Los first-party data (datos propios) son la información que una empresa recopila directamente de sus propios clientes y de su audiencia en canales que controla —comportamiento en el sitio, historial de compras, interacción con el correo electrónico, uso de la aplicación y retroalimentación directa— y no por medio de terceros. Como el dato nace de la relación con el cliente, deja una trazabilidad del consentimiento: la empresa sabe de dónde salió cada registro y para qué lo compartió la persona, algo que un conjunto comprado o ensamblado de otras fuentes no garantiza.
La industria distingue además otras tres categorías que cumplen funciones distintas: los datos de segundas partes (los first-party data de otra empresa, compartidos de forma directa), los datos de terceros (agregados y revendidos por intermediarios sin relación directa con la fuente) y el zero-party data (la información que el cliente declara de forma voluntaria, como una preferencia manifiesta). La comparación entre los cuatro tipos desarrolla cada uno; los first-party data siguen siendo la base sobre la que se apoyan los demás.
¿Qué son los first-party data?
Los first-party data son los datos que una empresa recopila directamente de las interacciones con sus clientes y audiencias en canales propios. También se escriben 1st-party data o se abrevian 1P data: los tres nombres describen lo mismo. La prueba que define la categoría es la relación, no el lugar donde se almacena el dato: el cliente interactuó con la empresa, en una propiedad de la empresa, y la empresa lo registró. Una lista de correos comprada y cargada en el CRM sigue siendo dato de terceros, y la audiencia de un socio compartida por contrato es dato de segundas partes, por mucho tiempo que permanezca en los sistemas.
Como la empresa capturó el dato por sí misma, puede responder por su procedencia y por su relación con lo que vende, algo que ningún conjunto comprado ofrece. Para los conceptos de estrategia de datos que se construyen sobre esta definición, vea la entrada de glosario sobre first-party data.
Ejemplos de first-party data por fuente
Los ejemplos habituales de first-party data incluyen el comportamiento de navegación en el sitio, los eventos de la aplicación móvil, las compras y transacciones en punto de venta, los registros del CRM y de ventas, la interacción por correo electrónico y SMS, las interacciones con atención al cliente, la actividad del programa de fidelización, las respuestas a encuestas o centros de preferencias y los registros de consentimiento. La tabla relaciona cada fuente con los datos que produce y el sistema que suele conservarlos.
| Fuente | Ejemplos de datos | Sistema de registro habitual |
|---|---|---|
| Sitio web | Páginas vistas, términos de búsqueda, productos consultados, adiciones al carrito, envíos de formularios, origen de la visita | Plataforma de analítica web, canalización de eventos o data warehouse (recopilados con un tag manager o un SDK) |
| Aplicación móvil | Pantallas vistas, uso de funciones, duración de la sesión, opt-in a notificaciones push, compras dentro de la aplicación | Plataforma de analítica móvil, data warehouse |
| Comercio electrónico y transacciones en punto de venta | Historial de pedidos, contenido de la compra, valor del pedido, devoluciones, ubicación de la tienda, tipo de medio de pago | Plataforma de comercio electrónico, sistema de punto de venta, sistema de gestión de pedidos |
| CRM y ventas | Datos de la cuenta y del contacto, etapa de la oportunidad, notas de reunión, condiciones del contrato, fechas de renovación | CRM |
| Interacción por correo electrónico y SMS | Aperturas, clics, bajas, respuesta por hora de envío, opt-in por canal | Proveedor de servicios de correo electrónico (ESP), plataforma de SMS, automatización de marketing |
| Atención al cliente | Historial de tickets, motivos de la llamada, transcripciones de chat, puntajes de satisfacción, tiempo de resolución | Mesa de ayuda, plataforma de centro de contacto |
| Programa de fidelización | Nivel de membresía, saldo de puntos, canjes, fecha de inscripción | Plataforma de fidelización, CRM |
| Encuestas y centros de preferencias | Intereses declarados, preferencias de producto, frecuencia de comunicación, respuestas de NPS | Herramienta de encuestas, centro de preferencias |
| Registros de consentimiento y preferencias | Finalidades concedidas, marca de tiempo, versión de la política, jurisdicción | Plataforma de gestión del consentimiento |
La fila de encuestas se superpone con el zero-party data: las respuestas de encuestas y centros de preferencias son first-party data por el método de recopilación y zero-party data por la intención. Marque por separado las respuestas declaradas en el perfil, porque una preferencia declarada y un comportamiento observado pueden contradecirse.
Por qué los first-party data importan más que antes
Todo equipo que atiende al cliente depende de dos preguntas: qué sabe la empresa de esta persona y si tiene permiso para usar ese conocimiento. Los first-party data son la única categoría que responde ambas con autoridad propia. Por eso se han convertido en la base de la personalización, la publicidad y la IA orientada al cliente.
La ventaja se ha medido. En un estudio de BCG y Google, las marcas de Asia-Pacífico que desplegaron al menos una activación avanzada sobre first-party data —definición precisa de audiencias, marketing de ciclo de vida, motores de personalización o gestión avanzada de leads multicanal— obtuvieron un aumento de ingresos equivalente a 1.5 veces el de las marcas que no desplegaron ninguna, y las que desplegaron las cuatro obtuvieron un aumento equivalente a 2.9 veces el de las marcas que no desplegaron ninguna (BCG, trabajo de campo de 2019, publicado en 2020).
Cómo crear experiencias personalizadas con datos
El listón de la experiencia del cliente sube porque cada cliente compara a una empresa con la mejor experiencia que ha tenido en cualquier lugar. Espera que la empresa recuerde qué compró, qué preguntó a atención al cliente la semana pasada y por qué canal prefiere recibir la respuesta.
Los clientes intercambian información cuando ven el retorno. Los first-party data hacen posible ese intercambio porque registran lo que este cliente hizo con la empresa. Cuando la experiencia ignora lo que el cliente compartió, el cliente se va y se lleva sus datos.
La privacidad y su efecto en la recopilación de datos
La LFPDPPP (Ley Federal de Protección de Datos Personales en Posesión de los Particulares) en México, el RGPD (GDPR) en la Unión Europea, la LOPDGDD en España y la CCPA en California fijan las reglas de referencia. El mosaico, además, crece: 24 estados de Estados Unidos habían aprobado leyes integrales de privacidad del consumidor a mediados de 2026, entre ellas la CCPA; Alabama, Luisiana, Oklahoma y Vermont se sumaron en 2026, y no todas esas leyes están vigentes (Husch Blackwell, 2026). Cada norma da a las personas derechos sobre cómo se recopilan, usan y comparten sus datos personales. En México, la vigilancia corresponde a la Secretaría Anticorrupción y Buen Gobierno.
La consecuencia es que un dato sin origen y finalidad documentados se vuelve un pasivo. Los first-party data no son conformes de forma automática, pero son la única categoría en la que la empresa controla el aviso de privacidad, la captura del consentimiento y el registro de ambos.
Beneficios de los first-party data
Los beneficios de los first-party data son la precisión, una trazabilidad del consentimiento, la resistencia a la pérdida de señales del navegador y de las plataformas, un gasto que construye un activo propio y una ventaja competitiva que la competencia no puede comprar. Cada beneficio se deriva del mismo hecho: la empresa recopiló el dato por sí misma, de personas que eligieron interactuar con ella.
- Precisión. Los first-party data registran lo que el cliente hizo, no lo que un modelo infirió sobre una población similar. Una compra registrada es un hecho; el segmento “en el mercado de equipo de campamento” de un intermediario es una conjetura. Algunas señales propias todavía necesitan interpretación: Apple Mail Privacy Protection precarga los mensajes, lo que infla la tasa de apertura (Litmus).
- Trazabilidad del consentimiento. La empresa sabe cuándo y dónde se capturó cada registro y a qué accedió el cliente, que es justo lo que pide una autoridad, un auditor o una solicitud del propio cliente.
- Resistencia a la pérdida de señales. Las protecciones de rastreo del navegador y los permisos de rastreo de las plataformas móviles degradan las señales que dependen de identificadores entre sitios. Un dato ligado a un cliente que inició sesión en el dominio y la aplicación propios no depende de esos identificadores.
- Gasto que construye un activo. Los datos de terceros son un costo recurrente por segmento que deja de dar resultados el día que se deja de pagar. La infraestructura propia para recopilar, unificar y gobernar datos también cuesta, pero el activo que construye se acumula con cada interacción con el cliente.
- Diferenciación para IA y publicidad. Cualquier competidor puede licenciar el mismo segmento de terceros; ninguno puede licenciar el historial de pedidos o las transcripciones de soporte de la empresa. Cuando los modelos de IA y las plataformas publicitarias optimizan con los datos que se les entrega, el dato propietario es lo que separa los resultados.
La contrapartida es el alcance. Los first-party data solo cubren a quienes ya interactuaron con la empresa, así que por sí solos no encuentran audiencias que nunca han oído de ella. Tampoco llegan limpios: el mismo cliente suele aparecer en el CRM, en la plataforma de comercio electrónico y en la herramienta de correo con identificadores distintos. Los beneficios llegan solo después de unificar y gobernar el dato.
Casos de uso de los first-party data
Personalización del sitio web y de la aplicación
La personalización va mucho más allá del nombre en un correo. Los first-party data registran qué productos ya tiene el cliente, así que el sitio puede mostrar accesorios o guías de configuración en lugar del anuncio del producto que compró el mes pasado. El comportamiento también define el formato: un visitante que ve la mayor parte de los videos puede recibir páginas de producto que muestran el video primero.
Publicidad
Los first-party data dan a la publicidad tres capacidades. Segmentación: mostrar anuncios de accesorios a clientes que compraron un producto concreto, o invitar a los compradores recientes a un evento de producto. Supresión: excluir a los clientes actuales de las campañas de adquisición para dejar de pagar por alcanzar a quienes ya se tienen. Siembra: entregar a las plataformas publicitarias una lista de los mejores clientes como punto de partida para encontrar prospectos similares. Esas listas se suelen cargar como correos electrónicos con hash, que son seudonimizados y no anónimos, y siguen siendo datos personales bajo el RGPD (considerando 26).
La medición tomó la misma dirección. Las API de conversiones del lado del servidor envían eventos de conversión desde los sistemas propios a las plataformas publicitarias. Conversions API de Meta está diseñada para funcionar junto al píxel, con la deduplicación de ambos mediante un identificador de evento compartido; las conversiones mejoradas de Google añaden datos de clientes con hash SHA-256 a las etiquetas de conversión existentes. Ninguna de las dos elimina la necesidad de una base legal.
Una data clean room permite que dos empresas crucen audiencias sin intercambiar registros de clientes en bruto. Para el lado de la puja, vea cómo mejorar el ROAS con IA y first-party data.
Predecir el comportamiento del consumidor
El análisis predictivo usa la actividad propia para estimar qué hará el cliente a continuación, lo que se denomina la siguiente mejor acción. Si los visitantes que siguen un recorrido concreto por ciertas páginas de producto suelen comprar un producto específico, la empresa puede mostrar el contenido u oferta que mueve al siguiente visitante por ese recorrido. La predicción vale lo que vale el historial que la sostiene: un modelo que ve sesiones web pero no compras asignará puntajes a los clientes con seguridad, aunque se equivoque.
Conocimiento de la audiencia
El análisis de la audiencia agrupa clientes con rasgos similares y estudia su actividad con la empresa: contenido consumido, productos comprados, recorridos por el sitio. Si una audiencia definida consulta equipo de campamento con frecuencia en verano, la empresa puede programar las promociones de la categoría para esa audiencia en lugar de ofrecer un descuento a todos.
El análisis de la audiencia se aplica también a las propiedades propias: qué contenido funciona, qué funciones de la aplicación no se usan y dónde se concentra el abandono del carrito.
El paso al marketing sin cookies
El argumento a favor de los first-party data solía contarse como “las cookies de terceros van a desaparecer”. Ese planteamiento quedó desactualizado. El 22 de abril de 2025, Google anunció que mantendría su enfoque actual de ofrecer a los usuarios la elección sobre las cookies de terceros en Chrome y que no desplegaría un nuevo aviso independiente (Privacy Sandbox de Google, 2025). En octubre de 2025, Google anunció que retiraría la mayoría de las API de Privacy Sandbox, entre ellas Topics, Protected Audience y Attribution Reporting, y que mantendría CHIPS y FedCM (Privacy Sandbox de Google, 2025). Las cookies de terceros siguen funcionando en Chrome de forma predeterminada.
No funcionan en el resto de la web. Safari se convirtió en marzo de 2020 en el primer navegador de uso generalizado que bloqueó por completo las cookies de terceros de forma predeterminada (WebKit, 2020). Safari también limita a siete días las cookies persistentes creadas con JavaScript, un límite que introdujo con ITP 2.1 en 2019 (WebKit, 2019), así que incluso los identificadores de analítica del propio sitio caducan, salvo que el visitante regrese o inicie sesión.
Firefox empezó a desplegar Total Cookie Protection de forma predeterminada en junio de 2022, al confinar las cookies de cada sitio a ese sitio para que no puedan seguir a los usuarios por la web (Mozilla, 2022). En iOS 14.5 y versiones posteriores, las aplicaciones deben pedir permiso mediante App Tracking Transparency antes de rastrear a los usuarios en aplicaciones y sitios de otras empresas (Apple).
Así, el argumento a favor de los first-party data se sostiene hoy en tres hechos que no dependen del plan de Chrome. La pérdida de señales ya es real en el tráfico de Safari, Firefox e iOS. Los requisitos de consentimiento del RGPD, la CCPA y las leyes estatales aplican sea cual sea la tecnología que recopile el dato. Y los first-party data no cambian cuando un proveedor de navegador cambia su política. El rastreo sin cookies (cookieless tracking) recupera parte de la medición, pero complementa la base de first-party data en lugar de sustituirla.
¿Cómo usan los agentes de IA los first-party data?
Un agente de IA que actúa para un cliente solo puede personalizar a partir de los first-party data que una marca es capaz de servirle: el agente no aporta memoria de la relación. Cuando el agente de un cliente repone productos de uso diario, compara opciones o disputa un cargo, no lee una página de destino para inferir la intención: consulta los datos. El historial de compras, las preferencias declaradas, los tickets de servicio y el estado del consentimiento son lo que responde a esa consulta, y todos son registros de first-party data. Una marca cuyos datos están fragmentados, desactualizados o sin contexto de consentimiento devuelve respuestas en las que el cliente no puede confiar, por sólidas que sean sus campañas.
Tres consecuencias se derivan para quien recopila first-party data hoy.
El perfil se vuelve infraestructura legible por máquinas. La personalización para personas tolera latencia y huecos; un agente que actúa en el momento necesita un perfil actual y completo, servido a la velocidad de una API. Esa es la premisa de diseño de un CDP agéntico, que expone perfiles unificados y toma de decisiones a los agentes mediante MCP, API y habilidades preconstruidas, en lugar de tableros para especialistas de marketing.
El consentimiento tiene que viajar con el registro. Un agente que decide qué puede usar, y una autoridad que verifica después, necesitan el estado del consentimiento en formato legible por máquinas, adjunto al perfil, y no una página de política en algún lugar del sitio. La captura de consentimiento del paso 3 de la estrategia es lo que hace defendible la activación en la era de los agentes.
La ventaja creativa ya es ventaja de datos. Cuando generar contenido deja de ser diferencial, la variante que gana es la que selecciona el historial de comportamiento más rico: el argumento de creatividad publicitaria con IA y first-party data. Los agentes extienden esa lógica de elegir creatividades a elegir ofertas completas en nombre del cliente.
Cómo planear una estrategia de first-party data
Una estrategia de first-party data tiene ocho pasos: definir objetivos, inventariar las fuentes de datos y el intercambio de valor, capturar el consentimiento y fijar la gobernanza, estandarizar los datos, unificar identidades, enriquecer perfiles, activar en los canales y medir los resultados. El orden importa, porque cada paso depende del anterior. La entrada de glosario sobre estrategia de first-party data cubre las etapas de madurez y la propiedad; esta sección es la secuencia de trabajo.
- Defina sus objetivos y metas: decida qué experiencias de cliente y qué resultados de negocio deben sostener los datos.
- Identifique las fuentes de datos de clientes y el tipo de dato que se recopila: inventaríe cada sistema que captura datos de clientes y las razones que tienen los clientes para identificarse.
- Capture el consentimiento y fije la gobernanza: registre a qué accedió cada cliente y quién puede usar qué dato.
- Desarrolle una estrategia de estandarización de datos: haga que el mismo campo signifique lo mismo en todos los sistemas.
- Unifique las identidades de los clientes: resuelva los registros de distintos sistemas en un perfil por cliente.
- Use el enriquecimiento de datos: añada atributos que llenen los huecos conocidos del perfil.
- Active en todos los canales: entregue perfiles y segmentos a las herramientas que atienden a los clientes.
- Mida y refine: siga si los datos cambian los resultados y devuelva las conclusiones al paso 1.
Defina sus objetivos y metas
¿El objetivo es vender más de un producto, captar clientes para un servicio nuevo, mejorar la atención o construir fidelización? Trace las tácticas que lo logran; las tácticas, no los objetivos, dictan qué datos de clientes se necesitan.
Identifique las fuentes de datos de clientes y el tipo de dato que se recopila
Use la tabla de ejemplos anterior como lista de verificación y documente qué registra cada sistema. Espere encontrar datos ocultos en aplicaciones aisladas, herramientas regionales y sistemas heredados que nadie ha mapeado.
Después revise qué parte de la audiencia puede reconocer. La mayoría de los visitantes son anónimos hasta que tienen una razón para identificarse: la creación de una cuenta que ahorra trabajo real, la selección de preferencias que cambia de forma visible lo que reciben, los beneficios de fidelización. Haga seguimiento de la proporción de sesiones o de ingresos que corresponde a clientes conocidos, es decir, la parte ligada a un cliente autenticado, como la métrica de si ese intercambio de valor funciona.
Capture el consentimiento y fije la gobernanza
Una plataforma de gestión del consentimiento registra la finalidad a la que accedió cada cliente y cuándo; las reglas de gobernanza definen qué equipos y herramientas pueden usar qué datos. Hágalo antes de la unificación, porque fusionar registros sin su estado de consentimiento produce perfiles para los que no se puede demostrar una base legal ni atender una revocación.
Desarrolle una estrategia de estandarización de datos
El mismo dato se almacena en formatos distintos y se actualiza con calendarios distintos en cada sistema. Una estrategia de estandarización define cómo se formatea, actualiza, limpia y valida cada tipo de dato.
Unifique las identidades de los clientes
Un mismo cliente aparece como dirección de correo electrónico en la plataforma de correo, como número de fidelización en la caja y como identificador de proveedor dentro de la aplicación (IDFV en iOS; el identificador de publicidad, IDFA, requiere permiso de App Tracking Transparency). La resolución de identidad une esos identificadores en un perfil único; sin ella, cada caso de uso posterior trabaja desde un fragmento.
La coincidencia determinista une registros que comparten una clave, como un inicio de sesión o un correo electrónico con hash. La coincidencia probabilística infiere vínculos a partir de señales más débiles —rangos de IP, patrones de dispositivo, puntuación de nombre y ubicación— y necesita umbrales de confianza antes de fusionar nada. Las reglas de supervivencia deciden qué valor prevalece cuando las fuentes discrepan, por ejemplo si el CRM o la plataforma de comercio electrónico tiene la dirección actual. También hay que protegerse de la sobrefusión: un correo familiar compartido o una tableta del hogar pueden colapsar a varias personas en un solo perfil.
La integración es también donde aparece el retorno. La encuesta global de madurez de BCG encontró que las empresas que vinculan todas sus fuentes de first-party data generan el doble de ingresos incrementales por colocación publicitaria, comunicación o contacto y una mejora de eficiencia de costos equivalente a 1.5 veces la del grupo con integración de datos limitada (BCG, 2020).
Use el enriquecimiento de datos
El enriquecimiento de datos añade atributos que la recopilación propia no cubre, como datos firmográficos de cuentas B2B. Los datos de segundas partes y de terceros pueden llenar huecos concretos, pero solo como complemento del perfil propio y solo cuando su origen y su uso permitido están documentados.
Active en todos los canales
La activación de datos envía perfiles y segmentos unificados al correo electrónico, la publicidad, la personalización del sitio, la atención al cliente y los agentes de IA. Cada canal debe leer el mismo perfil actual, para que un cliente que se queja con atención al cliente el lunes no reciba un correo de venta adicional el martes.
Mida y refine
Mida cada caso de uso contra el objetivo del primer paso: conversión, retención, costo de atención o eficiencia publicitaria. La atribución de marketing vincula los resultados con los datos y campañas que los produjeron, y los resultados muestran qué datos conviene recopilar más.
Empiece con un caso de uso y no con todos. Excluir a los clientes actuales de los anuncios de adquisición es un primer movimiento habitual: mida cuánto gasto de adquisición llega a personas que ya son clientes, active la supresión, vuelva a medir y luego amplíe al siguiente caso de uso.
Cómo gestionar los first-party data con un CDP
Cada sistema que atiende a clientes recopila datos de clientes y los guarda a su manera, así que los sistemas discrepan. Un CDP (plataforma de datos de clientes) consolida los first-party data, resuelve identidades y pone perfiles unificados a disposición de todos los sistemas, para que marketing, ventas, servicio y agentes de IA actúen sobre la misma información.
El CDP no es la única herramienta. Los tag managers y los SDK recopilan eventos, el data warehouse conserva el historial de clientes modelado, las plataformas de gestión del consentimiento registran los permisos, el CRM y las plataformas de comercio electrónico generan registros y las data clean rooms gestionan el cruce con socios. El CDP unifica su salida en perfiles y la entrega a los canales.
Al evaluar esa capa, compare la velocidad con que las actualizaciones de perfil llegan a los canales y cómo aplica cada plataforma el consentimiento en el momento de la activación. La pregunta que hará el responsable de privacidad es concreta: ¿una revocación del consentimiento llega a todos los destinos posteriores, incluidas las copias ya sincronizadas con las herramientas publicitarias y de correo? La guía de proveedores de CDP cubre las opciones principales, entre ellas el CDP de Treasure AI.
FAQ
¿Cómo se recopilan los first-party data?
Los first-party data se recopilan directamente de las interacciones del cliente en los canales propios de la empresa. Esas interacciones incluyen visitas al sitio, uso de la aplicación móvil, transacciones de compra, interacción con el correo electrónico, llamadas a atención al cliente, encuestas y programas de fidelización. La clave es ofrecer un valor claro a cambio del dato, como experiencias personalizadas, preferencias guardadas o beneficios para miembros, para que el cliente elija identificarse y compartir información por voluntad propia.
¿Por qué importan los first-party data si las cookies de terceros siguen activas?
Los first-party data importan porque las señales de terceros ya son poco fiables en buena parte de la web, aunque Chrome siga admitiendo cookies de terceros. Google confirmó en abril de 2025 que mantiene la elección del usuario. Pero Safari las bloquea de forma predeterminada, Firefox guarda un almacén de cookies separado por sitio, de modo que las cookies de terceros no pueden seguir a los usuarios de un sitio a otro, e iOS exige permiso para el rastreo entre aplicaciones. Los first-party data no dependen de esos identificadores ni de la política de ningún proveedor de navegador.
¿Cuál es la mejor forma de gestionar los first-party data?
La mayoría de las organizaciones centraliza los first-party data en un CDP, ya sea como almacén de perfiles gestionado o compuesto sobre un data warehouse existente. La opción nativa de data warehouse conviene a los equipos que ya modelan datos de clientes en Snowflake, BigQuery o Databricks y priorizan la propiedad. Un CDP gestionado o híbrido conviene para servir perfiles en tiempo real y activar con consentimiento en todos los canales. En cualquier caso, capture el consentimiento antes de unificar registros, para que cada perfil fusionado lleve sus permisos.
¿Los first-party data cumplen automáticamente con el RGPD?
No: recopilar el dato por cuenta propia no lo vuelve conforme al RGPD. Cada finalidad necesita una base legal conforme al artículo 6, y los clientes conservan los derechos de acceso, supresión y oposición al marketing directo. Guardar o leer información en un dispositivo (cookies, almacenamiento local, identificadores de SDK) también exige consentimiento conforme al artículo 5, apartado 3, de la Directiva ePrivacy, modificada en 2009, salvo que sea estrictamente necesario para un servicio que el usuario solicitó.
¿Una cookie propia equivale a los first-party data?
No: una cookie propia es un mecanismo de recopilación y los first-party data son la categoría completa. Una cookie propia la establece el dominio de la empresa y normalmente identifica un navegador en el sitio. Los first-party data también incluyen registros de compras, entradas del CRM, tickets de atención y eventos de la aplicación que nunca pasan por una cookie. Los identificadores basados en cookies son la parte menos duradera, porque Safari limita a siete días las cookies creadas con JavaScript; los registros de clientes con sesión iniciada son los más duraderos.
Este artículo también está disponible en: What Is First-Party Data? Definition & Examples · O que é First-Party Data? Guia de dados primários