从起源到应用，一文详解营销界爆火的 CDP
2021 年底，我们打开任何搜索框输入“CDP”三个字符，映入眼帘的是海量的宣传和“趋势洞察”。毫无疑问，CDP 太火了。
在 Gartner 的 2020 年《数字营销和广告技术曲线》（2020 Hyper Cycle for Digital Marketing and Advertising）报告所涵盖的 21 种营销技术中，客户数据平台 CDP 再次入选。
那么当从业者每日高呼 CDP 时，究竟在谈些什么？
CDP 厂商可能告诉你一个复杂而模糊的概念，因为他们需要将数据能力、营销自动化能力甚至营销云的能力全部集成在这个概念上，以帮助自己的故事讲的更宏大。思索购买 CDP 的企业可能又会说，这就是个炒概念的东西，与十年前的 DMP、五年前的数据中台，没任何区别。
我们将 Martech 抽象为市场管理、广告触达、数据根基、客户运营、内容管理五大门类。我们本期想谈的，是“原教旨主义”下的 CDP，即作为数据根基一部分的 CDP，它有着明确的定义和能力范围，也能帮助我们更好的管理对 CDP 的应用预期。
2013 年，营销技术专家 David Raab 提出 CDP 概念，同时创建了 CDP 研究协会（https://www.cdpinstitute.org）。David Raab 给出的 CDP 的定义是：一个由营销人员负责管理的系统，目的是创建一个持久、统一且可以被其他系统访问的客户数据库。同时，David Raab 也解释说，最开始 CDP 就是一个将客户数据集中整合并永久保存的数据库，可以应用于某个特定的营销场景，但具体用于什么营销场景、怎么使用，还需要配合其他系统来完成，CDP 并不能管理整个客户营销旅程。而在日后的发展历程中，CDP institute、Gartner、Forrester 分别给出了自己对 CDP 的定义：
CDP Institute：CDP 是一种软件包，可创建一个持久的、统一的客户数据库，以供其他系统访问。多源数据通过采集、清洗、整合，最后生成单一的客户画像，这种结构化数据之后可供其他营销系统访问。
Gartner：CDP 是一个营销系统平台，将企业不同渠道、不同营销场景中的各类客户数据进行统一采集、整合、分析、应用，以实现客户建模、设计营销活动、提升营销效率和优化客户体验的目标，从而促进企业业绩及利润的增长。
Forrester：CDP 是中心化客户数据平台，整合了不同来源的数据，并且可为客户洞察和交互提供数据支持。
通过以上定义我们可以发现，CDP 应该包含三部分的能力：
客户数据集成：整合多数据源所有客户数据，建设客户标签与客户画像体系，形成客户统一视图；
客户数据洞察：基于集成后的数据进行多元数据分析，完成客户分层、运营场景洞察、渠道洞察等等；
营销决策辅助：基于洞察结果，可以直接输出给市场人员构建营销策略；也可以引入 AI、机器学习的手段，打造自动化的营销策略。
在上述三个能力中，客户数据集成能力可谓是 CDP 的核心能力，也是它与其他数据平台概念区分的核心维度。理想的 CDP 要求整合多数据源所有客户数据，“所有”在此的意思，可以理解为完整的包含企业第一方、第二方、第三方数据。
第一方数据：来自于企业的自有数据，包括企业的销售系统、CRM、与客户接触互动等产生的数据。数据内容包括用户信息、个人资料信息、网站访问记录、移动应用会话、电子邮件回复、客户服务互动录音、社交媒体评论、订单、支付等等。
第二方数据：来自企业广告投放的数据、合作伙伴的数据等，比如媒体的广告监测数据。
第三方数据：来自第三方独立数据，一般是供应商提供的数据。
那么先说简单的，CDP等于客户数据中台，只是同一概念国内外两种流行演进路线。数据湖&数据仓库是企业级非常关键的数据资产管理系统，但数据仓库往往面临客户结构化与非结构化数据、用户行为数据与基础信息无法拉通的问题，而数据湖往往面临数据量过于庞大、客户数据质量较差和难以快速应用的问题；所以 CDP 与二者属互补关系，许多情况下企业选择同时建设三者，让市场、运营和销售团队利用 CDP 完成更高质量的客户数据资产沉淀，以及精细化的客户运营。
当下 DMP 已经成为媒体端专用的代名词——DMP 是用来做广告投放的数据管理系统，主要是由第二方和第三方提供的数据组成，广告主实际上能够真正自己所拥有的数据是有限的。
CRM 是企业的核心客户的管理系统，它是以交易 ID 或者 Leads ID 定义数据的系统，存放的主要是客户的静态数据。
MA 和 SCRM，更多是营销应用工具，和客户数据系统不具备可比性，可比的仅是其基础数据模块。
所以 CDP 具备自身的差异化优势，接下来我们谈一谈它的应用场景。
聊 CDP 具体的应用，我们首先要明确它解决的需求痛点是什么。
首先，从正面角度看，近年来大量消费者触点的数据变得可以收集：一方面消费者触点上的一方数据抓取技术已经十分成熟；另一方面，微信生态为企业打开了获取消费者私域数据的通道。
第二，外部数据源的日益封闭，媒体高筑的数据壁垒，严重削弱企业在“公域数据”上的应用能力。
第三，如今非常强调以客户为中心的运营，成长于数字世界的这一届年轻人具备很强的信息获取和辨别能力，仅仅通过一波 campaign 已经很难打动他们，需要持续、深度地运营才能影响他们。
针对上述痛点，CDP 作为 Martech 的根基部件，可以归纳出五大核心应用场景：客户数据资产沉淀、群体与个体洞察、营销链路支撑、策略引擎驱动、销售价值增强。
1、客户数据资产沉淀
将 CDP 作为企业客户数据中心，沉淀多源客户数据。比如 CRM 系统中的结构化的客户数据，客服产生的非结构化的通话记录，官方网站、企业 App、小程序、HTMLS 等通过加监测代码和埋点产生的交互行为数据，其他系统的批量的 FTP 数据或者实时的 API数据等。
这些数据数据结构多种多样，通过数据采集完成后的数据清洗、格式转换、数据加载、原始数据存储、ID 拉通，构建客户在多渠道中的映射关系，体系化沉淀客户数据资产。如品牌零售行业便可以通过 CDP 统一管理各子品牌的消费者数据，包括官网、App、小程序、公众号、会员系统等。
2、群体与个体洞察
在成熟的 CDP 系统中，通过三类标签进行人群画像和洞察：第一类是事实标签，即单一事件和属性，如购买商品、消费金额、交互行为等；第二类是规则标签，即组合事件或属性，如客户生命周期、客户价值、商品偏好等；第三类是预测标签，即基于历史行为通过预测算法推算出的标签，如客户流失和复购。
除了群体画像， CDP 还可以提供个体消费者的洞察，由于在 CDP 数据资产沉淀中，每一个消费者都具有唯一 ID 和全域属性，因此可以清晰地看到每一个用户的档案（如人口属性、消费能力、会员等级、商品偏好、客服沟通的次数和时长等等），可以直接用来指导一对一的营销和运营。
3、营销链路支撑
MA（营销自动化）工具通常会配置一系列的工作流，其中都需要CDP进行支撑。比如在 MA 配置好多群营销路径，通过 CDP 完成洞察和圈人，MA 可以个性化配置不同人群的触达工作流。再比如 CDP 将人群包输送给 DMP，然后在 DMP 中进行人群相似性放大（look-alike）放大之后的人群会交由广告系统（Ad Exchange 等）完成广告的投放。
4、策略引擎驱动
某些数字化建设完备的大厂，常常配备自动化策略引擎、个性化推荐引擎来辅助人工运营工作。通常情况下，以策略引擎自动学习历史数据为基础，可以完成特定人群的“全自动化”策略定制；也可以完成 user-oriented 的推荐，即根据消费者的属性，和他这一次购买的行为数据共同决定推荐营销物品，真正达到千人千面的运营策略。
在这种应用场景中，一个建设完善的 CDP 便是引擎的高质量燃料，能否出色的驱动引擎，还是落地在底层数据的完整性与准确性。
5、销售价值增强
对线索价值的全面评估，筛选高潜力、高价值线索，进行针对性的沟通、孵化或者维系，这是依赖于销售线索企业（如车企）的一项具有重要意义又较为难以有效完成的业务场景。
CDP 在这一场景中作用逻辑是通过收集每个潜在客户在触点上所做出的各类行为，自动研判由这些行为所反映出的潜在客户的意向程度以及重要性。接下来再运用贴近自身业务情况的打分模型为线索综合打分，输出不同价值的人群进行后续的针对性跟进，比如匹配恰当的销售人员，制定针对性话术等。
最后我们回到，那么当从业者每日高呼 CDP 时，究竟在谈些什么？CDP 确实作为新一代营销、运营和销售的客户数据根基，有着至关重要的地位；但是我们也无需将它神话，它无法解决全部问题，更多情况下是搭配专业的运营人员、先进的 MA、营销云等系统，为企业创造增长。这正是我们应该理性谈论的 CDP。
*本文首发于神策研究院
