CDP的数据价值

一、行业背景

随着 5G、云计算、人工智能等技术的发展，大家对互联网越来越依赖，尤其是近年来疫情引发的数字化热潮， 让线上交易的份额不断攀升，使得企业的客户数据呈现爆发式增长。企业开始对自身运营所产生的数据有了 新的想法，沉淀和管理自己消费者数据资产的需求开始变得越来越旺盛，CDP 悄悄火了起来。

01

国内现在主流的 CDP 供应商大概分为三类

（1）大数据和软件服务背景的厂商，即技术型 CDP 厂商 技术型背景的 CDP 厂商，将 CDP 定位于企业业务层面的数据“集市”，属于技术难度最重的一类 CDP。它 们将企业各种数据源整合到 CDP 中，不仅支撑营销场景，还包括企业各类业务场景。正是因为这个原因，这 一类的 CDP 在数据对接与处理时，需要大量的定制化数据源，品牌客户在部署这一类的 CDP 往往需要的时间周期更长。

（2）广告与营销背景出身的厂商， DMP/AdTech 背景厂商 以 DMP/AdTech 起家的 CDP 厂商，最初以广告投放为核心，拥有生产相关的 DMP 能力，继而进一步拓展 至 CDP 业务。这类公司的天然优势是有相对成熟的技术可以做投放渠道对接、用户标签赋能等等，与其他厂 商最大的不同是 CDP 产品的深度、交付经验积累，导致它们实施难度相对更低，但数据格式相对固定以及不同的毫秒级数据输出能力。（3）营销与数据以及软件服务结合的厂商，SCRM 营销类背景厂商。 SCRM 营销类的 CDP 厂商，这类企业拥有庞大且丰富的 B 端数据的管理经验，可以根据客户需求丰富不同行业的用户画像。通过加深对应用场景的理解，也可以快速产生行业标品服务。在应用层面的用户标签、用户分群和画像功能上的业务性更强。

02

CDP的核心

CDP 的工作重点并不是单纯保存数据，是从数据的采集、身份的匹配识别，到数据的存储和挖掘，再到应用 和赋能，通过数据与数据之间关联和分析，洞察人与人、人与物的关系，最后赋能企业营销，形成一套完整 的体系。

二、走进CDP

01

CDP的定义

根据国际市场研究机构 Gartner 给 CDP 的定义，客户数据平台是由营销人管理的客户数据库，将来自不同渠道的实时和非实时的客户数据进行采集、整合、分析和应用，以实现客户建模、提升营销效率和优化客户体验的目标，从而促进业绩及利润增长。总的来说，CDP 因为收集了企业全渠道的用户数据，可以帮助品牌方更整体、全面和深入地了解他们的客户，对客户的潜在需求进行分析和预测，再结合营销自动化系统或者智能营销引擎等平台执行实时个性化营销策略，从而提升企业营销活动和用户体验的效率、有效性和一致性。

02

CDP的能力

03

CDP与CRM、DMP的区别

04

企业为什么需要CDP

三、CDP的能力介绍

从产品视角来看，认为 CDP 有三块核心能力：数据采集、数据统一和洞察、数据激活

01

数据采集

数据类型包含三个维度：第一方数据、第二方数据、第三方数据。

第一方数据主要是指企业在自营渠道产生的数据，例如：CRM，会员系统、售后服务等；

第二方数据包含企业在外部系统上产生的数据，这些数据由外部系统通过 API 提供，例如电商数据、广告监 测数据等；

第三方渠道获得的外部数据资源（符合数据合规要求的数据）等全网的多维度客户数据统一归集和管理。

从不同的数据源中提取数据，放入 CDP 中，在企业相关的这些数据里，主要客户数据类型包含以下四个方面 ：

02

数据统一和洞察

在采集不同的数据之后，企业需要通过 CDP 对数据进行识别、分类、整合新增和不断变化的数据源，比如 对数据进行标准化处理、客户 ID 的打通以及异常数据的甄别，并进行客户同意的管理和运算。其中由于某 些企业的数据量巨大，在单一的服务器上无法完成存储和运算，往往还涉及更复杂的 IT 层面的管理，包含大数据的分布式运算、云计算等，数据治理比我们想象中会复杂许多。在跨渠道的场景下，其实很难拿到唯一的一类 ID，企业需要做到通过不同类型的 ID 完成 Mapping（用户 ID 关联识别）。如在浏览器、APP、微信端，并未拿到唯一一个强 ID（例如手机号）那么我们可以通过不同的 ID（手 机号、UnionID），去完成身份的依次匹配关联，最终实现 3 个渠道的 ID 完全打通。

03

数据激活

在 CDP 中进行数据洞察后，可以生成业务侧能够看懂的用户标签等各类业务标签，比如通过规则计算标签，在 CDP 中分析客户的历史订单数找到消费者的品牌偏好，假设过去 90 天包含某品牌的订单数大于 1 次，或者过去 360 天内包含某品牌的订单数大于 3 次，则某种程度上可以认为该消费者对该品牌有消费偏好。

在 CDP 中还能够获得各类可视化的数据看板，实时更新掌握业务经营情况，减少业务人员对 IT 部门的依赖，提升业务人员对经营数据的提取和分析效率。同时 CDP 具备集成的能力，确保 CDP 能够与企业其他的内外部系统做集成，比如企业过去用的 CRM 系统，社交媒体管理软件以及各种第三方系统平台，可以把 CDP 上的数据导出到这些平台，来进行跨渠道的营销活动以及广告投放等。

部分 CDP 产品还具备人工智能 (AI) 和机器学习 (ML) 能力，可以根据客户过去的行为为客户确定最佳产品和解决方案，并对客户的未来活动做出预测。

人工智能可以帮助营销人员为个人客户定制消息传递，以创建一对一的沟通方式。这些个性化体验对于与企业互动的每一位客户都是独一无二的。

四、市场上的CDP

企业应该根据自己的应用目的来选择不同类型的 CDP， 数据型 CDP 是最常见的客户数据平台，用来统一数据；分析型 CDP 严格用于分析企业持有的数据类型；业务型 CDP 用于营销活动管理、跨渠道和多渠道营销 中心。

五、应用场景结合

六、四步安全开启数据资产增值之路

第一步全域客户数据链接，沉淀高质量的数据资产

Data Hub 能够帮助企业通过数据追踪技术采集所有触点上的客户第一方数据，并进行身份识别和数据治理。

根据业务运营的需求，预置了各种数据连接器如文件连接器、JDBC 连接器、API 连接器、应用连接器等。

与市场主流埋点体系相比，提供了更为领先和完整的多元数据源接入方式，可以进行离线以及实时的数据接

入，并且实时性可以做到秒级。同时，Data Hub 还会将 CPM 同意与偏好管理平台配置的信息进行集成，一并存储进系统内。

在 Data Hub 系统内，无论多庞大复杂的数据都可以做到完全隔离。利用多工作区的架构设计，让数据隔离更安全。多工作区，指项目数据安全隔离，单一租户内的不同数据库，可被划分成物理上绝对隔离的项目空间，数据开发与调研更便捷。当数据在测试环境的完成配置、跑通之后，可以直接迁移到正式环境，不用人工导取数据，

省时省力避免出错。比如当有一个新的数据源需要被接入的时候，直接在正式环境做身份合并可能会出现问题，这时，可以先开

一个测试工作区把数据接入，当确保数据合并无误后，再迁入到正式环境。

在数据被有效隔离以后，企业的多品

第二步：数据建模与全局身份统一，打破企业数据孤岛

在这个过程中，通过 Data Hub 的 GDM 通用数据模型，灵活地根据业务需求，自定义创建在营销领域的各

种数据对象，比如：消费者、汽车、4s 店、导购，等等，最终在 ER 图中，呈现出人、货、场的关联，灵活

支撑数据建模的对象，帮助业务人员理解数据，同时让建模人员便捷地管理数据模型与数据资产。

在数据模型建立完成后，Data Hub 就可以帮助对各类档案数据进行身份统一了。Data Hub 在 Convertlab营销自动化产品 DM Hub 的身份合并策略基础上，进行了一次大的升级。除了优先级管理、唯一性管理，另外增加了身份族的概念和随迁性的管理。

身份族是指用户多种身份类型的数据集合，不同身份族的数据可以有不同的存储方式和处理逻辑。如个人身份、Cookie、设备 ID 等等。

第三步：全视野客户洞察分群，帮助企业全面认知客户群

在完成了 One ID 后，Data Hub 将帮助打造实时的 360°客户画像，展开持续的、深度的洞察。这时候，需要强大的标签计算能力，基于洞察，圈选出任意颗粒度的用户群体，并基于此更好的开展客户关系维护。通过创建预测性评分模型，从而使营销人员能够为每个客户发起个性化的营销活动，提供相关策略以及实施重新定向活动。

Data Hub 也在标签计算的能力上投入了非常多的努力。设置了规则、函数、模型和 GDQL 等模式的标签，可以进行各类属性条件的且或逻辑计算，也可以进行复杂的函数公式计算，也提供诸如 RFM 等模型标签计算能力。函数标签和 GDQL 标签 ：函数标签体现了 Data Hub 的极致灵活性。简单来说，如果企业的业务场景非常复

杂，需要对各种业务对象的数据字段聚合处理，可以通过函数语法池，来撰写计算公式。如果业务场景中，需要更复杂的条件判断与分支判断，通过 GDQL 标签来进行类似 SQL 语句的查询与计算，这样就可以完成非常贴合自身业务实际的标签计算与人群圈选，比如用户分层、用户生命周期定义等等。

第四步：满足数据安全合规与个人隐私保护，赋能业务场景运营

在 Data Hub 内完成了用户洞察与圈群后，可以将这些数据输出给各个业务系统。比如，实时输出给自动化营销的 MA 系统，面向对应的人群进行拉新、留存或刺激复购。

比如，你也可以利用 Data Hub 的数据用于广告投放系统，基于存量客户进行 Lookalike 人群放大，从而找

到更多相似的客户来展开营销沟通。

这些数据在输出前，都是经过 CPM 同意与偏好管理的规则适配和数据治理。在 CPM 系统内提交了不允许通过短信沟通的用户，Data Hub 将帮企业做好控制，绝对不会对这个客户发送短信。

有了这个保障，企业就可以规避风险全面守护企业的数据资产，在数据应用日益趋严的环境下，助力企业构建体系化的数据安全机制，放心的使用 Data Hub 进行数据对外输出与价值激活。

在未来，Data Hub 还将与 AI Hub 智能引擎联动，为企业智能化数据应用提供有力支撑。

作者 | 四场 专注互联网思考、创作。