Tipos de datos según su origen

Los profesionales de marketing clasifican los datos según quién los recopiló y cuán directa es su relación con el cliente. Las cuatro categorías, cero, de origen propio, de segunda mano y de terceros, describen un espectro que va desde datos que el cliente entrega a propósito hasta datos comprados a un intermediario que no tiene ninguna relación con ese cliente.

Qué es cada tipo en realidad

Los datos cero son información que el cliente aporta directamente: respuestas a un cuestionario, una talla o preferencia de estilo declarada, una respuesta a una encuesta, una lista de deseos. Nadie los infiere, el cliente los declara.

Los datos de origen propio son los que un negocio recopila de sus propias interacciones con el cliente: historial de compras, eventos del píxel y de la app, registros por correo, comportamiento de navegación en el sitio, registros del programa de fidelización. Son propiedad total del negocio y se recopilan con una relación directa con la persona detrás de ellos.

Los datos de segunda mano son los datos de origen propio de otra empresa, compartidos o vendidos bajo un acuerdo. Una cadena hotelera que comparte datos de reservas con un socio de alquiler de coches genera datos de segunda mano desde el punto de vista de la empresa de alquiler. Siguen siendo de origen propio para quien los recopiló originalmente.

Los datos de terceros se agregan de muchas fuentes por parte de un intermediario de datos que no tiene relación directa con las personas que aparecen en ellos, y luego se venden a los anunciantes. Suelen combinar historial de navegación, registros de compra y datos demográficos de decenas de sitios y apps sin relación entre sí.

Por qué han decaído tanto los datos de terceros

Los datos de terceros dependían de mecanismos de seguimiento entre sitios, sobre todo las cookies de terceros y los identificadores publicitarios móviles, que navegadores y sistemas operativos llevan varios años restringiendo. El marco App Tracking Transparency (ATT) de Apple exige un aviso de consentimiento antes de que una app pueda seguir a un usuario a través de las apps y webs de otras empresas, y la mayoría de usuarios lo rechaza. Los navegadores también han eliminado o restringido las cookies de terceros, y normativas como el RGPD y la CCPA añaden requisitos de consentimiento por encima de esos límites técnicos. El volumen de datos de terceros disponible para cualquier anunciante se ha reducido, y lo que queda es menos preciso porque se basa en muestras más pequeñas.

Por qué los datos de origen propio pesan hoy más que ningún otro

El sistema publicitario de Meta se diseñó para aprovechar bien la señal de terceros a gran escala, pero esa señal se ha reducido. Lo que no ha desaparecido es el dato que un negocio recopila por sí mismo: eventos del píxel y de la API de conversiones, listas de clientes, eventos de la app y comportamiento en el sitio. Este dato no depende del consentimiento de seguimiento entre apps como sí lo hacen los datos de terceros, porque lo recopila directamente el propio negocio con el que el cliente ya está interactuando. Por eso Meta empuja a los anunciantes hacia configuraciones de píxel más API de conversiones, listas de clientes de origen propio para audiencias personalizadas, y lookalikes basados en valor construidos a partir de datos de compra reales.

Cómo actuar según esto

Trata la recopilación de datos de origen propio como infraestructura. Ejecuta el seguimiento de eventos del lado del servidor (API de conversiones) junto al píxel del navegador, ya que los eventos del servidor sobreviven a los bloqueadores de anuncios y a las restricciones del navegador que bloquean el píxel. Construye listas de clientes con todo el detalle que permitan las normas de privacidad, ya que listas más ricas producen mejores lookalikes. Añade recopilación de datos cero donde suponga poca fricción, como una encuesta posterior a la compra, ya que afina la segmentación a un coste mínimo.

Errores comunes

Depender solo del dato del píxel del navegador y tratar las caídas de conversión como un problema de rendimiento cuando son un vacío de medición. Dejar que la calidad de la lista de clientes se degrade con registros desactualizados, lo que debilita silenciosamente cada lookalike construido a partir de esa lista. Tratar los datos cero y los de origen propio como intercambiables: uno refleja intención declarada, el otro comportamiento observado, y no miden lo mismo.

Cómo ayuda YieldBI

La capa de seguimiento de conversiones de YieldBI ejecuta el píxel y la API de conversiones juntos, con importación de conversiones offline, de modo que la señal de origen propio llega a Meta con toda la integridad que permite la configuración de la cuenta. Sus modelos de atribución incremental y sus ventanas de atribución efectivas están construidos para aprovechar al máximo ese dato de origen propio en lugar de asumir una señal rica de terceros que ya no existe de forma fiable.