北拓资本专访杨辰韵：从产业PMF和规模化GTM的角度，如何看待CDP的轻与重？

CDP是Martech的关键底座，营销科技是产品+技术+运营服务的整合，交付的不只是一个纯系统的产品，更需要让营销部门感受到价值，那这样的数据底座一定必须做得很重吗？

创略科技联合创始人兼总裁杨辰韵受北拓资本「数字科技百日谈」邀请，从产品PMF和规模化GTM的角度，如何看待CDP的轻重问题。

以下内容为访谈实录：

主持人：CDP、DMP、MA、SCRM，它们之间的差别是什么？又比如说像做数据中台、数据分析的，这类公司跟创略的差别是什么？

杨辰韵：

在数据中台类的公司，有一些底层的偏一些数据的治理，包括像数据血缘关系、数据质量、数据一致性等等。这一块更多的是偏IT相关，并不在具体的应用场景上有绝对的确定性。

在延展场景的时候会看到，营销应该是一个离量化结果、客户价值感知比较近的场景，会往营销这边延展。基于大数据架构做分析类的公司，在找第二曲线的时候，也有的会往营销这样的场景去做相应的延展。

另外一类是较为传统的，以前本身做业务流程自动化的MA，SCRM或者是CRM等等的类别，以及公域的DSP、DMP的企业，在私域发展起来之后，业务向CDP方向延展。

从定义角度上来讲，数据中台更偏底层，更偏数据治理一些，CDP是当中B2C企业消费者客户数据层面的，不涉及到其他的纯IT或者非客户数据驱动的其他数据。

在公域的DMP、DSP主要是对公域广告投放的效果提升，而CDP更多的是实时数据采集、对非实时的CRM、订单管理系统的导入，基于oneID、标签、画像，最终支持私域营销为主，也包含客户洞察、客户体验管理、C2M，基于客户数据驱动的去做新品研发等场景。所以跟数据中台类的，或者是营销侧的一些相应公司的切入点，定位还是有比较大的区别的。

主持人：在比较成熟的美国市场里，专注于做CDP甚至是做MarTech赛道，跟Adobe、Zoominfo、HubSpot这种偏应用层的公司来比，声量不是很大，估值体量也较小，您怎么看待这样的市场情况？

杨辰韵：

Zoominfo、HubSpot、Adobe这几家公司，从细分市场来讲肯定不算是直接与CDP相关，比如说Zoominfo，是我们还在硅谷的时候就会使用的B2B的获客工具，特别是通过爬取相关线索，最终通过EDM去触达客户。这一块，国内的探迹、火眼云等等，对标的都是B2B新客户获取的这一端。HubSpot更多是偏CRM和传统MA的部分。Adobe这个范畴就更大了。

我觉得不存在直接的相关性比较，当然在长期的延展过程当中，像我们提到的，包括我们自己的产品矩阵，从CDP作为一个数据枢纽，延展到包括新的数据源，比如说实时行为数据的埋点、非结构化数据的、基于自然语言处理的非结构化数据源的介入，再到刚刚提到的MA或者是其他场景的应用。

从长期而言，一家公司肯定不会由具体一个产品来定义，更多是会从一个点来切入，而后逐步延展出整体的产品矩阵。

主持人：从应用出发和从我们这种从数据的角度出发，哪种公司最终会形成更大的体量，或者是跑到行业No.1的公司，哪一种路径更优？是做应用的，例如MA、SCRM这种，还是以CDP出身的这种公司？

杨辰韵：

我觉得MA、SCRM和CDP并不是对立的关系。从时间上来讲，MA、SCRM是更早时代的产物，是零几年在美国出来的流程自动化的产物，再到开始做基于大数据架构CDP来做数据枢纽的应用。首先这两者并不是一个对立的关系，而是上下游、一家公司，或者是我们自己的产品矩阵当中都涵盖的部分。

第二，跑出来的前提一定是想清楚，PMF最终商业的本质是一定要为客户创造价值。在我们讲拓展性、成长速度之前，真正将PMF这一块想清楚的创业公司并没有那么多。换句话说，无论是CDP或者是其他的模块，很多企业并没有想清楚为什么我们要把产品推给客户？换句话说，没有想清楚PMF的情况下，合作的必然不好，或者不会让客户最终创造真正意义上的业务场景价值。而且在想清楚之前，就开始规模化的复制，这是我们认为最需要避免的一种情况。

所以回到刚刚说的那个点，在MarTech层面上来讲，首先你一定要让客户在具体营销场景上，可以感知到价值提升，为客户创造KPI提升的回报。无论你是从哪一个模块切入，最终的目标一定是一致的。

在这个基础上，MarTech不仅是这几个模块的组合，还提供了产品层面的技术和性能。因为有的场景是脱离于CDP或者是单一模块，如MA无法解决的。举个例子，如果是亿级别的客户数量，营销短信是一分钟内发送，还是五分钟还是五天，这极为考量数据处理能力，需要在数据源的层面上就予以解决。还有实时性、数据孤岛的问题在应用层面是非常关键的，基于CDP解决这些问题不需要写代码，使营销部门可以不依赖于IT部门，实现个性化和实时营销。

所以归根到底，对PMF来说，产品、技术和能够让客户真正用起来都是必要的。

有一些偏纯技术背景或数据中台类型的公司，在并没有完全理解营销场景的情况下，将自己定位成CDP。但在实操下来，没有相应Engagement的触达环节，这更像一种数据可视化系统。在这个情况下，甚至还做以纯定制化的形式，低毛利、低人效的去做项目。

商业的本质和基础在于选择什么样的客户合作，以及能为客户创造什么样的价值。在这个基础上，再考虑GTM的事情，或者是怎么规模化的事情。

在这个过程当中有一个很关键的点，到底是做定制化程度非常高的数千万级别的纯解决方案？或者做百万级别的KA？还是十万级别就可以合作起来？换句话说，我们最担心的情况是如果只能做超大客户，产品定力不足就很容易做成纯定制化的，导致毛利和人效特别低，在这样的情况下追求规模是没有意义的。

当然行业头部客户解决方案的沉淀是非常重要的，可以去覆盖更多的腰部或者是中小企业。但是在这个当中，要考虑scalability的问题，当你合作了第一个客户，第三个客户，或者是第五个客户的时候，能否为最终100个客户降低边际成本，让产品和服务提供的更加标准化，这是发展快慢的关键。

从另一个角度出发，纯做中小客户的公司，如果第一曲线天花板不够高，有可能几千万就很难做上去，所以我们认为大客的能力依然很关键。但是长期来看，如果说我们的目标是在百亿级别、千亿级别，要具备标品的能力，以及通过PLG、MLG去持续覆盖更多的客户。像刚刚提到的HubSpot，CRM的部分先免费的让你先用起来，或者是有一个能够轻量级切入客户的钩子，然后再去延展第一个场景、第二个场景、第三个场景。

一家公司未来能持续发展，需要有一个金字塔型的客户基础，以及可以服务到轻量级客群单点场景的产品矩阵。同时在客户有预算的情况下，也可以通过尽可能标准化的产品和服务去服务到数百万级别或者是千万级别的大客户。

主持人：因为我们今天的主题也提到了营销科技是产品+技术+运营服务。我很好奇的是我们是怎么实现前述这些客户的运营服务的？与传统意义上的客户成功CSM之间有什么样的区别？

杨辰韵：

怎么通过CDP的产品交付和运营，让客户在场景上感知到KPI的提升，这里面核心有几个点：

第一，基于标准化产品的成熟度，我们在投入层面和成熟度上是领先的。在这个当中，标品能够满足客户相应的需求，即便是几百万量级的客户，我们也可以直接按照纯标品去做相应的交付。产品侧的成熟度，最终客户只需通过实施过程当中的简单配置，就可以很好地使用。本质上是在业务部门不需要动代码的情况下，提升用户使用的友好度。

第二，在实施过程当中的效率和速度，能够快速让客户把这个系统和产品用起来。

第三，在垂直行业里面沉淀下来标签体系、分析指标维度和模型场景。我们从售前到交付实施的过程当中，通过解决方案侧的调研与梳理，帮助客户梳理清楚现在关键需要去实现的场景，以及目前数据源的现状。基于这样的情况下，去尽可能快的走到业务场景，感知到价值。

在场景上，可以将行业经验预置成行业云的标签体系等，让客户可以在最开始的时候就运用已经沉淀的行业方法论。并且在每个场景上，都有算法驱动的预测性营销模型，不依赖于人的运营。例如，我们通过算法驱动而非人工设置的规则或者是经验规则去选择营销对象，更加快速、精准地实现营销预测。

比如说在航空行业，我们的一个项目在CDP上线两周以内，帮助企业预测复购场景。1亿的乘机人，3000多万的会员，预测未来7-14天以内，400条航线里面，消费者当中的哪一条会有复购的概率。在全量数据和字段特征导入的情况下，算法驱动去选择相应的人群，远远超过客户预期，两周之内就产生10倍以上的转化率提升。客户之前的7天转化率在0.7%-0.1%，我们第一次测试就是14%，远远超过客户预期和行业平均水平。但事实上这就是做CDP的目的，不仅纯粹通过经验去选择应该对哪些人以什么样的形式触达。在全量的，可能有上百个字段特征的情况下，由算法驱动去完成人群的选择。

类似于这样的在各个行业场景上，都沉淀下来一些算法驱动的去选择人群的案例。我们最早从2018年帮助客户打通数据之后，就不需去人工设置规则选择人群，而是算法驱动选择人群。在MA的部分，客户可能三五年已经创建了上万个营销活动，在什么条件下，CDP过来的人群在什么触发的情况下，对什么触点，什么渠道推送什么样的内容。长期来讲，上万个营销策略可以被算法驱动和数据自驱的模型所取代。客户只需要明确能接受的最低的KPI以及最少的投资回报率，剩下的AB测试交由算法和数据去完成。这是我们认为2.0和3.0做的，2.0是可以沉淀和融合到产品当中去的辅助决策，3.0可以数据自驱地、智能地去完成相关策略创建和营销结果的实现。