Data clean rooms: o que você precisa saber sobre a colaboração que prioriza a privacidade

Se você perguntar a qualquer anunciante sobre o fator mais revolucionário dos últimos anos, ele provavelmente vai pensar em dois aspectos: privacidade e IA. Embora a IA esteja preparada para, no futuro, ter um impacto transformador muito além da publicidade, uma coisa é certa: atualmente, nenhuma organização pode lidar com casos de uso envolvendo dados de consumidores sem priorizar a privacidade.

Antes de nos aprofundarmos no mundo dos data clean rooms, vamos fazer uma rápida viagem no tempo para definir o cenário.

Governos tomam medidas para proteger a privacidade do consumidor

O surgimento da Internet permitiu que as organizações começassem a coletar dados de consumidores em uma escala sem precedentes, com mais eficiência do que nunca. Porém, muitas vezes com pouca atenção a como esses dados foram coletados para começar.

Até 2016, nenhum governo tinha tomado medidas concretas para lidar com as crescentes preocupações relativas à privacidade do consumidor. A Europa liderou o desafio criando o Regulamento Geral de Proteção de Dados (RGPD), sua primeira lei de privacidade abrangente.

Em 2018, nos Estados Unidos, a Califórnia seguiu o exemplo com a Lei de Privacidade do Consumidor da Califórnia (CCPA), fortalecendo-a em 2020 para proteger ainda mais os consumidores e impor regras mais rigorosas às empresas.

O efeito cascata é real: recentemente, mais estados, incluindo Colorado, Connecticut, Flórida, Montana, Oregon e Utah, implementaram suas próprias regulamentações de privacidade, e outros estão prontos para aderir à tendência.

Globalmente, esse movimento não vai parar. De acordo com a Conferência das Nações Unidas sobre Comércio e Desenvolvimento, 71% dos países já têm leis de proteção e privacidade de dados, e novas leis continuam a surgir.

Empresas de tecnologia respondem com iniciativas de proteção de privacidade.

Além das regulamentações governamentais, nos últimos anos, grandes empresas de tecnologia vêm implementando iniciativas próprias voltadas para a privacidade. Entre as iniciativas mais controversas e amplamente discutidas, está a mudança contínua em torno dos cookies de terceiros, um elemento que tem sido o alicerce principal do setor de publicidade desde os anos 90.

Após anos de anúncios e atrasos, o Google escolheu manter, por enquanto, os cookies de terceiros no Chrome (por ora nos livramos do apocalipse iminente dos cookies). Porém, impôs restrições mais rigorosas para o acesso e o uso esperados no futuro, incluindo controles como o consentimento (autorização) do usuário.

De acordo com a eMarketer, até 87% do tráfego da web poderia estar livre de cookies de terceiros logo após a implementação da solução baseada em consentimento do Google e a Microsoft eliminar os cookies de terceiros em seu navegador Edge. Enquanto isso, navegadores importantes, como o Apple Safari e o Mozilla Firefox, já tornaram os cookies de terceiros inacessíveis.

Mas, a questão não se resume apenas aos cookies. Tanto o Google quanto a Apple continuam a implementar iniciativas de privacidade para os consumidores. Por exemplo, lançada em 2021, a transparência de rastreamento de aplicativos (App Tracking Transparency, ATT) da Apple exige que os aplicativos obtenham o consentimento explicito do usuário antes de coletar identificadores de dispositivo para fins de publicidade.

Em última análise, essas mudanças estão transformando todo o ecossistema de "valores" de publicidade.

Data clean rooms: onde tudo começou

Por volta do momento em que as primeiras regulamentações de privacidade do consumidor estavam sendo adotadas, outra mudança importante aconteceu no setor de publicidade: O Google anunciou que vai parar de enviar dados no nível do log de volta para os anunciantes.

Aqui está a questão: esses logs são essenciais para que os anunciantes analisem o desempenho das campanhas. Sem acesso a esses dados, as organizações ficam às cegas, incapazes de otimizar suas estratégias ou orçamentos de forma eficaz.

Para lidar com esse desafio, o Google lançou o Ads Data Hub, uma solução desenvolvida para permitir que os anunciantes continuem executando análises e relatórios de suas campanhas. A armadilha? Os anunciantes não conseguiam mais ver ou extrair diretamente os dados no nível do log. Em vez disso, a plataforma forneceu um ambiente que preservava a privacidade para análise de dados.

O termo "insights e relatórios de última geração" foi usado na época para descrever essa nova abordagem, que se tornaria, eventualmente, a tecnologia de data clean room.

O que é um data clean room?

É difícil dizer exatamente o que faz com que um tipo específico de tecnologia comece a dar certo. No entanto, um sinal de que essa tecnologia está ganhando força no mercado é quando sua sigla torna-se amplamente reconhecida por todos. É o caso dos data clean rooms ou DCRs.

O conceito por trás dos data clean rooms deriva do mesmo desafio que o Google enfrentou com o Ads Data Hub: permitir a colaboração de dados entre duas partes sem expor os dados subjacentes.

Os dados próprios são alguns dos ativos mais valiosos de propriedade de uma organização, e daí a sensibilidade em torno de torná-los acessíveis. Ainda que existam cenários críticos em que é essencial analisar conjuntos de dados de propriedade de diferentes partes.

Os data clean rooms possibilitam um ambiente seguro e controlado capaz de permitir que várias organizações (ou até unidades de negócios dentro de uma única organização) colaborem com dados confidenciais ou regulamentados sem comprometer a privacidade.

Um componente-chave dessa proteção configurada é o uso de tecnologias de melhoria da privacidade (privacy-enhancing technologies, PETs). Essa tecnologia inclui métodos como privacidade diferencial, políticas de agregação e projeção e geração de dados sintéticos.

A quem se destinam os data clean rooms e quais são os casos de uso mais comuns?

Como discutido anteriormente, os data clean rooms ganharam força no setor de publicidade, principalmente para medir o desempenho de campanhas publicitárias sem exigir que os publishers fornecessem acesso direto a dados granulares.

Com o tempo, o escopo da colaboração se ampliou, incluindo vários “stakeholders”, com diferentes funções, nas iniciativas de publicidade:

• Marcas: elas se concentram na aquisição de novos clientes e na geração de receita por meio da publicidade paga.

• Publishers e redes de mídia: têm como objetivo monetizar seus dados e inventário de anúncios.

• Agências: dão suporte a anunciantes e publishers na execução e na estratégia de campanha.

• Fornecedores de tecnologia e provedores de dados: esses vendem dados, soluções de identidade e serviços, como integrações dentro do ecossistema de publicidade.

Através das parcerias firmadas entre esses stakeholders, os casos de uso mais comuns em termos de colaboração de publicidade agora incluem:

• Identidade e enriquecimento de dados: os parceiros podem melhorar os dados próprios e aumentar a capacidade de endereçamento.

• Planejamento estratégico: anunciantes podem decidir onde investir suas verbas de publicidade e identificar os públicos-alvo mais relevantes.

• Ativação da campanha: os consumidores podem ser alcançados por meio de canais diretos ou com suporte de parceiros.

• Medição e otimização: as organizações podem entender o impacto do canal nas conversões e refinar seus investimentos de mídia.

Por exemplo, a Booking.com firmou uma parceria com a Snap usando Snowflake Data Clean Rooms para medir o desempenho da campanha de forma mais eficaz. Essa colaboração aumentou a confiança nos resultados de menos de 20% para um impressionante índice de 99%.

No entanto, o potencial dos data clean rooms vai muito além da publicidade e pode chegar a outros setores, como mostram os exemplos a seguir:

• Saúde: o setor está agilizando a pesquisa e o desenvolvimento de medicamentos, possibilitando a análise segura de dados entre laboratórios e instalações de saúde sem expor informações confidenciais.

• Serviços financeiros: as organizações estão diminuindo o tempo de detecção de fraudes e melhorando os modelos de pontuação de crédito, ao mesmo tempo em que protegem os dados dos clientes.

A publicidade é apenas o ponto de partida para comprovar o valor dessa tecnologia. À medida que os setores continuam a reconhecer os benefícios de uma colaboração de dados segura e que respeita a privacidade, podemos esperar uma adoção mais ampla no mercado nos próximos anos.

Como os data clean rooms se comparam a outras tecnologias?

Uma ideia errada comum é que os data clean rooms são a mesma tecnologia do compartilhamento de dados. Soluções seguras de compartilhamento de dados permitem que os proprietários dos dados compartilhem seus conjuntos de dados com controles específicos implementados. O objetivo do compartilhamento de dados é fornecer acesso aos dados subjacentes granulares, em contraste direto com a finalidade dos data clean rooms, que são projetados para impedir esse acesso e possibilitar a análise de dados.

Outra categoria de tecnologia comparada aos data clean rooms é a plataforma de dados do cliente (customer data platform, CDP). Embora ambas dependam de dados próprios para agregar valor, as similaridades acabam por aí. O foco das CDPs está em tornar os dados próprios de uma marca acessíveis para profissionais de marketing e anunciantes de modo a orquestrar experiências personalizadas dos clientes. No entanto, as CDPs não dispõem das ferramentas e medidas necessárias para facilitar a colaboração segura com proprietários externos de dados.

Como um data clean room funciona?

Assim que um contrato de colaboração é estabelecido entre duas ou mais partes, um proprietário de dados, chamado de "provedor de dados", configura um ambiente de data clean room. O provedor de dados determina que dados estão acessíveis dentro do clean room e especifica as atividades permitidas em relação a esses conjuntos de dados, como análise de sobreposição do público-alvo ou modelagem de públicos similares.

Cada parte envolvida na colaboração mantém o controle total sobre seus conjuntos de dados o tempo inteiro. Elas podem decidir conceder ou revogar o acesso aos dados conforme necessário, garantindo que seus dados permaneçam governados e sob a sua propriedade.

Após os conjuntos de dados serem disponibilizados dentro do clean room, é necessário um processo de correspondência entre eles. Algumas tecnologias de data clean room exigem o uso de um identificador específico como a chave de correspondência, enquanto outras são agnósticas, permitindo que os colaboradores cheguem a acordos sobre os critérios de correspondência de sua escolha. Uma colaboração bem-sucedida depende da correspondência exata dos valores de um ponto de dados (por exemplo, um campo específico) entre os conjuntos de dados.

A colaboração em um clean room muitas vezes termina assim que os insights desejados são obtidos. No entanto, em alguns cenários, o data clean room pode permitir a ativação do conjunto de dados resultante para um canal permitido.

Data clean rooms sozinhos não bastam

Embora os data clean rooms facilitem a colaboração segura de dados, é importante lembrar que não se alcança uma boa estratégia de privacidade com a implementação de uma única tecnologia. Uma verdadeira privacidade exige uma estratégia abrangente que comece com o consumidor.

Se uma organização quiser colaborar com outros usuários, não será possível obter o consentimento (autorização) do consumidor. Para obter esse consentimento, as organizações devem priorizar a transparência e garantir uma troca de valor clara. Hoje em dia, os consumidores estão cada vez mais conscientes do valor de seus dados e têm muito menos probabilidade de compartilhá-los sem entender o que estão recebendo em troca.

Mesmo com as tecnologias avançadas de privacidade e segurança fornecidas pelos data clean rooms, as organizações precisam estabelecer práticas sólidas de governança de dados. Essas práticas devem reger todas as atividades envolvendo o acesso e o uso de dados para garantir a conformidade e manter a confiança.

Snowflake Data Clean Rooms para colaboração de dados

Milhares de organizações vêm adotando o Snowflake AI Data Cloud para armazenar e processar com segurança seus dados próprios, incluindo conjuntos de dados confidenciais e regulamentados. Com sua infraestrutura confiável e modelo de governança unificada, o Snowflake oferece controles abrangentes de conformidade, segurança e privacidade, aplicados de modo uniforme.

O Snowflake Data Clean Rooms é um Snowflake Native App implementado no AI Data Cloud. Ele fornece um ambiente confiável e que respeita a privacidade para a colaboração de dados. Desenvolvida para apoiar o trabalho das equipes técnicas e de negócios, a aplicação pode simplificar a colaboração segura sem comprometer a privacidade dos dados.

As organizações optam pelo Snowflake Data Clean Rooms não apenas por sua integração contínua dentro do ecossistema do Snowflake, mas também por suas vantagens exclusivas:

• Neutralidade: evite conflitos de interesses com uma solução agnóstica e neutra. Diferente das soluções alternativas, a Snowflake não vende dados, soluções de identidade ou mídia, garantindo que não haja conflitos de interesse, o que a torna uma opção verdadeiramente neutra.

• Confiabilidade: agilize a colaboração usando a mesma tecnologia em que os principais publishers e especialistas de mercado confiam em suas iniciativas de data clean room.

• Interoperabilidade entre regiões e nuvens: colabore com parceiros usando a infraestrutura de nuvem de sua preferência, seja AWS, Microsoft Azure ou Google Cloud.

Assista à gravação do nosso evento virtual, Accelerate Media and Entertainment, para conhecer melhor o futuro da colaboração de dados.