Match Rate

Definición profesional

El match rate es el porcentaje de registros de un dataset de origen (por ejemplo, la lista de correos o teléfonos de un anunciante o publisher) que un sistema receptor (una plataforma de identidad, un DSP, un CDP o una red de retail media) logra reconocer y vincular contra su propia base de identificadores durante un proceso de onboarding de datos.

El cálculo parte de dos conjuntos, el dataset enviado y el dataset del receptor. El sistema receptor intenta encontrar, para cada registro enviado, un identificador correspondiente en su propio grafo (una cookie activa, un ID de dispositivo, un hash de correo reconocido). La proporción de registros encontrados sobre el total enviado constituye el match rate.

Explicación sencilla

Una marca tiene una lista de 100.000 clientes con sus correos electrónicos y quiere anunciarles en una plataforma programática. Esa plataforma no conoce los correos directamente, conoce cookies o IDs de dispositivo. Durante el proceso de onboarding, la plataforma compara los correos (normalmente convertidos primero en hash) contra su propia base y reconoce, supongamos, a 60.000 de esos clientes.

El match rate de esa operación es del 60 %. El 40 % restante existe en la lista original pero la plataforma no logra identificarlo, por lo que queda fuera de la audiencia activable.

¿Por qué existe este concepto?

Ningún sistema programático comparte un identificador universal con las bases de datos propias de anunciantes y publishers. Cada plataforma construye su propio grafo de identidad a partir de las señales que observa (cookies, apps, logins), lo que produce coincidencias parciales cuando alguien intenta llevar datos de un sistema a otro.

El match rate resuelve una pregunta operativa concreta, cuánto de una lista de datos propios realmente se traduce en audiencia utilizable dentro de un entorno programático. Sin esa métrica, un equipo de marketing activaría una segmentación sin saber si el 90 % o el 20 % de sus clientes reales están efectivamente representados en la campaña.

¿Cómo funciona?

El proceso típico de matching sigue una secuencia de pasos.

1. El dataset de origen se normaliza y se convierte en hash (habitualmente con SHA-256) antes de enviarse, de forma que ni el anunciante ni la plataforma receptora expongan datos personales en texto plano durante la transferencia.
2. La plataforma receptora compara ese hash contra su propia tabla de identificadores conocidos. Si el mismo correo, en el mismo formato de hash, ya está asociado a una cookie o ID de dispositivo en su sistema, se produce una coincidencia.
3. La plataforma agrega el número total de coincidencias y lo divide entre el total de registros enviados, lo que produce el match rate reportado al anunciante o publisher.

Solo los registros coincidentes quedan disponibles para activación (targeting, medición o modelado de audiencias), mientras el resto del dataset original permanece inutilizable dentro de ese sistema específico hasta una futura sincronización.

¿Quién lo utiliza?

• Ad Ops manager en agencia. Verifica el match rate de cada lista de audiencia antes de activarla, porque un match rate bajo puede explicar por qué una campaña con segmentación de clientes actuales entrega a un alcance mucho menor al esperado.
• Publisher con estrategia de first-party data. Evalúa el match rate al intentar monetizar su base de suscriptores o usuarios registrados a través de partners programáticos, ya que ese número determina qué proporción de su audiencia propia realmente se vuelve vendible.
• Plataforma de onboarding de datos o proveedor de identidad. Reporta el match rate como una métrica central de su servicio, porque es el indicador que un cliente usa para comparar la calidad de un proveedor de matching frente a otro.
• Red de retail media. Compara el match rate al cruzar los datos de lealtad de sus compradores contra la lista de clientes que un anunciante quiere alcanzar, un paso previo indispensable antes de activar campañas basadas en compras reales.
• Operador de data clean room. Calcula el match rate como una métrica interna del proceso de superposición de datasets, sin exponer los registros individuales de ninguna de las dos partes, lo que le permite reportar el porcentaje de coincidencia sin revelar identidades específicas.

Caso práctico

Un equipo de marketing sube una lista de clientes actuales a una plataforma programática para excluirlos de una campaña de adquisición (evitar mostrarle anuncios de “primera compra” a alguien que ya es cliente). La plataforma reporta un match rate del 55 % para esa lista específica.

El equipo interpreta el resultado antes de lanzar la campaña. Como el 45 % restante de la lista no fue identificado, esa porción de clientes actuales seguirá siendo elegible para la campaña de exclusión, lo que puede generar gasto ineficiente y una mala experiencia para esos clientes. Frente a ese escenario, el equipo decide reforzar la calidad de los datos de origen (agregar teléfono además de correo, verificar formato de hash) antes de repetir el envío, en vez de asumir que el match rate reportado representa el techo posible para esa base de datos.

Error frecuente

Se asume con frecuencia que un match rate alto siempre mejora el resultado de una campaña. Un match rate elevado indica cobertura de identificación, no calidad de los datos ni relevancia de la audiencia. Una lista mal segmentada con match rate del 90 % sigue siendo una lista mal segmentada, solo que casi toda ella queda activable.

Otro error habitual consiste en comparar el match rate de dos proveedores distintos como si fuera un número absoluto y homologable. Cada plataforma calcula el match rate contra su propio grafo de identidad, construido con señales propias, por lo que dos proveedores pueden reportar match rates distintos para exactamente el mismo dataset de origen sin que ninguno esté “equivocado”.

¿Qué no es?

Match Rate no es reach. El reach mide cuántos usuarios únicos recibieron efectivamente una impresión durante una campaña activa, mientras el match rate mide un paso previo y distinto, qué proporción de un dataset externo el sistema logró reconocer antes de que exista cualquier actividad publicitaria.

No es fill rate. El fill rate describe la proporción de solicitudes de anuncio que terminan mostrando un anuncio real, un problema de disponibilidad de inventario y demanda. El match rate ocurre en una etapa completamente distinta del proceso, la identificación de registros de audiencia, y no tiene relación con si existe o no un anuncio disponible para mostrar.

Tampoco es calidad de datos. Un match rate alto no certifica que los datos originales sean correctos o estén actualizados. Una lista con correos desactualizados puede aun así lograr un match rate razonable si esos correos coinciden con identificadores antiguos que la plataforma todavía conserva, sin que eso implique que la audiencia resultante sea relevante para la campaña.

Términos relacionados

Evolución histórica

El concepto se popularizó junto con las primeras plataformas de onboarding de datos basadas en cookies, cuando marcas y agencias empezaron a subir listas de clientes a plataformas de compra programática para segmentación y exclusión de audiencias. En ese periodo, el match rate dependía casi exclusivamente de cuántas cookies de terceros activas existían para cada correo en la lista original.

La progresiva desaparición de la cookie de terceros como identificador principal desplazó el cálculo hacia métodos basados en identificadores hasheados (correo, teléfono) y hacia infraestructuras de data clean room, donde el match rate se calcula sin que ninguna de las partes exponga directamente sus registros a la otra. El indicador se mantiene vigente, pero el mecanismo técnico detrás de cada coincidencia cambió de forma sustancial frente a su origen.

Empresas y tecnologías asociadas

Distintas categorías de plataformas reportan match rate como parte de su servicio.

• Las plataformas de onboarding de datos e identidad, como LiveRamp o TransUnion, lo presentan como métrica de calidad de su grafo de identidad.
• Los proveedores de data clean room, como Google Ads Data Hub, Amazon Marketing Cloud o InfoSum, lo calculan como parte del proceso de superposición entre datasets de distintas partes.
• Los CDP empresariales también exponen el match rate al conectar los datos propios de una marca con partners externos de activación.

Ninguna de estas plataformas se menciona aquí como recomendación, sino como referencia representativa del ecosistema de matching de datos.

Pregunta frecuente

¿Qué match rate se considera bueno?

No existe un número universal verificable como estándar de industria, así que cualquier cifra de referencia depende del tipo de identificador usado (correo, teléfono, cookie) y del proveedor específico. La práctica operativa recomendable consiste en solicitar el match rate directamente al proveedor para el dataset propio, en vez de asumir un porcentaje esperado basado en benchmarks generales de la industria.

Durante este artículo se mencionan