客户数据平台（CDP）建设经验总结（一手资料）

一、 什么是CDP？

（一） CDP定义

2013 年，营销技术专家 David Raab首次提出 CDP (Customer Data Platform，即客户数据平台) 的概念，即CDP 是一个由企业营销人员管理的系统，它创建了一个持久、统一且易于被外部系统访问的客户数据库。

按照Gartner的定义，客户数据平台（CDP）是一个营销系统，它将来自营销和其他渠道的公司客户数据统一起来，以实现客户建模并优化发送消息和激励的时间和目标客户。

总的来说， CDP能够实现多渠道客户数据采集、整合、分析、应用，帮助企业打造以客户为中心的数字化营销技术，构建完整统一的用户画像，多维度进行客户细分，分析和预测客户的潜在需求，从而支持精细化、个性化的客户运营和营销。

（二）CDP的核心能力

（三） 企业为什么需要CDP？

1、用户场景碎片化

用户与品牌的沟通方式正在从过去的单一线下渠道转化为线下 + 线上多渠道。

2、各个渠道数据分散

在传统的企业组织模式下， 由于缺乏统一的数据管理平台， 各部门之间的数据不互通， 容易引发 数据孤岛的问题。

3、数据管理主体的转变

数据管理系统正在从工具属性向业务属性过渡。无论是市场营销、销售，还是客服人员都可以快速上手操作 CDP， 在各个触点向用户提供个性化服务， 让数据“取之于业务， 用之于业务”。

4、数据安全合规趋势

随着《个人信息保护法》的正式施行，CDP 可以从本质上帮助公司实现数据合规性。

二、 立项

公司内部有个SCRM产品线，产品经理一直想推动CDP立项。2022年初，公司决定将SCRM产品升级为数字化营销产品，CDP就成为题中应有之义，紧锣密鼓地开始准备。

给CDP的定位就是，采集汇总尽可能多的客户数据，得到完整全面的客户画像，基于CDP进行客户细分，圈选目标人群，进行精细化个性化的营销、销售和服务。

同时规划了营销自动化产品，基于CDP提供的客户细分名单，进行定向触达。

三、 规划

1、竞品分析

主要分析了国内的convertlab、神策，国外segment。

convetlab的理论资料较多，借鉴了国外同类产品，比如白皮书、产品使用手册，但系统不提供使用。

神策的技术文档比较详细，产品可以试用，而且我们公司本就是神策的用户，可以了解到一些产品细节。

segment是CDP领域top 10的产品，可以试用，而且提供了丰富详细的在线文档。

2、产品roadmap

产品模块划分为：客户和ONEID管理，客户事件（模型、埋点、存储），高级筛选，360客户视图，客户标签、客户分群、对接MA等。

四、 建设过程

（一） 从oneid开始

借鉴convertlab和segment，引入客户身份的概念（identifier resolution），包括身份定义、身份优先级、合并和迁移策略、身份冲突处理等。

各个渠道采集的客户信息上报到oneID服务，这个服务专门接收、存储渠道客户信息，通过客户身份识别客户主体，并赋予全局唯一客户标识（Oneid）。

（二） 数据采集

神策和convertlab的user-event模型基本一致，包含who、when、what、where、how等因素。神策偏数据分析，默认有一套全埋点机制。

初步规划的数据源包括SCRM已经对接的数字化渠道和院务系统。

数据类型包括三部分：客户资料、客户行为、业务单据。客户资料、客户行为，由数字化渠道和院务系统埋点上报。业务单据，直接从院务系统数据库同步，包含了客户到店消费、服务流程产生的单据。

（三） 标签服务

做客户标签时，遇到的一个重要问题是，要打通各系统的标签。举例，在CDP里给客户打了一个标签后，需要回写到院务系统和SCRM系统。标签服务就是要维护在CDP和各个系统系统中客户标签的一致性。当时还没有意识到，这是一个危险的开始，CDP和业务系统的边界被重新定义了。

（四） 高级筛选

高级筛选是CDP能力外化的核心。营销人员借助高级筛选，可以快速筛选出目标客户。

1、高级筛选基于元数据管理

我们设计了非常精巧的元数据结构，支撑高级筛选的页面互动的灵活性和底层查询代码实现可扩展性。比如，增加新主题的数据集时，只需要元数据配置即可快速接入高级筛选。

2、多值数据处理

在数据模型上，有一种结构要小心处理。比如订单，在业务系统一般是有两张表保存，订单头表保存订单ID、订单号、开单门店、客户、总金额等，在订单明细表里保存商品信息如商品ID、商品名称、购买数量、价格等。筛选的场景可以包括：一段时间内消费金额是多少的客户，一段时间内消费了某项目的或没有消费某项目的客户。订单项目作为多值字段处理，来应对这种查询需求。

3、操作符

不同类型的字段需要分别定义一套操作符。比如字符型、数值型、日期时间型，用于比较的操作符各不相同，同时影响UI展示和查询语句。

4、反向查询

反向查询问题是指不等于、小于、无值等操作符的特殊处理。性别不等于男，需要筛选出性别为女和性别未知或性别字段无值的所有客户。

5、候选值

要查询归属某个门店的客户，或购买了某商品的客户时，可供选择的门店和商品，需要从主数据中拉取，并根据ID匹配去查询（ID不会变名称会变）；此外门店会关闭、商品会下架，这个还涉及缓慢变化维的处理。

在高级筛选数据集规划的时候，需要同时考虑好候选值的来源。主数据保存有ID-Name的，需要从主数据获取ID-Name匹配关系，只对没有ID的下来候选者，使用名字匹配。因为，CDP上线后，在应用层会保存筛选条件，后期再更改候选值取数方案，会导致应用层失效。

（五） 360客户视图

理论上，是基于CDP采集的客户数据，得到360度客户视图，使得员工在服务客户与客户互动时，可以方便得到全面的客户信息，同时，也保证客户在不同渠道与不同岗位的员工互动时能得到一致的服务体验。

在建设过程中，360客户视图的使用场景被进一步扩展。除了在CDP使用外，还被引入到了业务系统和CRM系统，这就要求360客户视图能实时反应业务数据，比如，客户新开的订单，或者修改了客户信息，在360视图能即时看到。

CDP的边界进一步被打破，服务于业务的场景进一步明确。

（六） 智能标签和智能分群

智能标签和智能分群都是基于CDP高级筛选的能力。规划是每天凌晨跑任务处理，刷新符合筛选条件规则的智能标签的客户和智能分群的客户。

在MA对接CDP时发现，部分符合条件的客户没有进入MA自动流程，比如，要给消费总金额大于5万的客户，某客户历史累计消费了4万，在MA流程触发当天消费了1万，已经符合条件，却没有被进入流程，等于是漏掉了这个客户。所以，这里对数据同步实时性又提出了更高的要求。

（七） 对接MA

CDP的一个重要功能就是为营销工具圈选人群。对接MA系统初步包含两个方面：

1、CDP提供人群圈选，MA获取目标客群名单；MA通过选择客户分群定位目标客户。

2、CDP提供客户事件订阅，MA通过订阅事件发生实时触发流程流转。

五、 得失

（一） 事件模型

CDP事件模型比较成熟，得以快速推进，包括全埋点和业务事件埋点。

全埋点更适用于分析，在客户动态、高级筛选、MA等使用场景，使用归于复杂。

初期的事件属性设计偏分析，用在业务场景也不匹配。比如，参与营销活动事件，在小程序和公众号都有埋点，通过平台属性区分事件发生的渠道（小程序、公众号），在MA应用时，选择触发事件，用户习惯是选择事件发生的渠道，在选择该渠道下发生的事件。

（二） ONEID

oneid的概念比较简单，但细节非常多，特别是身份合并、拆分的场景。

在不同的行业，复杂度也不同。比如在零售行业相对比较简单，客户身份单一，客户主体和沟通对象是同一个人；在母婴教育行业，客户主体是孩子，但品牌沟通的对象是家长；在B2B行业，客户主体是公司，沟通对象是联系人，等等。

消费医疗行业，兼具了零售和母婴行业的特点，沟通对象和客户主体可能是同一个人，也可能不是，且可能有多个沟通对象，如孩子老人就诊，沟通对象往往是孩子的父母或老人的子女，复杂度倍增。

（三） 业务数据采集

为了快速验证项目，初期使用了公司既有的数据平台架构，直接往CDP同步数据。确实节省了时间，并验证了高级筛选的设计方案。

同时也导致了后期需要提高数据同步实时性时，底层数据同步机制需要重构。

六、 小结

（一） 要建设什么样的CDP？

在规划设计CDP的时候，要确定好需要建设什么样的CDP？数据分析型？还是业务型？

1、数据分析型CDP

分析所有客户数据，更好地了解客户模式和预测客户行为，传统上主要是市场营销部门使用

2、业务型CDP

除支持市场营销外，销售、客户服务、客户运营、店内服务等也会使用CDP。

业务型CDP需要什么程度的实时性？RealTime CDP已经成为主流，包括adobe、segment、convertlab都宣称支持毫秒级的实时性。

不同的应用场景有不同的实时性要求。

（1）基本个性化：批量营销，T+1数据同步

比如，每天定时跑批量任务更新客户分群名单，第二天针对圈选人群进行内容、产品、权益触达。

（2）高级个性化：精准营销，小时级数据同步

比如，在小程序商城提交订单后2小时未支付的，对其推送消息提醒支付订单，推送其完成支付。

（3）超高级个性化：实时营销，秒级数据同步

比如，客户在商品详情页将商品加入购物车后， 没有立即下单， 而是返回首页；此时， 首页会立即基于“加购未购”这一状态， 向其展示与购物车内同类型但不同价位商品、优惠券等，促进其完成下单。

再比如，如某商家开展营销活 动， 需要高时效性的统计客户近一月内的消费订单金额(离线的批量数据)， 以及当下产生的消费订单金额(实时的流数据) 。当两类订单金额的总额达到活动规则要求的 1000 元时， 即判定该客 户达标，进而实时触发下一步营销动作， 如对该客户开放抽奖按钮。从客户下单到看到抽奖按钮亮起，整个过程，可能不会超过 30s。

（二） 目标客户是谁？

能给客户带来什么价值？解决什么样的客户痛点？什么样的客户会购买？

1、CDP是私域运营工具，满足企业私域运营的需求

公域流量成本越来越贵，私域流量运营被逐渐重视。同时 DTC 模式 (Direct to Customer)， 即直接面向消费者的营销模式开始兴起，

典型的应用场景：

企业利用 CDP 可以根据客户的重要程度(例如：意向项目、意向度评分、会员的级别) 、偏好渠道等，选择不同 的触点，寻找最优的方式和成本与客户保持“可持续的互动关系”；

召回老客的成本往往要低于发掘新客户， 通过 CDP 算法洞察客户画像， 选择更合适的 行动，也可以不断提高召回率。

2、优化广告投放，满足企业提高广告效果降低投放成本的需求

在CDP 中寻找广告投放人群包，链接广告投 放平台， 设置投放的策略，使广告投放有的放矢，提高广告投放的效率。

3、个性化营销，满足企业提高客户体验和客户满意度的需求

新兴的消费群体大部分是在互联网里成长起来的， 与品牌的沟通方式与过去相比变了很多， 他们期望个性化、定制化的服务。

（三） 卖工具，还是卖解决方案？

让客户快速认识到产品价值，是让客户买单的不二法门。

让用户快速上手使用并取得效果，是让客户留存的有效方法。

支持高级用户发挥创意，解决本企业的特定问题，则是培养忠诚客户的终极途径。

基于这个认知，产品需要：

(1) 有场景化的设计，

(2) 有开箱即用的功能，

(3) 有关键功能操作的引导，

(4) 有丰富的成功案例可参考，

(5) 有详细、专业的的产品使用说明，培养客户自助解决问题，发现和使用好产品所提供的高级功能。

七、 展望

（一） 增加系统易用性

易用性是产品成败的关键。CDP不再是只有少数市场营销分析师使用的，销售、客户服务人员都可以使用。提高产品的易用性，将系统强大的功能隐藏在简单的操作之下，让客户快速认识到产品价值，并愿意花时间去研究和使用产品。

1、开箱即用

预置常用筛选的规则，预置智能标签模版，预置智能分群模版

2、页面交互

高级筛选：增加鼠标即时提示，便于用户快速了解事件、属性、操作符的含义、使用方法、注意事项等

（三） 利用好现有数据集

提供更多分析方法和客户细分模型，最大化利用现有数据集，增强客户细分能力，如：

1、高级筛选

除了支持交集并集外，还支持差集，增加计算属性，动态属性引用，支持行为序列，RFM等。

2、客户标签

支持数值型标签，包括基础指标值（如标记客户在过去30天内的支付订单总金额），首末次特征（如标记客户首次支付时间距今的天数），行为分布结果（如标记客户在过去30天登录小程序的天数分布），事件偏好属性（如标记哪几个商品类型更受客户自己的偏爱）等。

（四） 更好地支持业务应用

客户数据被采集、分析后，需要结合应用层业务系统服务、触达到客户。比如：

1、360客户视图

营销、销售、客户服务人员，都可以从360客户视图时找到自己关心的客户信息，从而提供更好的客户互动体验。要求数据采集的实时性在秒级，即一旦发生了客户信息变动和新的客户行为事件，需要立即反应在360客户视图上。

2、MA

使用CDP提供的人群圈选和事件触发功能。客户行为发生时，需要实时反应到人群圈选规则里圈选达标的客户，以保证信息发送给正确的人。

3、小程序

客户浏览某商品或将商品加入购物车，需要实时推荐相关活动、优惠券，引导客户下单。

（五） 智能推荐

1、给客户推荐

根据客户意向，给客户推荐种草文章、商品、领券、活动等，培育和促进客户转化。

2、给员工推荐

给销售人员推荐销售机会、同时推荐适用于该客户的销售材料，赋能员工做好销售。

给服务人员推荐需要尽快安抚的客户，如发生投诉的，差评的，沟通中有负面情绪的等，提高客户满意度。

（六） 获取外部数据

除了已经采集的企业第一方数据，还需要采集企业第二方数据，比如美团点评、腾讯广告、抖音、百度、头条等等，获取线索及其行为数据。