这个概念首先是Forrester提出来的，定义为："Zero-party data is that which a customer intentionally and proactively shares with a brand. It can include preference center data, purchase intentions, personal context, and how the individual wants the brand to recognize [them]."
因为无法直接访问原文，定义解读方面参考了一篇国内的观点文章（来源见图片水印）。据该文章对Forrest原文的解读，零方数据与我们熟知的一方、二方、三方数据的关系不是并列，而是交叉和补充，如下图。
也就是说，原本我们通过一方、二方、三方数据获取的信息，都有可能直接从消费者那里「问到」，即零方数据。下图是一个例子，为了方便理解，重新绘制表单如下下图。
套用英语里很流行的一句话，就是if you want something, just ask for it。与其各种通过数据去揣测消费者的偏好，为什么不直接问呢？比如小红书就是在刚注册和许久不登录的时候，直接问用户对什么话题感兴趣。
按一些文章的观点，零方数据的好处是准确且合法。
- 准确：与通过数据进行画像而推断出来的结论不同，零方数据是用户因强烈的个性化需要而主动声明的数据。这些数据直接而准确。
- 合法：数据来源和使用的合法性越来越受到重视，也使营销人员更加积极地探索符合GDPR标准的方式与客户进行沟通和广告宣传。
缺点呢？首先就是成本。一方二方三方数据都是事务发生的副产品，采集数据的成本比较低。而零方数据就涉及额外的激励，可能是金钱（调研的人力，或积分奖励），也可能是更个性化的体验（对业务逻辑和数据能力提出了更高要求）。
另一方面，即使不考虑成本，零方数据对于平台处理和管理数据的能力也提出了更高的要求。消费者一定清晰准确地知道自己的偏好吗？消费者自我声明里无意识的美化呢？消费者因为缺乏想象力而无法判断自己偏好呢（I will know if I like it once I see it——产品经理的噩梦）？如果消费者自我声明的偏好与我们从客观事实（消费记录）中推断地不一致，该怎么处理呢？
参考one-ID如何处理多个来源（可能互相冲突）的ID信息。One-Id是基于图论进行迭代和剪枝，最终提供的是One-ID倒排表（包含各个ID取值的概率）。也许零方数据如果进到CDP里，也会让ADS层的标签变成概率取值？比如该消费者的渠道偏好70%概率是小红书，30%概率是知乎？
