¿Qué es el dato de primera parte? Una guía para equipos de crecimiento

Los datos de primera parte son cualquier información que una empresa recopila directamente de su propia audiencia, a través de sus propios productos, canales e interacciones, sin intermediarios, sin brókeres de terceros y sin suposiciones inferidas. Incluye todo, desde el comportamiento de la aplicación y los registros de compra hasta la participación por correo electrónico y las conversaciones de soporte. Cuando se recopila de forma transparente y con el consentimiento apropiado, suele ser más preciso y más fácil de gobernar que los datos obtenidos de proveedores externos. Para estudios de juegos y equipos de crecimiento, muestra cómo los jugadores encuentran, juegan y gastan en tu juego, y proporciona a los sistemas de optimización las señales de las que aprenden.

A medida que evolucionan las regulaciones de privacidad y los identificadores tradicionales se vuelven menos fiables, los estudios ya no pueden depender de una única fuente de verdad para la optimización. Mejorar el rendimiento depende cada vez más de construir una base de datos más sólida con señales de primera parte de alta calidad que reduzcan los puntos ciegos y proporcionen a los sistemas de optimización una visión más completa del comportamiento y el rendimiento del jugador.

Datos de primera parte frente a datos de segunda parte frente a datos de tercera parte

Las tres categorías se definen por de dónde provienen los datos, no por lo que contienen.

• Datos de primera parte es la información que recopilas directamente de tus propios usuarios a través de tus propios canales: tu aplicación, sitio web, sistema de gestión de relaciones con el cliente (CRM) o sistema de punto de venta.
• Datos de terceros son los datos de primera parte de otra persona, compartidos contigo directamente, generalmente a través de una asociación. Un minorista que comparte datos de fidelidad con un socio de marca es un ejemplo común.
• Datos de terceros se agregan de muchas fuentes no relacionadas, vendidas o licenciadas por un proveedor de datos que no tiene relación directa con las personas que los datos describen.

Por qué los datos de primera parte son importantes ahora

El argumento a favor de los datos de primera parte proviene directamente de cómo ha cambiado el entorno de datos.

Los requisitos de privacidad han cambiado y no se están revirtiendo. Las leyes de protección de datos como el Reglamento General de Protección de Datos (RGPD) de la UE y la Ley de Privacidad del Consumidor de California (CCPA), junto con los marcos de consentimiento a nivel móvil como la Transparencia de Seguimiento de Aplicaciones de Apple, han hecho más difícil, y en muchos casos imposible, depender de identificadores externos sin permiso explícito. La expansión regulatoria no se ha ralentizado: 20 estados han aprobado ahora leyes de privacidad exhaustivas.

La pérdida de señal tiene consecuencias reales en el rendimiento. Cuando identificadores como IDFA (el identificador de publicidad a nivel de dispositivo de Apple para iOS) no están disponibles o se bloquean las cookies de terceros, los modelos de optimización pierden las entradas en las que solían basarse.

Los datos de primera parte se han convertido por defecto en el activo más fiable. Está ligado a una relación real. Además, la empresa de recolección lo controla y puede recolectar el consentimiento directamente, en lugar de depender de un proveedor. Por eso ya no se trata como una casilla de cumplimiento, sino como infraestructura central.

Tipos de datos de primera parte

Los datos de primera parte abarcan varias categorías, cada una útil para una parte diferente del embudo de crecimiento.

• Datos de comportamiento cubre lo que la gente realmente hace dentro de tu producto: vistas de página, duración de la sesión, uso de funciones, patrones de participación. Un juego móvil podría rastrear a un jugador que completa diez niveles en una sola primera sesión, una fuerte señal temprana de probabilidad de retención.
• Datos de la transacción cubre el intercambio de dinero o valor: compras, renovaciones de suscripción, ingresos por publicidad y reembolsos. Por ejemplo, un historial de compras dentro de la aplicación que muestre cuándo y cuánto gasta un jugador es una señal directa de valor.
• Datos del dispositivo y de diagnóstico cubre el entorno técnico en el que se ejecuta un juego: modelo del dispositivo, versión del sistema operativo (OS), calidad de la conexión y señales de fallos y rendimiento. Estos datos se pueden recopilar a través de su propia instrumentación, kit de desarrollo de software (SDK) o una herramienta de diagnóstico, y lo que captura cada uno varía. Por ejemplo, una herramienta de informes de fallos podría mostrar que tu juego se bloquea más a menudo en teléfonos antiguos.
• Datos de ejecución cubre las señales que un juego genera mientras se está jugando: Esto puede incluir inicios y duración de sesión, progresión de nivel, uso de funciones, compras dentro del juego y otros eventos de participación y comportamiento nativos del juego.
• Datos declarados y de primera parte cubre lo que los usuarios eligen decirte directamente: preferencias declaradas, respuestas a encuestas y selecciones de incorporación. Un jugador que elige un género preferido durante la configuración está entregando una declaración de intenciones directa e inequívoca.

La mayoría de los programas de datos de primera parte reúnen datos de comportamiento, transacciones, dispositivos y diagnósticos, de tiempo de ejecución y declarados, con cada tipo de señal añadiendo una visión diferente del cliente.

Individualmente, cada uno de estos tipos de señal responde a una pregunta concreta: ¿cómo llegó alguien, qué hizo, en qué gastó y qué experiencia tuvo? El valor real aparece cuando se ven juntos. Un equipo que solo mira los datos de comportamiento podría ver una caída en la participación sin saber si se debe a un cambio en la calidad de adquisición, una decisión de Monetization o un problema de rendimiento en tiempo de ejecución. Conectar los tipos de señal cierra esa brecha y convierte un conjunto disperso de métricas en una imagen más clara de lo que realmente impulsa los resultados.

Construir una estrategia de datos de primera parte

Una estrategia de datos de primera parte es realmente dos disciplinas conectadas: recopilar los datos de manera responsable y ponerlos a trabajar una vez que los tienes. La mayoría de las organizaciones ya tienen más datos de los que utilizan; la brecha suele estar en la estructura.

Colección: recopilación de datos de manera responsable

La colección comienza con la instrumentación. Por ejemplo, una integración de SDK para capturar señales de comportamiento, seguimiento de eventos para capturar transacciones y mecanismos de consentimiento que hacen que la opción de aceptar sea clara y fácil de gestionar. El mecanismo importa menos que el principio detrás de él. La colección debe ser transparente y priorizar el consentimiento, no una ocurrencia tardía añadida a un producto existente. En la práctica, eso significa ser claro con los jugadores sobre qué datos se recopilan, cómo se utilizarán y compartirán, y cómo pueden controlarlos. Los datos de jugadores más jóvenes, como los niños, están sujetos a normas más estrictas y generalmente no se pueden utilizar para publicidad personalizada.

Activación: poner los datos a trabajar

Los datos sin procesar almacenados en un almacén no mueven ninguna métrica por sí mismos. La activación es donde aparece el valor. Eso significa usar datos de primera parte para construir segmentos de audiencia, modelar audiencias similares, enriquecer los modelos de optimización de señales con los que se entrena y coordinar la segmentación en todos los canales.

Cada uno de esos métodos de activación hace algo distinto:

Segmentos de audiencia: grupos de usuarios definidos por rasgos compartidos, como grandes gastadores o usuarios que abandonaron después del tercer día, para que las campañas puedan tratar a diferentes usuarios de manera diferente.

Audiencias similares: nuevos usuarios que se parecen a un grupo existente, generalmente sus mejores clientes, permitiendo que una plataforma publicitaria encuentre más personas similares a aquellas que ya han demostrado ser valiosas.

Enriquecimiento de señales: añadir señales de primera parte, como compras y retención, a lo que los modelos de optimización de las plataformas publicitarias aprenden; señales más ricas significan decisiones de puja más precisas.

Segmentación multicanal: usar datos de un lugar, una aplicación o sitio web, para informar decisiones en otro canal, como redes sociales o televisión conectada, para que el mismo usuario no sea segmentado de manera inconsistente, donde lo permita la legislación de privacidad aplicable.

Al recopilar las señales correctas, obtienes mejores entradas para el modelo, lo que puede agudizar las decisiones de puja, segmentación y presupuesto. Estas decisiones más acertadas pueden manifestarse con el tiempo como un mejor retorno de la inversión publicitaria (ROAS), un valor de vida del cliente (LTV) y una mayor retención.

Datos de primera parte en juegos

Los juegos generan un vasto flujo de datos de primera parte. Una sola sesión puede producir docenas de tales señales, como patrones de sesión, comportamiento de la Economy dentro del juego, interacciones sociales y participación en anuncios. Cuando se recopila a través del propio juego y herramientas de un estudio, es de primera parte para ese estudio.

Las señales a las que vale la pena prestar atención se dividen en algunos grupos. Los datos del comportamiento del jugador cubren curvas de retención, profundidad de participación y patrones de Monetization a lo largo del ciclo de vida de un jugador. Las señales de diagnóstico cubren el rendimiento del dispositivo, los datos de fallos y los tiempos de carga: señales técnicas que son importantes para la calidad del producto, las métricas de retención y la precisión de la segmentación. Los datos de la Economy del juego cubren las tasas de ganancia y gasto de la moneda y los patrones In-app Purchase (IAP), que a menudo predicen bien el comportamiento de gasto mucho antes de que un jugador realice su primera transacción. Debido a que los juegos capturan esto con alta frecuencia y de forma continua, el conjunto de señales resultante suele ser más rico de lo que produce una configuración estándar de Analytics de sitio web.

La recompensa proviene de conectar estas señales en lugar de dejarlas aisladas. Cuando los datos de comportamiento, la telemetría en tiempo de ejecución y los datos de atribución fluyen en el mismo sistema, los modelos de optimización simplemente tienen más de qué aprender, y más señales tienden a producir mejores predicciones y un mayor retorno de la inversión publicitaria. Aquí es donde un marco de datos consentido, Analytics vinculados a datos de adquisición y señales de tiempo de ejecución a nivel de SDK trabajan juntos en lugar de como herramientas separadas.

El consentimiento juega un papel más importante en esto de lo que podría parecer al principio. Las experiencias de consentimiento claras ayudan a generar confianza en el jugador, y las señales consentidas dan a los modelos de optimización como Unity Vector más de lo que aprender.

Datos de primera parte para publicidad y optimización

El beneficio comercial más claro de los datos de primera parte se refleja en el rendimiento de la publicidad, las métricas en las que los equipos de UA y crecimiento son medidos directamente. Debajo de cada uno de los beneficios a continuación está la misma mecánica básica. Los modelos de optimización tienden a tomar mejores decisiones de puja y presupuesto cuando tienen señales más completas y conectadas con las que aprender, y pueden seguir mejorando a medida que se dispone de señales adicionales en lugar de estancarse después de una única integración. Más datos completos no solo añaden información; reducen las conjeturas que los modelos de otro modo tienen que rellenar con sustitutos.

El apuntado se vuelve más preciso. Los segmentos de audiencia que se construyen a partir de un comportamiento observado real, no de categorías de interés inferidas, significan menos gasto desperdiciado en personas poco propensas a convertir, lo que se refleja directamente en costos de adquisición más eficientes.

El bucle de optimización se vuelve más ajustado. Cuando los modelos de puja y optimización reciben señales de primera parte, como eventos posteriores a la instalación, datos de ingresos e hitos de participación, tienen resultados concretos de los cuales aprender en lugar de sustitutos. Las entradas más ricas tienden a respaldar mejores predicciones, lo que es uno de los mecanismos centrales detrás de la mayoría de las ganancias de ROAS atribuidas a la adopción de datos de primera parte.

Las señales viajan a través de los canales. Cuando lo permite la ley, los datos recopilados en un entorno, como la interacción dentro de la aplicación, pueden informar las decisiones de segmentación en un canal completamente diferente, ya sea publicidad programática, televisión conectada o redes sociales. El valor se compone porque la misma señal subyacente se reutiliza en lugar de reconstruirse para cada canal por separado.

Los datos de primera parte son la base más duradera en la que convergen las estrategias de crecimiento, en los juegos y mucho más allá.

¿Está tu conjunto de datos configurado para el éxito?

Preguntas frecuentes

¿Qué es el dato de primera parte?

Los datos de primera parte son la información que una empresa recopila directamente de sus propios usuarios a través de canales que posee: aplicaciones, sitios web, sistemas CRM, sistemas de punto de venta. Porque proviene directamente de la fuente, generalmente es más preciso que los datos de proveedores o brókers externos, y más fácil de gobernar cuando se recopila de manera transparente.

¿Qué es un ejemplo de datos de primera parte?

Un juego móvil que rastrea cuánto dura la primera sesión de un jugador, qué elementos dentro de la aplicación compra y en qué dispositivo está jugando son todos datos de primera parte. Entonces, ¿es el historial de compras de un cliente en un sitio minorista o sus respuestas a una encuesta de incorporación?

¿Cuál es la diferencia entre datos de primera parte, segunda parte y tercera parte?

Los datos de primera parte provienen directamente de tus propios usuarios a través de tus propios canales. Los datos de terceros son los datos de primera parte de otra persona, compartidos directamente con usted. Los datos de terceros son agregados por un proveedor externo a partir de muchas fuentes no relacionadas y se venden o licencian a usted, sin ninguna relación directa entre usted y las personas que describe.

¿Qué es el dato de primera parte?

Los datos de primera parte son información que un usuario comparte intencional y proactivamente con usted, como preferencias declaradas, respuestas a encuestas o selecciones de incorporación. Es un tipo de datos de primera parte, pero el usuario te lo dio directamente y a propósito en lugar de que tú lo infieras de su comportamiento. En un juego, que un jugador elija un género preferido durante la configuración es un ejemplo común.

¿Por qué son importantes los datos de primera parte para la publicidad?

A medida que los identificadores móviles y las cookies del navegador se vuelven menos disponibles, los datos de primera parte se han convertido en una de las pocas fuentes de entrada fiables restantes para la segmentación y la optimización. Puede mejorar la precisión de la audiencia y alimentar modelos de optimización con señales más ricas.

Cómo recopilas datos de primera parte de una aplicación móvil?

La colección típicamente combina la integración de SDK para señales de comportamiento, el seguimiento de eventos para compras y otras transacciones, y un mecanismo de consentimiento claro para que los usuarios entiendan y controlen lo que se recopila. La calidad del consentimiento y la calidad de los datos están directamente vinculadas: la recopilación transparente produce datos más limpios y utilizables.

¿Qué es la activación de datos de primera parte?

La activación de datos es el proceso de hacer que los datos de primera parte sean utilizables. Significa recopilar las señales correctas, conectarlas a las plataformas adecuadas y asegurar que estén disponibles para la medición, optimización y toma de decisiones. La activación incluye construir audiencias, entrenar modelos de aprendizaje automático, enriquecer señales de optimización y coordinar campañas en todos los canales. Recopilar datos es solo el primer paso. El valor empresarial proviene de poner esos datos a trabajar.

Cómo mejora los datos de primera parte el ROAS?

Los sistemas de optimización solo pueden optimizar lo que pueden ver. Cuando tienen acceso a señales de primera mano más ricas, como compras, participación y retención, aprenden qué usuarios son más valiosos en lugar de depender de proxies inferidos.

Imagina dos campañas con el mismo presupuesto. Solo sabe quién instaló la aplicación. El otro también sabe quién completó el tutorial, hizo una compra, se mantuvo comprometido y se convirtió en un jugador de alto valor. La segunda campaña tiene mucha más información de la que aprender, lo que permite a los sistemas de optimización encontrar más usuarios como sus mejores clientes y reducir el gasto desperdiciado.