Third-party data
Aussi : 3rd-party data, third party data, purchased data, brokered data, aggregated audience data, donnees tierces
Données achetées à des agrégateurs externes, collectées auprès d'audiences que vous ne possédez pas. Elles sont achetées ou licenciées plutôt que recueillies via vos propres relations directes.
De quoi il s'agit
La third-party data désigne des informations sur des individus ou des organisations que vous n'avez pas collectées vous-même et qui proviennent de sources avec lesquelles vous n'avez aucune relation directe. Elle est généralement achetée ou licenciée auprès de data brokers, d'agrégateurs ou de places de marché qui captent des signaux sur de nombreux sites, applications et sources offline, puis les conditionnent et les revendent.
On la distingue de deux catégories voisines :
- First-party data : collectée directement auprès de vos propres clients et audiences (achats, connexions, comportement sur le site).
- Second-party data : la first-party data d'une autre entreprise, partagée ou vendue directement, sans agrégateur intermédiaire.
La third-party data se définit par l'absence de relation directe avec la personne que les données décrivent.
Pourquoi c'est important
- Échelle et reach : elle permet de cibler ou de modéliser des personnes au-delà de votre base clients existante.
- Enrichissement : elle ajoute des attributs (données démographiques, firmographiques, centres d'intérêt, signaux d'intention) aux enregistrements que vous détenez déjà.
- Fiabilité en baisse : les restrictions des navigateurs sur les cookies tiers, les limites imposées aux identifiants mobiles et les lois sur la vie privée (RGPD, CCPA) en ont réduit la précision et la licéité.
- Risque de conformité : le consentement n'ayant pas été obtenu par vous, la provenance et la base légale sont difficiles à vérifier.
Comment on l'utilise en pratique
- Ciblage d'audiences dans les plateformes publicitaires et les demand-side platforms.
- Lead scoring et enrichissement en vente et marketing B2B.
- Modèles de crédit et de risque en finance, à partir de données de bureaux de crédit et de données alternatives.
- Market sizing et benchmarking concurrentiel.
Une technique courante est le data match : vous chargez des identifiants hachés (emails, device IDs), le fournisseur les rapproche de son propre pool et renvoie des attributs ajoutés ou un segment lookalike.
Exemple chiffré
Un distributeur veut toucher des acheteurs probables de voitures de luxe. Il licencie auprès d'un agrégateur un segment intitulé « in-market : premium automotive » couvrant 4 millions de cookies ou device IDs. Le distributeur pousse ce segment dans sa plateforme publicitaire et lance une campagne.
- Match rate : seuls 55 pour cent des IDs sont encore actifs, le reach effectif est donc d'environ 2,2 millions.
- Précision : l'agrégateur a déduit l'intention du comportement de navigation, certains utilisateurs se documentent sans intention d'achat.
- Coût : le segment est facturé au coût pour mille impressions (CPM), en plus du coût média.
Le distributeur mesure les conversions face à un groupe de contrôle et constate que le segment fait moins bien que sa propre first-party data d'achat, un résultat typique qui ramène beaucoup d'organisations vers leurs données propriétaires.
Voir aussi
Questions fréquentes
Qu'est-ce que la donnée tierce ?
La donnée tierce désigne des informations sur des personnes ou des entreprises que vous n'avez pas collectées vous-même et qui proviennent de sources avec lesquelles vous n'avez aucune relation directe. Elle s'achète ou se licencie auprès de data brokers, d'agrégateurs ou de places de marché qui captent des signaux sur de nombreux sites, applications et sources offline, puis les revendent sous forme de segments ou d'attributs.
Quelle différence entre données first-party, second-party et tierces ?
Les données first-party sont collectées directement auprès de vos propres clients et audiences (achats, connexions, comportement sur le site). Les données second-party sont les données first-party d'une autre entreprise, partagées ou vendues en direct, sans agrégateur intermédiaire. La donnée tierce se caractérise par l'absence de toute relation directe avec la personne qu'elle décrit.
Pourquoi la donnée tierce est-elle devenue moins fiable ?
Les restrictions des navigateurs sur les cookies tiers, les limites imposées aux identifiants mobiles et les réglementations comme le RGPD ou le CCPA ont réduit à la fois sa précision et sa légalité d'usage. S'y ajoute un risque de conformité : le consentement n'ayant pas été recueilli par vous, la provenance et la base légale sont difficiles à vérifier.
Comment fonctionne concrètement un data match avec un fournisseur ?
Vous transmettez des identifiants hachés (emails, device IDs), le fournisseur les rapproche de son propre référentiel et vous renvoie des attributs enrichis ou un segment lookalike. C'est le mécanisme standard derrière l'enrichissement et le lead scoring en B2B, ainsi que derrière l'extension d'audience dans les plateformes publicitaires.
Quels résultats attendre d'un segment d'audience acheté ?
Attendez-vous à un écart net entre le volume vendu et le reach réellement obtenu. Cas typique : un distributeur licencie un segment « in-market : premium automotive » de 4 millions de cookies ou device IDs, mais seuls 55 % sont encore actifs, soit environ 2,2 millions de reach effectif, avec un CPM facturé en plus du coût média. L'intention déduite de la navigation mélange par ailleurs acheteurs et simples curieux, ce qui explique que ces segments performent souvent moins bien que les données d'achat first-party mesurées face à un groupe de contrôle.