz. Sequência curta de perguntas (idealmente 4 a 8) que entrega uma recomendação ao final — produto, plano, conteúdo, trilha. O quiz funciona porque oferece valor imediato em troca da informação: o cliente responde porque quer a recomendação. Cases de mercado mostram que quizzes bem desenhados convertem entre 15% e 30% melhor que páginas estáticas equivalentes. Ferramentas populares: Typeform, Octane AI (especializado em e-commerce), Outgrow, Jebbit.

Pesquisa (survey). Formulário mais longo, geralmente disparado em momentos específicos da jornada: pós-cadastro (perguntas de onboarding sobre objetivo), pós-compra (satisfação e intenção de recompra), aniversário de relacionamento (revisão de preferências). Mais formal que o quiz e exige incentivo claro para taxa de resposta razoável.

Enquete (poll). Pergunta única embutida em email ou redes sociais — uma escolha entre três a cinco opções. Baixíssimo atrito, alto volume de resposta, profundidade limitada. Útil para descobrir interesse de tema antes de produzir conteúdo ou linha de produto.

Formulário inteligente (progressive profiling). Em vez de pedir tudo em um formulário longo no primeiro contato, a plataforma pergunta poucas informações por vez e vai progredindo a cada nova interação. HubSpot, RD Station e Klaviyo oferecem essa funcionalidade nativamente. Reduz fricção drasticamente e distribui a coleta ao longo da jornada.

Ativação — onde o dado declarado vira valor

Coletar sem usar é o erro mais caro nessa disciplina. O cliente percebe quando declara uma preferência e continua recebendo o conteúdo genérico de antes — e descadastra. Antes de qualquer coleta, defina o ponto de uso. Os principais são:

Personalização de email. Segmentação por tema declarado, ajuste de cadência conforme preferência de frequência, conteúdo dinâmico no corpo do email com base em atributos preenchidos no quiz. Plataformas como Klaviyo, HubSpot, RD Station Marketing, Mailchimp e Salesforce Marketing Cloud têm campos dinâmicos nativos.

Recomendação de produto. O resultado do quiz de descoberta vira recomendação personalizada no site, no email de boas-vindas e em remarketing. Em e-commerce, essa é a aplicação clássica de dado declarado.

Segmentação por motivação. Dado observado mostra "quem comprou kit infantil"; dado declarado mostra "quem comprou kit infantil porque está esperando o primeiro filho" versus "quem comprou para presentear sobrinho". Campanhas diferentes para cada caso.

Personalização de site. Banners, ofertas e blocos de conteúdo variam pelo perfil declarado. Plataformas: Dynamic Yield, Adobe Target, Optimizely, VWO.

Escolha de canal. O cliente que declarou WhatsApp como canal preferido recebe campanhas por lá; quem prefere email recebe por email; quem optou por silêncio temporário não recebe nada por um período definido.

LGPD e o dado declarado — base legal facilitada

A natureza do dado declarado simplifica boa parte da discussão regulatória. Por definição, o cliente está fornecendo o dado de forma intencional, consciente e para uma finalidade clara — três pilares da base legal do consentimento na Lei Geral de Proteção de Dados (LGPD, Lei 13.709/2018). Diferente do dado observado, em que a marca precisa justificar legítimo interesse ou outra base, no dado declarado o consentimento já está embutido no ato de declarar.

Isso não dispensa cuidados. A Autoridade Nacional de Proteção de Dados (ANPD) recomenda quatro práticas mínimas: deixar a finalidade clara antes da coleta (por que estou perguntando isso?), permitir revisão e revogação a qualquer momento (centro de preferências precisa ser editável), limitar a coleta ao necessário (não pergunte o que não vai usar), e separar consentimentos por finalidade (consentir em receber email não é o mesmo que consentir em compartilhar com parceiros).

O ponto prático para a operação de marketing: documente para cada atributo coletado qual é a finalidade declarada ao cliente e qual é o uso real. Se há divergência entre o que foi dito e o que está sendo feito, o problema não é apenas regulatório — é de confiança.

O trade-off de fricção e valor percebido

Toda coleta de dado declarado é uma transação. O cliente entrega informação; a marca entrega algo em troca. Quando o valor percebido é claro e proporcional ao esforço, a taxa de resposta é alta. Quando o cliente não entende para que serve, a taxa despenca e os dados coletados ficam contaminados (respostas aleatórias para sair do formulário).

Princípios práticos para acertar o equilíbrio:

Pergunte pouco por vez. Formulário de cinco campos converte muito melhor que de quinze. Use perfil progressivo para distribuir a coleta ao longo da jornada.

Explique o porquê. "Vamos usar suas preferências para enviar apenas ofertas que interessam a você" converte mais que um formulário sem contexto.

Entregue valor imediato quando possível. Quiz que termina em recomendação personalizada, pesquisa que dá um cupom de desconto, centro de preferências que mostra exemplos do que será enviado. O valor precisa ser palpável.

Não pergunte o que pode ser observado. Se a plataforma já sabe a categoria de produto que o cliente comprou, não pergunte de novo qual é o interesse — é desperdício de fricção. Pergunte o que não dá para inferir: intenção futura, motivação, contexto.

Respeite o silêncio. Quem não respondeu ao quiz na primeira vez não deve ser pressionado em cinco pontos diferentes da jornada. Limite de frequência também vale para coleta.

Métricas que mostram se o programa funciona

Quatro indicadores carregam o programa de dado declarado:

Taxa de declaração. Percentual de clientes ativos que forneceram pelo menos uma preferência. Operações maduras chegam a 40-60%; operações iniciantes ficam em 10-20%. Crescer essa métrica é objetivo central do primeiro ano.

Completude do perfil. Dos clientes que declararam, quantos atributos médios têm preenchidos. Indica se o programa progride na profundidade do conhecimento ou se está parado nos primeiros campos básicos.

Uso ativo do dado. Percentual dos atributos coletados que estão sendo efetivamente usados em segmentação, personalização ou recomendação. Métrica de governança — atributo coletado e não usado é desperdício e risco regulatório.

Impacto na conversão. Comparação de taxa de conversão entre clientes com perfil declarado e clientes sem. O grupo com perfil deve converter significativamente mais — se não converte, o dado não está sendo bem usado na ativação.

Erros comuns que esvaziam o programa

Coletar e não usar. O erro número um. O cliente preenche o quiz, declara cinco preferências, e o email seguinte é o mesmo conteúdo genérico para toda a base. O dano é duplo: desperdiça o ativo e quebra confiança.

Pedir muito sem oferecer valor. Formulário longo, sem explicação clara de finalidade, sem benefício imediato. Resultado: poucas respostas ou respostas falsas para escapar.

Tratar declarado como observado. O cliente declarou interesse em uma categoria mas isso não significa que vai comprar amanhã. Dado declarado mostra intenção e preferência, não previsão de comportamento de curto prazo. Usar declarado para previsões precisa de modelagem que combine com sinais de comportamento.

Não revisar preferências. Preferências envelhecem — cliente que declarou interesse em "primeiro filho" há três anos hoje pode ter outro contexto. Pesquisas periódicas de atualização (anual ou semestral) são parte do programa.

Misturar categorias na governança. Tratar dado declarado, observado e de terceiros como se fossem a mesma coisa em painéis e relatórios confunde análise e enfraquece governança. Cada categoria tem origem, finalidade e regra de retenção diferente.

Centro de preferências escondido. Link no rodapé em fonte minúscula, página sem botão de salvar visível, formulário que esquece o que o cliente já preencheu. A acessibilidade do centro de preferências é parte da experiência — esconder o controle é hostilidade ao cliente.