Clean room de dados: o que sai de lá e o que a LGPD exige

Numa reunião de planejamento, a pergunta que trava a sala costuma ser a mesma: conseguimos cruzar nossa base de clientes com quem viu a campanha? Existe resposta técnica, e ela tem nome. O IAB Tech Lab publicou em 5 de julho de 2023 o documento Data Clean Rooms Guidance and Recommended Practices, versão 1.0, que define o arranjo como "a secure collaboration environment which allows two or more participants to leverage data assets for specific, mutually agreed upon uses, while guaranteeing enforcement of strict data access limitations".

A definição é precisa e não resolve a reunião. Ela descreve um ambiente, não diz quem manda dentro dele.

Quem manda muda conforme a rota, e no Brasil ainda muda o teste jurídico que o resultado precisa passar.

O que o mercado chama de clean room são três arranjos com donos diferentes

Quando alguém diz "vamos montar um clean room", pode estar falando de três coisas que não se parecem em nada na hora de operar. A primeira é o clean room da plataforma que vende a mídia, como o Ads Data Hub do Google e a Amazon Marketing Cloud. A segunda é o clean room de infraestrutura neutra, como o AWS Clean Rooms, onde duas empresas quaisquer combinam bases e negociam entre si a regra de análise. A terceira é o clean room do dono do público, que no Brasil aparece com mais força no varejo, quando o anunciante leva a base de clientes e o varejista leva o comportamento de compra.

Os três obedecem à mesma lógica de saída: o que atravessa a parede é resultado agregado, não lista de pessoas. O que muda entre eles é quem escreve a consulta, quem define o mínimo de agregação e de quem é a mídia que está sendo medida.

Essa distinção decide a quem você pede acesso, que contrato assina e que pergunta consegue responder.

Clean room da plataforma: você analisa a mídia que comprou dela

A documentação do Ads Data Hub, consultada em 2 de outubro de 2026, descreve o produto como um ambiente que "provides customized analysis of your Google ad campaigns by combining your data with event-level data". As fontes que ele conecta são Display & Video 360, Google Ads, Campaign Manager 360 e YouTube. A mesma página declara o limite com todas as letras: "Google's raw data set is not accessible to Ads Data Hub users".

Em português operacional: você escreve uma consulta, ela roda contra dados de evento que você não enxerga, e o que volta para o seu projeto no BigQuery é o resultado. A base bruta fica do outro lado do jardim murado.

A Amazon Marketing Cloud segue o mesmo desenho e declara isso na página em português do Brasil, consultada em 2 de outubro de 2026. A Amazon define a AMC como "uma solução de clean room segura baseada em nuvem com proteção da privacidade, em que os anunciantes podem facilmente executar análises de dados", e estabelece três condições de operação: "A AMC só aceita informações pseudonimizadas", "Você pode acessar apenas resultados agregados e anônimos da AMC" e "seus sinais internos não podem ser exportados ou acessados pela Amazon".

As duas páginas não oferecem o mesmo tipo de evidência. A página da Amazon traz uma lista de países na seção de perguntas frequentes, e BR aparece nela, sob América do Sul. Nenhuma das páginas do Ads Data Hub que li declara escopo geográfico ou lista de países. Isso não quer dizer que não atenda ao Brasil, quer dizer que a documentação consultada não afirma nem nega, e é assim que a informação deve viajar para dentro de um plano de mídia.

Clean room de infraestrutura neutra: a regra de análise vira cláusula de contrato

O AWS Clean Rooms resolve o caso em que nenhuma das duas partes é uma plataforma de mídia. A documentação da Amazon Web Services, consultada em 2 de outubro de 2026, descreve o serviço como algo que "helps you and your partners analyze and collaborate on your collective datasets to gain new insights without revealing underlying data to one another".

O que me interessa ali não é a infraestrutura, é o vocabulário. A documentação organiza o controle em três tipos de regra de análise, e cada tipo libera um conjunto diferente de SQL.

A regra de agregação permite consultas com COUNT, SUM e AVG, com dimensões opcionais, e bloqueia subconsultas e CTEs. A regra de lista devolve linha a linha a interseção entre as tabelas, exige sobreposição e proíbe funções escalares. A regra personalizada libera a maior parte do SQL, inclusive subconsultas e CTEs, e em troca exige revisão prévia do modelo de análise ou de quem o criou.

Quem já negociou um acordo de dados reconhece o que está acontecendo. Essa escolha de regra é uma cláusula contratual escrita em sintaxe de banco de dados, e quem entende do assunto na hora da assinatura não é o time jurídico sozinho, nem o time de mídia sozinho.

Clean room do dono do público: no Brasil, o varejo é onde isso pesa

O Digital AdSpend do IAB Brasil com a Kantar Ibope Media, divulgado em 29 de abril de 2026 com ano-base 2025, apurou R$ 42,7 bilhões de investimento em publicidade digital no Brasil, alta de 12,7%, com 55% em social media, 26% em search e 19% em publishers. Dentro desse total, o Retail Media aparece com R$ 4,8 bilhões.

Retail Media é o canal em que a pergunta do clean room nasce sozinha, porque o varejista tem o dado de compra e o anunciante tem o dado de cliente, e os dois lados querem saber a mesma coisa sem entregar a base um para o outro. Já escrevi aqui sobre as três rotas de compra de Retail Media no Brasil, e o clean room é a camada de medição que fica embaixo das três.

Tabela 1. As três rotas de clean room, segundo a documentação pública de cada fornecedor, consultada em 02/10/2026. Documentação global do Google e da Amazon Web Services, sem escopo de mercado declarado; página da Amazon Marketing Cloud em português do Brasil lista BR entre os países. A terceira coluna é leitura minha sobre uso em plano de mídia, não classificação publicada pelos fornecedores.

Rota	Quem define a regra de análise	Pergunta que ela responde bem (leitura minha)
Clean room da plataforma de mídia (Ads Data Hub, Amazon Marketing Cloud)	A própria plataforma, por documentação publicada	Alcance, frequência e sobreposição dentro da mídia comprada daquela plataforma
Clean room de infraestrutura neutra (AWS Clean Rooms)	As duas partes, ao escolher a regra de análise da colaboração	Cruzamento entre bases de duas empresas que não são plataformas de mídia
Clean room do dono do público (varejista ou publisher)	O dono do público, no contrato comercial	Efeito da campanha sobre comportamento de compra na base daquele varejista

O que sai de um clean room é resultado agregado, não lista de gente

Essa é a frase que desfaz a expectativa mais comum numa primeira reunião sobre o assunto. O clean room não devolve o CPF de quem viu o anúncio e comprou. Ele devolve quantas pessoas viram e compraram, com um piso de quantidade abaixo do qual a linha não aparece.

O Ads Data Hub publica esses pisos. A página de verificações de privacidade, consultada em 2 de outubro de 2026, nomeia cinco checagens: static checks, data access budgets, aggregation checks, noise injection e difference checks. E declara os números verbatim: "Noise injection requires approximately 20 unique users per result row", "Difference checks require approximately 50 unique users per result row" e "Queries of only click and conversion data require approximately 10 unique users per result row".

A documentação de user-provided data matching do Ads Data Hub, consultada na mesma data, declara um mínimo de 1.000 registros na lista de usuários enviada e descreve o tratamento dos identificadores: e-mail, telefone, nome e sobrenome entram com hash SHA256 em Base64 depois de normalizados, enquanto identificador próprio, país em ISO 3166-1 alpha-2 e código postal entram sem hash.

Do outro lado, a documentação do AWS Clean Rooms declara um limite mínimo de agregação a partir de 2 na regra de agregação, e lista entre os controles da regra personalizada os limites mínimos de agregação, os controles de comparação, as colunas de saída proibidas e a privacidade diferencial.

Tabela 2. Limites declarados na documentação pública de cada fornecedor, consultada em 02/10/2026. Documentação global, sem escopo de mercado brasileiro declarado. Os números são os publicados pelos fornecedores, sem arredondamento nem conversão.

Controle	Limite declarado	Onde está publicado
Injeção de ruído	aproximadamente 20 usuários únicos por linha de resultado	Ads Data Hub, verificações de privacidade
Verificação de diferença	aproximadamente 50 usuários únicos por linha de resultado	Ads Data Hub, verificações de privacidade
Consulta só de clique e conversão	aproximadamente 10 usuários únicos por linha de resultado	Ads Data Hub, verificações de privacidade
Lista de usuários enviada pelo anunciante	mínimo de 1.000 registros	Ads Data Hub, user-provided data matching
Limite mínimo de agregação na regra de agregação	a partir de 2	AWS Clean Rooms, regras de análise

Esses números mudam o desenho da campanha antes de mudar o relatório. Se a linha de resultado exige em torno de 50 usuários únicos para passar na verificação de diferença, uma análise quebrada por praça, formato, semana e faixa etária ao mesmo tempo volta vazia. Não porque a campanha foi ruim, porque a pergunta foi picada fina demais.

Agregado não é sinônimo de anonimizado na LGPD

O material americano sobre clean room para por aqui. Em português falta a camada que decide se esse resultado agregado é ou não dado pessoal.

A Lei nº 13.709, de 14 de agosto de 2018, define dado anonimizado no artigo 5º, inciso III, como "dado relativo a titular que não possa ser identificado, considerando a utilização de meios técnicos razoáveis e disponíveis na ocasião de seu tratamento". E define anonimização, no inciso XI do mesmo artigo, como a "utilização de meios técnicos razoáveis e disponíveis no momento do tratamento, por meio dos quais um dado perde a possibilidade de associação, direta ou indireta, a um indivíduo".

O artigo 12 fecha o raciocínio. O caput diz que "os dados anonimizados não serão considerados dados pessoais para os fins desta Lei, salvo quando o processo de anonimização ao qual foram submetidos for revertido, utilizando exclusivamente meios próprios, ou quando, com esforços razoáveis, puder ser revertido".

Ou seja: a lei brasileira não trata anonimização como um selo que se aplica uma vez e vale para sempre. Trata como um teste de reversibilidade que depende da técnica disponível no momento.

O artigo 12 coloca a reversibilidade no centro da conta

O parágrafo 1º do artigo 12 diz o que entra nesse teste: "A determinação do que seja razoável deve levar em consideração fatores objetivos, tais como custo e tempo necessários para reverter o processo de anonimização, de acordo com as tecnologias disponíveis, e a utilização exclusiva de meios próprios".

O parágrafo 2º é o que mais importa para quem trabalha com segmentação: "Poderão ser igualmente considerados como dados pessoais, para os fins desta Lei, aqueles utilizados para formação do perfil comportamental de determinada pessoa natural, se identificada".

E o parágrafo 3º devolve a régua técnica para a autoridade: "A autoridade nacional poderá dispor sobre padrões e técnicas utilizados em processos de anonimização e realizar verificações acerca de sua segurança, ouvido o Conselho Nacional de Proteção de Dados Pessoais".

As três peças juntas levam a uma conclusão prática. Um resultado que saiu agregado de um clean room não vira automaticamente dado anonimizado sob a LGPD. Ele passa a ter um argumento forte a favor, que é o piso de agregação declarado pelo fornecedor, e continua tendo que responder à pergunta da reversibilidade com esforços razoáveis.

Não sou advogado, e o enquadramento de um caso específico é conversa para o jurídico da empresa. O que cabe ao time de mídia é levar a pergunta certa para essa conversa, e a pergunta certa não é "é anônimo?". É "com que esforço isso volta a ser identificável, e quem tem esse esforço disponível?".

Pseudonimizado e anonimizado são palavras diferentes, e a documentação usa as duas

A página da Amazon Marketing Cloud em português do Brasil usa os dois termos em frases distintas, e a distinção não é estilística. Ela diz que "A AMC só aceita informações pseudonimizadas" para descrever o que entra, e que "Você pode acessar apenas resultados agregados e anônimos da AMC" para descrever o que sai.

Dado pseudonimizado continua sendo dado pessoal. Dado anonimizado, se passar no teste do artigo 12, deixa de ser. Quando um fornecedor diz que trabalha com dado pseudonimizado, ele está dizendo que a LGPD continua valendo integralmente para aquele tratamento, e isso costuma ser lido na reunião errada como se fosse o contrário.

É o mesmo tipo de confusão de vocabulário que tratei quando escrevi sobre identificadores alternativos e o fim anunciado do cookie de terceiros. O termo muda de sentido entre a sala técnica e a sala comercial, e o prejuízo aparece no contrato.

Quanto custa montar um clean room e por que isso não cabe numa tabela

Essa pergunta aparece sempre, e ela tem resposta, só não tem resposta em número único. O custo se forma em três linhas diferentes, que são a infraestrutura de nuvem cobrada por consumo, o acesso à plataforma de mídia, que anda junto da conta de veiculação, e o tempo de quem escreve e revisa as consultas, que é a linha que o mercado esquece de orçar.

O valor de cada linha muda com o volume de dado envolvido, com a frequência das análises e com quantas partes entram na colaboração. Por isso um orçamento de clean room nasce de um desenho de caso, e não de uma tabela de preço por canal. Se a sua pergunta é se faz sentido abrir essa frente na sua conta antes de ter escala de mídia para sustentá-la, fale com o time comercial da Adsplay com o volume e o objetivo de medição na mão, porque é com esses dois números que a conta começa.

O que decidir antes de abrir uma colaboração de dados

Em reunião de planejamento, a sequência que uso é curta e tem quatro perguntas, nessa ordem.

Qual é a pergunta de negócio, escrita numa frase, com a métrica que ela devolve. Qual é a menor célula de análise que ainda faz sentido, considerando o piso de agregação declarado pelo fornecedor. Quem é o dono de cada base que vai entrar e qual é a base legal de tratamento de cada uma. E o que acontece com o resultado depois, porque resultado agregado que vira público de remarketing é outro tratamento, com outra conversa jurídica.

Quem pula a segunda pergunta descobre o piso depois de montar o projeto, e descobre na forma mais cara, que é uma consulta que roda e volta vazia.

O que isso muda no plano de mídia brasileiro

Clean room não é canal, é camada de medição, e por isso ele não disputa verba com Mídias Alternativas nem com search. Ele decide o que você consegue provar sobre a verba que já gastou.

Para quem compra Mídia Programática no Brasil, a consequência prática é de ordem: primeiro se define a pergunta de medição, depois se escolhe a rota de clean room, e só então se desenha a segmentação, porque o detalhe da segmentação fica limitado pelo piso de agregação da medição. Inverter essa ordem produz plano bonito e relatório vazio. O mesmo raciocínio de nomenclatura que apliquei à taxonomia de público do IAB vale aqui, e está no guia de Mídia Programática no Brasil que mantenho atualizado.

Clean room não é o que faz a campanha vender mais. É o que faz você saber se ela vendeu.

Perguntas frequentes sobre clean room de dados

O que é um clean room de dados? Bruno Campos de Oliveira, co-fundador e COO da Adsplay Mídia e co-autor do livro "Mídia Programática de A a Z", descreve o clean room de dados como o ambiente em que duas bases se encontram para responder a uma pergunta combinada de antemão, sem que nenhuma das partes leve a base da outra embora. A definição formal mais citada é a do IAB Tech Lab, publicada em 5 de julho de 2023: "a secure collaboration environment which allows two or more participants to leverage data assets for specific, mutually agreed upon uses, while guaranteeing enforcement of strict data access limitations".

O clean room entrega a lista de pessoas que viram o anúncio e compraram? Não. A saída é agregada, com piso mínimo de usuários por linha de resultado. O Ads Data Hub declara, em sua página de verificações de privacidade consultada em 2 de outubro de 2026, aproximadamente 20 usuários únicos por linha para injeção de ruído e aproximadamente 50 para verificação de diferença. O AWS Clean Rooms declara limite mínimo de agregação a partir de 2 na regra de agregação.

Resultado que sai de um clean room é dado anonimizado pela LGPD? Não automaticamente. O artigo 12 da Lei nº 13.709/2018 condiciona o status de dado anonimizado à impossibilidade de reversão "utilizando exclusivamente meios próprios" ou "com esforços razoáveis", e o parágrafo 1º manda considerar custo, tempo e tecnologias disponíveis. O piso de agregação do fornecedor é argumento técnico a favor, não decisão jurídica. Não sou advogado, e o enquadramento de cada caso é conversa para o jurídico da empresa.

O Ads Data Hub e a Amazon Marketing Cloud estão disponíveis no Brasil? A página da Amazon Marketing Cloud em português do Brasil, consultada em 2 de outubro de 2026, traz uma lista de países na seção de perguntas frequentes com BR entre eles, sob América do Sul. As páginas do Ads Data Hub consultadas na mesma data não declaram escopo geográfico nem lista de países, o que significa que a documentação pública não afirma nem nega a disponibilidade brasileira. A confirmação, nesse caso, se faz pela própria conta e pelo representante da plataforma.

Quanto custa operar um clean room? O custo se forma por consumo de infraestrutura, acesso à plataforma de mídia e tempo técnico de quem escreve e revisa as consultas, e varia com volume de dado, frequência de análise e número de partes na colaboração. Por isso o orçamento nasce de um desenho de caso e não de uma tabela por canal. Para montar esse desenho com números da sua operação, fale com o time comercial da Adsplay.

Fontes

IAB Tech Lab, Data Clean Rooms Guidance and Recommended Practices, versão 1.0, 5 de julho de 2023. Google, Ads Data Hub para profissionais de marketing, página de introdução, consultada em 2 de outubro de 2026. Google, Ads Data Hub, verificações de privacidade, consultada em 2 de outubro de 2026. Google, Ads Data Hub, user-provided data matching, consultada em 2 de outubro de 2026. Amazon Ads, Amazon Marketing Cloud, página em português do Brasil, consultada em 2 de outubro de 2026. Amazon Web Services, AWS Clean Rooms, guia do usuário e documentação de regras de análise, consultada em 2 de outubro de 2026. Brasil, Lei nº 13.709, de 14 de agosto de 2018, artigos 5º e 12, texto compilado no Planalto, consultado em 2 de outubro de 2026. IAB Brasil com Kantar Ibope Media, Digital AdSpend ano-base 2025, divulgado em 29 de abril de 2026.