Dane first-party w reklamie: jak zbudować strategię, gdy znikają identyfikatory

Jakie są rodzaje danych w reklamie?

Rodzaje danych różnią się tym, kto je zebrał i w jaki sposób. W reklamie największe znaczenie mają dane first-party, bo są Twoje, aktualne i powiązane z rzeczywistymi zakupami.

Dane zero-party bywają opisywane jako osobna kategoria, ale w praktyce to podzbiór danych first-party, które klient przekazał świadomie. Dane second-party wymagają współpracy z partnerem i zwykle środowiska, które pozwala łączyć dane bez ujawniania danych osobowych – opisujemy je w artykule o data clean roomach.

Dlaczego dane first-party stały się podstawą reklamy?

Dane first-party zyskały na znaczeniu, bo identyfikatory używane do śledzenia użytkowników między serwisami obejmują coraz mniejszą część ruchu, a algorytmy reklamowe coraz bardziej zależą od jakości sygnałów od reklamodawcy. Oba procesy trwają niezależnie od decyzji Google w sprawie ciasteczek w Chrome.

Safari i Firefox domyślnie ograniczają ciasteczka stron trzecich, Apple wymaga zgody na śledzenie w aplikacjach na iOS, a w Polsce ciasteczka reklamowe można ustawić dopiero po zgodzie. Chrome co prawda zachował cookies stron trzecich, ale – jak wyjaśniamy w tekście o ciasteczkach w Chrome po wygaszeniu Privacy Sandbox – nie oznacza to powrotu do dawnego zasięgu targetowania.

Drugi powód jest mniej oczywisty. Kampanie Performance Max, Demand Gen czy Advantage+ dobierają odbiorców same, a reklamodawca wpływa na wynik głównie przez to, jakie konwersje i wartości przekazuje. Jeśli algorytm dostaje informację o każdym zamówieniu z jego rzeczywistą marżą, a nie tylko o połowie zamówień z wartością brutto, optymalizuje w innym kierunku. Dlatego najbardziej opłacalne inwestycje w dane first-party dotyczą zwykle pomiaru, a nie targetowania.

Jakie dane o klientach zbierać i gdzie je przechowywać?

Zbieraj dane, które pomagają odpowiedzieć na trzy pytania: kto jest klientem, co kupił i ile jest wart. Przechowuj je tam, gdzie da się je połączyć wspólnym identyfikatorem – w CRM, platformie danych klientów albo hurtowni danych, np. BigQuery.

Najważniejsze źródła w typowym sklepie lub firmie usługowej to:

• Zdarzenia w serwisie i aplikacji – wyświetlenia produktów, dodania do koszyka, zakupy i leady z GA4 lub tagów serwerowych. Eksport GA4 do BigQuery daje dostęp do surowych danych; jak go skonfigurować, opisujemy w artykule o połączeniu GA4 z BigQuery.
• Zamówienia i zwroty – dane z systemu sklepu lub ERP: wartość, marża, produkty, status, zwroty.
• Dane z CRM – status leada, wartość umowy, etap sprzedaży, branża klienta B2B.
• Kontakty marketingowe – zapisy do newslettera i SMS z informacją o zgodzie i dacie jej wyrażenia.
• Program lojalnościowy i sprzedaż stacjonarna – zakupy offline powiązane z kontem klienta.

Wspólnym identyfikatorem jest najczęściej znormalizowany adres e-mail (małe litery, bez spacji) lub numer telefonu w formacie międzynarodowym, a dla zalogowanych użytkowników – ID klienta z systemu sklepu, przekazywane także do GA4 jako user_id. Bez takiego klucza dane z różnych systemów pozostaną osobnymi wyspami.

Jak wykorzystać dane first-party w kampaniach Google Ads i Meta?

Dane first-party wykorzystujesz w kampaniach na cztery sposoby: jako lepsze sygnały konwersji, jako listy klientów do kierowania i wykluczeń, jako informację o wartości klienta oraz jako podstawę pomiaru niezależnego od cookies. Kolejność wdrożenia warto ustalić według efektu i nakładu pracy.

Na początek zwykle najlepiej sprawdzają się rozszerzone konwersje w Google Ads i Conversions API w Meta, bo poprawiają dopasowanie konwersji bez zmiany struktury kampanii. Konfigurację opisujemy w artykułach o Enhanced Conversions przez GTM i o Event Match Quality w Meta. Dane potrzebne do dopasowania warto przekazać w warstwie danych przy zakupie. Przykładowa struktura (nazwy kluczy ustal z programistą):

window.dataLayer = window.dataLayer || [];
window.dataLayer.push({
  event: 'purchase',
  customer_type: 'returning',
  user_data: {
    email: 'jan.kowalski@example.com',
    phone_number: '+48600100200'
  },
  ecommerce: {
    transaction_id: 'ZAM-2026-10458',
    value: 349.00,
    currency: 'PLN'
  }
});

Pilnuj, żeby dane z obiektu user_data trafiały tylko do tagów, które ich wymagają, i nigdy nie były wysyłane do GA4 jako parametry zdarzeń – zasady GA4 zabraniają przesyłania danych umożliwiających identyfikację osoby.

Kolejnym krokiem jest przekazywanie wartości lepiej odzwierciedlających zysk. Marżę, przewidywaną wartość klienta (LTV) czy status leada z CRM możesz dołączyć do konwersji po stronie serwera – opisujemy to w tekście o wzbogacaniu zdarzeń po stronie serwera. Z kolei listy klientów pozwalają Google Ads odróżnić nowych klientów od powracających i ustawić dla nich różne cele, co omawiamy w artykule o pozyskiwaniu nowych klientów w Google Ads. Zasady przesyłania list, w tym zmiany w Data Managerze z 2026 roku, opisujemy w poradniku o Customer Match i Data Managerze.

Jak zbudować strategię własnych danych krok po kroku?

Strategię buduje się od celu biznesowego i stanu zgód, a nie od wyboru narzędzia. Poniższa kolejność pozwala w kilka miesięcy przejść od rozproszonych danych do kampanii, które optymalizują się pod wartość klienta.

1. Określ cele. Zdecyduj, czy priorytetem jest pozyskiwanie nowych klientów, zwiększenie wartości zamówień, czy retencja. Od tego zależy, jakie dane są potrzebne.
2. Zrób inwentaryzację danych. Spisz źródła (strona, sklep, CRM, newsletter, sprzedaż offline), zakres danych, identyfikatory i podstawy prawne.
3. Uporządkuj zgody. Sprawdź baner zgód, Consent Mode i zapisy zgód marketingowych w CRM. Bez tego kolejne kroki będą obarczone ryzykiem prawnym i lukami w danych.
4. Ustal wspólny identyfikator. Wybierz klucz łączący (e-mail, telefon, ID klienta) i zasady normalizacji, a potem zadbaj, żeby był zapisywany we wszystkich systemach.
5. Zbuduj tabelę klientów. W CRM lub BigQuery połącz zamówienia, zgody i segmenty. To z niej będą powstawać listy dla platform reklamowych.
6. Aktywuj dane w kampaniach. Wdróż rozszerzone konwersje i Conversions API, regularnie przesyłaj listy klientów i przekazuj wartości oparte na marży.
7. Mierz i poprawiaj. Śledź odsetek dopasowanych konwersji, wielkość dopasowanych list i wyniki kampanii przed wdrożeniem i po nim, najlepiej w teście z grupą kontrolną.

Przykładowe zapytanie, które w BigQuery tworzy listę klientów z co najmniej dwoma zamówieniami w ostatnim roku, ze zgodą marketingową i adresem e-mail znormalizowanym oraz zahaszowanym:

SELECT
  TO_HEX(SHA256(LOWER(TRIM(k.email)))) AS email_sha256,
  COUNT(z.id_zamowienia) AS zamowienia_12m,
  ROUND(SUM(z.marza), 2) AS marza_12m
FROM `twoj-projekt.crm.klienci` AS k
JOIN `twoj-projekt.sklep.zamowienia` AS z
  ON z.id_klienta = k.id_klienta
WHERE k.zgoda_marketingowa = TRUE
  AND z.data_zamowienia >= DATE_SUB(CURRENT_DATE(), INTERVAL 365 DAY)
  AND z.status = 'zrealizowane'
GROUP BY email_sha256
HAVING zamowienia_12m >= 2
ORDER BY marza_12m DESC

Nazwy tabel i kolumn są przykładowe – dopasuj je do własnej struktury danych.

Jak pogodzić wykorzystanie danych klientów z RODO?

Dane first-party nie zwalniają z obowiązków wynikających z RODO: musisz mieć podstawę prawną dla każdego celu, poinformować klientów o przekazywaniu danych do platform reklamowych i respektować sprzeciw lub wycofanie zgody. To, że dane zebrałeś sam, ułatwia jedynie wykazanie, skąd pochodzą.

W praktyce najczęściej spotyka się trzy problemy. Pierwszy to przesyłanie do platform reklamowych list wszystkich klientów bez sprawdzenia, czy polityka prywatności opisuje taki cel i czy wybrana podstawa prawna go obejmuje. Drugi to brak aktualizacji list po wycofaniu zgody lub żądaniu usunięcia danych. Trzeci to przekazywanie danych osobowych do narzędzi, które nie powinny ich otrzymywać, np. przez adresy e-mail w parametrach adresów stron. Podstawy prawne i zasady profilowania w reklamie omawiamy w artykule o RODO w reklamie online. W konkretnej sprawie skonsultuj się z prawnikiem.

Jak sprawdzić, czy strategia działa?

Skuteczność strategii ocenisz po wskaźnikach jakości danych i po wynikach kampanii. Wskaźniki jakości pokazują, czy dane docierają do platform, a wyniki kampanii – czy przekłada się to na sprzedaż.

Jeśli chcesz sprawdzić, czy w ogóle potrzebujesz identyfikatorów spoza własnych danych, zobacz przegląd identyfikatorów alternatywnych UID2, ID5 i RampID. Pozostałe poradniki o identyfikatorach i danych klientów znajdziesz w podtemacie tożsamość i dane.