Cookieless: qué es y cómo afecta a los datos

Para garantizar la protección de los datos personales de los usuarios cuando navegan por Internet, las cookies de terceros han empezado a desaparecer de los principales navegadores de Internet, lo que conocemos como Cookieless en la web.
Esto hace que las mediciones sobre el comportamiento de los usuarios se vuelvan más complicadas (pero por supuesto, no imposibles). Algunas de estas plataformas, también han decidido eliminar las cookies propias de cada site en favor de la protección de la privacidad. Te contamos en qué consiste el cookieless y cómo podrá llevarse a cabo la analítica digital sin estos datos.

Qué significa cookieless

Las cookies de terceros tienen como objetivo realizar un seguimiento de los usuarios que visitan una página Web concreta para mejorar las campañas de marketing de las empresas. El cookieless web representa la desaparición de estas cookies en los principales navegadores, por lo que los profesionales del marketing deberán establecer otros métodos para poder establecer estas mediciones analíticas que les permitan entender el comportamiento de los usuarios y comprobar si sus estrategias funcionan. Se busca, por tanto, realizar un seguimiento sin entrometerse en la privacidad del usuario a la vez que se puedan personalizar servicios y productos en los sitios web.
Durante años, las cookies de terceros permitieron a anunciantes y plataformas recopilar información sobre el comportamiento de los usuarios para ofrecer publicidad personalizada, medir campañas o realizar acciones de remarketing. Sin embargo, la eliminación progresiva de estas cookies obliga a las empresas a adoptar nuevas estrategias basadas en datos obtenidos con consentimiento y tecnologías que respeten mejor la privacidad. En este sentido, cobran protagonismo el first-party data, el consentimiento del usuario y nuevas soluciones de medición desarrolladas por los principales proveedores tecnológicos.

Por qué el sector avanza hacia más privacidad

Los usuarios demandan un mayor control sobre sus datos personales y quieren decidir qué información comparten con las empresas, además, la legislación sigue avanzando con el objetivo de proteger mejor la privacidad durante la navegación (Reglamento General de Protección de Datos y la ePrivacy Directive, en Europa y la Consumer Privacy Act en Estados Unidos. En ellas se fijan los requisitos sobre consentimiento para el uso de cookies y el tratamiento de datos personales. Todas ellas, orientadas al fomento de estrategias de recopilación de datos más transparentes y centrados en la confianza del usuario.

Qué ha cambiado con las cookies de terceros en Chrome

En este cambio, han tenido mucho que ver los navegadores ya que han sido los impulsores de esta transformación. Apple Safari fue uno de los primeros en limitar el seguimiento mediante Intelligent Tracking Prevention (ITP) y Firefox incorporó Enhanced Tracking Protection (ETP) para bloquear automáticamente numerosos rastreadores. De manera más reciente, Google Chrome, el navegador con mayor cuota de mercado, ha impulsado la Third-Party Cookie Deprecation, es decir, la eliminación progresiva del soporte para cookies de terceros.
Como alternativa, Google está desarrollando Privacy Sandbox, un conjunto de tecnologías que busca ofrecer soluciones de publicidad y medición compatibles con una mayor protección de la privacidad. Entre ellas destacan Topics API, orientada a la publicidad basada en intereses; Protected Audience API (FLEDGE), diseñada para casos de remarketing; y Attribution Reporting API, que permite medir conversiones sin recurrir al seguimiento entre sitios.

Conviértete en Experto en Analítica Web

¡Maestría en Analítica Digital en DKS!

¡Ver oferta!

Impacto del cookieless en marketing y analítica

Al desaparecer las cookies de terceros, se hace necesario replantearse nuevas estrategias y modificar las utilizadas hasta ahora en marketing digital. En la actualidad, por tanto, cada vez es más necesario utilizar nuevas metodologías y acceder a nuevas fuentes de datos que permitan la segmentación de audiencias, la atribución de conversiones y la medición del rendimiento, manteniendo el todo momento la privacidad del usuario.

Segmentación, remarketing y personalización

Las empresas ya no pueden depender únicamente del seguimiento entre diferentes sitios web para construir audiencias. En su lugar, cobran protagonismo los datos obtenidos directamente de los clientes, junto con modelos de segmentación basados en el contexto o en información proporcionada voluntariamente por los propios usuarios.
Del mismo modo, se incorporan procesos como el Identity Resolution, que permiten relacionar distintos identificadores de un mismo usuario, y técnicas como el Deterministic Matching o el Probabilistic Matching, utilizadas para reconocer usuarios respetando las nuevas limitaciones de privacidad. A ello se le suma la Contextual Advertising vuelve a ganar protagonismo al mostrar anuncios según el contenido de la página que está visitando el usuario, en lugar de basarse exclusivamente en su historial de navegación.

Medición, atribución y modelado de conversiones

Antes era habitual seguir el recorrido completo de un usuario entre diferentes sitios web mediante cookies de terceros para poder realizar las mediciones pertinentes. En la actualidad, la mejor opción una de las principales alternativas es la Attribution Reporting API, integrada dentro de Privacy Sandbox, que permite medir conversiones generadas tras un clic o una impresión publicitaria sin realizar un seguimiento individual entre sitios web.
Por otro lado estaría el Conversion Modeling, una técnica basada en aprendizaje automático que estima aquellas conversiones que no pueden observarse directamente debido a las restricciones de privacidad o a la ausencia de cookies. Pero, no son las únicas, a la hora de realizar mediciones también se usa el Marketing Mix Modeling (MMM), que analiza el impacto de los distintos canales de marketing utilizando datos agregados, y el Uplift Modeling, que mide el efecto incremental de una campaña para determinar qué resultados se deben realmente a una acción publicitaria.

Calidad de datos y ROI de campañas

Los datos que se recogen en un entorno cookiless son de calidad y numerosos, pero se obtienen de forma transparentes. En este sentido, todos los esfuerzos de las empresas deben destinarse a obtener la información de manera directa de sus clientes. Con lo que es posible mejorar sus bases de datos y establecer procesos de medición que sean más fiables y permitan calcular mejor el retorno de la inversión (ROI) para poder tomar decisiones más acertadas.
El comportamiento de los usuarios también puede medirse a través de estrategias menos invasivas realizado un análisis por cohortes (Cohort Analysis). Es decir, se puede estudiar el comportamiento de grupos de usuarios que comparten características similares, cuando el seguimiento individual ya no es posible.

Estrategias de datos en un entorno cookieless

Como ya hemos señalado, es necesario realizar una transición hacia el modelo cookieless en el que se replanteen la forma de recopilar, gestionar y activar los datos de los que se dispone. Es decir, el objetivo ya no debe ser obtener la mayor cantidad de información posible, sino desarrollar una estrategia que se base en la confianza y el consentimiento a través de datos de calidad.

First-party data y zero-party data

Son los datos que una empresa recopila directamente de sus clientes mediante su página web, aplicación, CRM o cualquier otro canal propio, siempre con el consentimiento correspondiente. Por lo tanto, son los más importantes para cualquier negocio, porque son los que verdaderamente les interesan.
Por otro lado estarían los denominados, Zero-Party Data, que son aquellos que el usuario comparte con la plataforma de manera voluntaria. En este caso, el usuario proporciona sus preferencias intereses o intenciones de https://dks.digital/blog/marketing/como-funciona-la-publicidad-contextual-estrategias-tecnologias-y-beneficios-para-anunciantes/compra porque quiere, lo que hace que los datos obtenidos sean muy fiables y ayuden a personalizar las experiencias y con ellas la relación con los clientes.

Consentimiento, CMP y gestión de preferencias

El consentimiento es uno de los pilares fundamentales del nuevo entorno digital, por lo que es necesario aplicar diferentes métodos. Para gestionar este proceso muchas organizaciones utilizan una Consent Management Platform (CMP), una herramienta que permite informar a los usuarios sobre el tratamiento de sus datos, recoger sus preferencias y garantizar el cumplimiento de normativas como el Reglamento General de Protección de Datos (RGPD) o la ePrivacy Directive. De esta forma es posible generar mayor confianza entre la marca y sus clientes.

Server-side tagging y APIs de conversión

Es una técnica que traslada la gestión de las etiquetas desde el navegador del usuario a un servidor controlado por la propia organización. De esta forma es posible ejercer un mayor control sobre los datos recopilados, mejorar la seguridad y reducir la dependencia de las limitaciones impuestas por los navegadores.
En paralelo, muchas plataformas han desarrollado APIs de conversión que permiten enviar eventos directamente desde el servidor. Un ejemplo es Meta Conversions API (CAPI), que facilita la medición de conversiones sin depender exclusivamente de las cookies del navegador y mejora la calidad de los datos utilizados para optimizar campañas publicitarias.

Publicidad contextual y data clean rooms

Contextual Advertising o publicidad contextual es aquella que muestra anuncios según el contenido que está consultando el usuario en ese momento, en lugar de utilizar su historial de navegación. En este contexto también se utilizan tecnologías como las Data Clean Rooms, entornos seguros donde diferentes organizaciones pueden analizar datos de forma conjunta sin compartir la información original de cada una. De esta forma, es posible colaborar en campañas, obtener conocimiento agregado y respetar al mismo tiempo la privacidad de los usuarios.

Marketing mix modeling y cohortes

El Marketing Mix Modeling (MMM) permite evaluar la contribución de cada canal de marketing utilizando datos agregados y el Cohort Analysis analiza la evolución de grupos de usuarios con características comunes para identificar patrones de comportamiento.
El Federated Learning permite entrenar modelos de inteligencia artificial directamente en los dispositivos de los usuarios, sin necesidad de transferir sus datos personales, reforzando así la protección de la privacidad y mejorando la calidad de los análisis en el nuevo entorno cookieless.

Plataformas y tecnologías relevantes

La transición hacia un entorno cookieless está impulsando el desarrollo de nuevas tecnologías que permiten seguir recopilando información, medir campañas y personalizar la experiencia del usuario respetando su privacidad. Tanto los grandes navegadores como las principales plataformas publicitarias están adaptando sus soluciones para responder a este nuevo escenario.

Google Privacy Sandbox y alternativas de identidad

Como ya hemos citado, Google cuenta con su propio proyecto para sustituir las cookies de terceros mediante tecnologías que reduzcan el seguimiento individual sin impedir la medición y la publicidad digital. Para ello se basan en distintas herramientas:

• – Topics API, que permite mostrar publicidad basada en los intereses generales del usuario sin compartir su historial completo de navegación.
  – Protected Audience API (FLEDGE), diseñada para realizar acciones de remarketing y gestionar audiencias personalizadas preservando la privacidad.
  – Attribution Reporting API, que facilita la medición de conversiones sin necesidad de identificar al usuario entre diferentes sitios web.

Junto a estas propuestas están surgiendo alternativas de identidad como Unified ID 2.0 (UID2), un sistema basado en identificadores cifrados obtenidos con el consentimiento del usuario, y las soluciones desarrolladas por empresas como LiveRamp, orientadas a facilitar la Identity Resolution en un entorno con menos identificadores tradicionales.
Por su parte, plataformas como The Trade Desk impulsan la adopción de estos nuevos modelos de identidad para mantener la eficacia de la publicidad digital sin depender de las cookies de terceros.

GA4, Google Ads, Meta CAPI y CDP

Google Analytics 4 (GA4) se basa en eventos y utiliza técnicas de Conversion Modeling para estimar conversiones cuando no es posible medirlas directamente. Aunque una de sus principales ventajas es su integración con Google Ads, lo que facilita el uso de First-Party Data para crear audiencias y optimizar campañas.
En el caso de Meta, Meta Conversions API (CAPI) permite enviar eventos directamente desde el servidor, para mejorar la calidad de la medición y reducir con ello la dependencia de las cookies del navegador.
Además de lo visto, algunas empresas están incorporando Customer Data Platforms (CDP) para centralizar la información procedente de distintos canales, unificar perfiles de clientes y activar estrategias de personalización basadas en datos propios y obtenidos con consentimiento.

Cómo preparar una estrategia cookieless

Con todo lo visto, es muy probable que te estés planteando cómo puedes preparar una buena estrategia cookieless para mejorar la calidad de la información que se recoge, a la vez que se garantiza el cumplimiento de las normas de privacidad. Pues bien, no se trata solo de sustituir la tecnología, es necesario revisar toda la estrategia de datos de la organización y los procesos utilizados.

Auditoría de datos, cookies y etiquetas

El primer paso consiste en realizar una auditoría de los sistemas de recopilación de datos, es decir, lo más recomendable es que puedas identificar qué cookies utiliza el sitio web, qué herramientas dependen de ellas y qué información se obtiene mediante cada una. Del mismo modo, se debe hacer un especial hincapié en las etiquetas implementadas para valorar si es necesario incorporar nuevas soluciones como el Server-Side Tagging, que ofrecen un mayor control sobre los datos y reducen la dependencia de los navegadores.
Otro de los puntos a los que se debe prestar atención son las fuentes de First-Party Data disponibles y para analizar qué información adicional puede recopilarse de forma transparente y con consentimiento por parte del usuario.

Plan de medición y gobernanza de privacidad

El plan de medición debe adaptarse al nuevo contexto en el que se apliquen distintas metodologías (Marketing Mix Modeling, el Conversion Modeling o el análisis por cohortes) lo que te permitirá obtener una visión más completa del rendimiento de las acciones de marketing.
Al mismo tiempo, resulta imprescindible definir una política de gobernanza de datos que establezca cómo se recopila, almacena y utiliza la información personal. Contar con una Consent Management Platform (CMP), mantener actualizadas las preferencias de los usuarios y garantizar el cumplimiento del RGPD y del resto de normativas de privacidad contribuirá a generar confianza y mejorar la calidad de los datos disponibles

Oportunidades profesionales en analítica y privacidad digital

Las empresas necesitan profesionales capaces de diseñar estrategias basadas en First-Party Data, implementar soluciones de medición avanzadas, gestionar plataformas como GA4, Google Ads o Meta Conversions API, y garantizar el cumplimiento de la normativa sobre protección de datos. Pero, estos profesionales deben tener conocimientos precisos relacionados con Privacy Sandbox, Server-Side Tagging, Data Clean Rooms, modelado de conversiones o análisis de cohortes, todo ello centrado en la privacidad digital.
En un entorno cada vez más orientado a la privacidad, dominar la medición sin cookies se ha convertido en una competencia clave para cualquier profesional del marketing y la analítica. Si quieres aprender a interpretar datos, configurar estrategias de medición y tomar decisiones basadas en información fiable, la Maestría en Analítica Digital de DKS te ayudará a prepararte para trabajar con garantías en escenarios cookieless.