您听说过第一方数据，但它与第二方数据有何关系？零方数据又是什么？为什么不推荐使用第三方数据？在这篇文章中，我们将深入探讨每种受众数据类型的主要特征以及它们之间的关系。
零方数据
零方数据是客户 有意 主动 与品牌分享的 数据——比如在网站上填写个人资料和偏好。这还包括后续数据扩充，如渐进式分析。这种数据非常有价值，因为这是直接从源头提供的准确数据。
零方数据非常棒，因为当您鼓励个人自由提供信息并验证其意图时，您就克服了巨大的隐私障碍。当受众自愿提供他们的数据时，您可以放心地使用它来个性化他们的体验，并知道这正是他们想要的。
简化您的技术堆栈：提高效率、统一数据并留住人才！立即获取专家提示
工作邮箱
名
立即阅读
零方数据是个人有意共享的数据，例如注册新闻通讯时的名字和电子邮件。
示例：猫爱好者凯特琳·沃 墨西哥电报数据 布勒博士在顶级宠物网站 Pet News Today上创建了一个个人资料。她提供了自己的姓和名、电子邮件、家庭住址和付款详情，以便接收月刊。不仅如此，她还选择了自己喜欢的时事通讯——当然是每周的猫时事通讯。所有这些都被视为 Pet News Today的零方数据，因为沃布勒博士有意主动地共享了这些数据。
在浏览时，Warbler 博士收到一个弹出窗口，询问她养了什么宠物。她从下拉菜单中选择了“猫”。现在， Pet News Today 已经从渐进式分析中收集到了可 任何数字战略都是 靠的个人资料信息，并可以使用这些额外的零方数据向 Warbler 博士投放相关的赞助活动。
第一方数据
您可能想知道如何区分零方数据和第一方数据。第一方数据是直接收集的数据，但与零方 澳大利亚数据 数据相比，其收集方式更为被动（考虑零方数据时，请记住关键词“主动”和“有意”）。
第一方数据既包括个人的零方数据（例如注册简报时的电子邮件地址），也包括您网站上的行为（包括应用活动和页面操作）。它还包括点击和其他行为（即悬停、滚动和活动时间）、会话上下文以及受众如何参与个性化体验。
第一方数据还包含人口统计信息（IP 地址、名字、电子邮件等），并将其与网站点击和查看行为联系起来。借助第一方数据，您可以收集有关个人兴趣和意图的宝贵指标。交易数据（例如购买和下载）也被视为第一方数据。
第一方数据包括零方数据，以及该人的网络行为（点击和浏览）以及 IP 地址等人口统计数据。
示例：重温上例中的 Warbler 博士，从她的零方数据中，我们知道她住在哪里，她对猫非常感兴趣，并且拥有博士学位。现在我们可以分层添加第一方数据。她访问了几篇 与收养猫有关的Pet News Today 文章，然后通过相关文章阅读了猫粮的进步。她看到了有关 当月晚些时候Pet News Today博览会的公告，并注册了 VIP 通行证。她的第一方数据（全部被动收集）现在包括 3 次标记为“猫”的页面访问以及一次活动注册。
第二方数据
第二方数据是从单一已知提供商（例如另一家发布商）获取的数据。从本质上讲，第二方数据可以描述为另一家公司拥有的第一方数据。虽然从可信来源购买数据听起来很有吸引力，但公司之间共享数据可能会变得模糊不清，这只是第一方数据更胜一筹的原因之一。
如果使用得当，第二方数据可以成为扩大受众群体的重要来源。但是，要警惕隐私问题。
第二方数据是另一个组织的第一方数据。这通常是作为广告协议的一部分购买的。
示例： Pet News Today 与当地一家动物收容所合作举办即将举行的博览会。该动物收容所分享了一份近期捐赠者的名单， Pet News Today 为这些捐赠者提供博览会折扣。Pet News Today 可以将这份捐赠者名单称为第二方数据。
第三方数据
现在让我们回顾一下受众数据类型的最外层：第三方数据。第三方数据是指企业或其他实体收集的任何与访问者或客户没有直接联系的数据。第三方数据通常来自网络上的各种来源，然后进行细分和出售（例如从 Lotame 等交易所购买的数据）。
第三方数据的缺点是什么？它通常不可靠，可能会弄乱数据库，导致受众缺乏信任。它还会影响参与率和发件人的声誉，这两者都可能对您的业务不利。
此外，值得注意的是，第三方受众与您的品牌没有直接联系，因此任何推广都必须具体且深思熟虑。
第三方数据是来自各种不同来源的数据，由数据库出售或收集，并与来自其他来源的数据（如公开信息）进行整理。这些数据在交易所或社交网络上转售或授权。
示例： Pet News Today 尝试通过使用交易所标记为“宠物爱好者”的数据开展活动来扩展其电子邮件列表。这些数据来自多个来源，包括来自信用卡公司的购买信息、来自宠物供应商的电子邮件数据库记录以及人口统计信息。
数据散点图
那么什么是最好的？
受众开发专业人士知道，专注于增长零方和第一方数据很难，但最终这是防止第三方 cookie 消失的最健康的策略。
第二方数据很有用，特别是当来源的受众与您的理想客户或会员紧密相关时。
第三方数据很有吸引力，因为它可以提供大量数据，但也存在脏数据的风险。
组织应该确定在受众规模 + 覆盖率 和 数据准确性 + 相关性之间取得的平衡 。在此基础上，他们应该根据该指标优化受众获取和参与度。