1、2022企业业务型CDP与营销技术发展研究报告附RFP标准指南2022年05月2022Part 1. 定义 CDP 什么是 CDP ？ CDP 的市场规模与发展阶段 企业为什么需要 CDP 企业哪些部门需要使用 CDPPart 2. CDP 的基础能力与 Convertlab CDP CDP 产品基础能力介绍 市场上常见的 CDP 的类型 Convertlab CDP - Data HubPart 3. CDP 在营销中的核心应用场景 持续拉新：找到目标潜在客户和细分市场机会点 老客促活：用户全生命周期运营， 增加留存和复购率 精准营销：利用标签、 分群和画像 精准高效寻找目标受众， 节约营销

2、成本 个性化沟通：用针对性的和个性化的沟通方式， 提升营销效率 全渠道用户体验：统一各渠道的用户体验， 提升用户满意度与整体 LTV 智能化运营：AI 驱动智能化数据应用， 加速实现智能营销Part 4. 自建与购买 CDP 产品的注意事项 企业选型和实践中的经验 企业自建 CDP：人、 ROI 企业购买 CDP：供应商、 定制化开发引言 CDP 的过去与现在02结语 抓住 CDP， 抓住未来5627272828292930313233Part 5. CDP 行业案例实践 快时尚鞋服零售行业 CDP 应用案例 传统白酒行业会员营销与 CDP 应用案例

3、 美妆行业营销数字化升级与 CDP 应用案例36374448附录 Convertlab 2022 年企业 CDP RFP 标准指南数智赋能每一个岗位目录01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。CDP(Customer Data Platform) 客户数据平台这个概念 2013 年在国外被首次提出，2017 年前后进入中国市场。国内现在主流的 C

4、DP 供应商大概分为三类， 大数据和软件服务背景的厂商， 广告与营销背景出身的厂商，还有营销与数据以及软件服务结合的厂商，即技术型 CDP 厂商、DMP/AdTech 背景厂商、SCRM 营销类背景厂商。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。以 DMP/AdTech 起家的 CDP 厂商，最初以广告投放为核心，

5、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。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。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

6、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。即使市面上各类的 CDP 厂商越来越多，但是依据数据新视界调查发现，从 2020 年到 2022 年，企业产生的数据以 42.2% 的年增长率增加，但是 68% 的企业数据价值并未真正激活。我们在与众多企业的沟通中发现导致业绩增长乏力甚至停滞的，往往是数据资产的冗余状态与低效管理。企业无法打破数据孤岛，业务数据量庞杂且分散业务数据分散存储于内外部各个应用、渠道及触点，海量数据无法打通和集中管理，缺乏统一认知，数据生态无法成型，数据缺乏应用价值。企业关注 CDP 带来营收增长， 在这种要求下， 我

7、们认为一个优秀的 CDP 产品应该兼具业务场景与技术能力。CDP 的过去与现在数智赋能每一个岗位引言02定义CDP什么是 CDP ？CDP 的市场规模与发展阶段企业为什么需要 CDP企业哪些部门需要使用 CDP数智赋能每一个岗位定义 CDP04营销技术专家 David Raab 在 2013 年，首次提出 CDP (Customer Data Platform) 的概念：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。近几年迅速蹿红，新的 CDP 供应商如雨后春笋般涌现，这样的热潮背后是营销人对数据掌控的渴望，他们希望把各个渠道的客户数据源收集和

8、集成到数据库中，并且管理和存储客户行为数据，将这些数据提炼分析应用至业务端营销场景。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。什么是 CDP ？C

9、CustomerDDataPPlatform数智赋能每一个岗位定义 CDP05CDP 客户数据平台包括但不限于以下能力：以上是 Convertlab 认为的一个好的 CDP 应该拥有的基线能力以及进阶能力，这些能力有以下的场景功能体现进阶能力毫秒级实时性实时数据采集实时 ETL实时识别匿名客户实时合并客户实时客户画像实时标签实时圈客实时数据分析湖仓一体架构统一建模语言数据安全能力数据智能应用流批一体计算引擎同时支持批量营销微批营销实时营销通用数据模型灵活的自定义对象元数据管理数据血缘授权与偏好管理Consent & PreferenceManagement隐私计算能力加持Privacy Com

10、puting PlatformROI 预测大规模 A/B 测试CLTV 行为预测画像挖掘行为触发联邦学习配置关联基线能力数据采集场景功能营销触点链接业务系统链接数据统一ID Mapping档案管理数据洞察渐进式画像客群圈选标签体系搭建数据激活业务系统集成人群包输出数据分析数据连接器从众多数据源收集和协调数据跨设备、跨平台的客户旅程跟踪收集的数据种类包括购买历史、浏览、购物车等创建消费者的 360 度画像客户数据对营销系统的可访问性根据客户数据执行识别解决方案定义营销的业务规则跨平台统一数据的用户唯一标识符（Identity Resolution）细分人群，营销活动分析营销技术集成用于实时交互管

11、理的预测性客户分析CDP 和 CRM、DMP 之间的关键区别数智赋能每一个岗位定义 CDP06CDPCRMDMP可以收集匿名访客的资料分析客户终身行为和客户旅程只报告已知客户或潜在客户分析销售渠道和预测跟踪在线和离线客户数据，除非手动输入很难跟踪离线数据处理的客户数据范围更广，包含任意的数据只是处理客户的数据把多个数据源的数据通过身份识别(identity resolution)技术打通形成单一客户视图 (single customer view)SCV 是一个去重过的数据记录不会对数据进行去重主要影响广告，使广告更有针对性地触达受众能够影响所有类型的营销主要收集第三方数据( 通过数据提供者、

12、管理人员和服务)主要收集第一方的数据反映匿名客户标识符(如Cookie等)反映个性化的特定客户标识符（如姓名、手机号码和客户 ID）只能短时间保留数据，用来实现精准广告并构建 Lookalike受众长期保留数据能够和客户建立深度连接，并且对潜在客户进行培育XVSVSCDP 的市场规模与发展阶段数智赋能每一个岗位定义 CDP07依据艾瑞咨询：中国 MarTech 市场研究报告显示：大型企业因数据量和数据来源更为丰富，其对数据全面打通与高效整合的需求也更为迫切。近几年，以大型企业为代表的需求方陆续尝试搭建与布局 CDP，借之进行用户价值的深度挖掘，进而提升用户运营效率。根据权威研究机构 Gartn

13、er 发布的全球营销技术调查， 74% 受访企业表示已经部署或正在部署 CDP。其中，60% 受访企业认为 CDP 成功帮助品牌实现了数据采集、激活、人群细分和画像匹配的目标。此外，这些受访企业还表示即便非要砍掉一个技术项目，CDP 也是最不可能被砍掉的。在市场环境转变与企业需求的推动下，CDP 服务的市场规模由 2018 年 4.9 亿元快速增长至 2020 年的 17.7亿元。纷析智库发布的2021 年品牌 CDP 与营销数字化转型报告提到，2021 年中国 CDP 市场规模将达到 28 亿元人民币，并将继续保持两位数的高速发展，有望在五年内达到 80 亿元。客户数据平台（CDP）服务市场

14、规模73.2%108.6%65.6%44.0%31.5%4.98.517.729.342.155.420021e2022e2023e客户数据平台（CDP）服务市场规模（亿元）增长率（%）数据来源于艾瑞咨询：中国 MarTech 市场研究报告数智赋能每一个岗位定义 CDP08企业为什么需要 CDP用户场景碎片化丰富的媒介形态导致用户与品牌的沟通触点也变得更复杂，一个人的下单路径可能是从微博被种草到公众号的小程序里下单了，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。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

15、互通，容易引发数据孤岛的问题。CDP 能够收集和统一所有第一方数据，将各个渠道和部门之间的数据进行打通连接，企业可以获得全局视图进行数据分析。在具体的实践中，各渠道数据分散以及需求的不对称，降低了企业运营的效率。CDP 需要完成这样一件事情，它能够将企业各个自营渠道、第三方渠道等全网的多维度客户数据统一归集，全量整合，确保各部门统一口径构建全面的用户认知，帮助企业获得更清晰的、统一的消费者画像。各渠道数据统一形成的完整数据洞察会对企业产生三个节点的决策影响：优化广告投放传统的广告投放有两种方式：第一种：在媒体的固定点位和时间段进行投放；第二种：根据客户画像，利用媒体 / 第三方数据源提供数据标

16、签进行精准投放。这两种方式自然存在两种弊端，首先，第三方数据的标签的质量无法控制；其次，品牌广告主无法个性化提出投放需求。企业通过 CDP，可以形成不断优化的广告投放的良性循环。通过数据洞察，或者历史的调研设定目标客户，在企业 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，广告投放平台和媒体对接之后，只有在品牌客户指定投放的目的消费者出现在媒体侧的时候，才进行广告投放，才能使广告投放有的放矢，提高广告投放的效率。清晰的产品定位，指出产品的目标客户，需要准确的数据洞察赋能产品研究；清晰的产品定位，指出产品的目标客户，需要准确的数据洞察赋能产品研究；对于营销人员来讲，更为重要的是

17、，客户数据洞察有助于反哺营销策略，为每次营销选择目标客户；对于营销人员来讲，更为重要的是，客户数据洞察有助于反哺营销策略，为每次营销选择目标客户；拥有清晰的消费者生命旅程的数据洞察，能够帮助销售人员了解已经进入各购买环节的客户画像。拥有清晰的消费者生命旅程的数据洞察，能够帮助销售人员了解已经进入各购买环节的客户画像。123部分内容参考36 氪企服点评：客户数据平台（CDP）选型指南私域运营与 DTC 营销模式如何构建精细化不同生命周期的最优客户体验，在最合适的触点，以最合适的触达频率，传递个性化的内容，从而达到最优的客户体验，才能实现消费者转化的最优解。互联网“流量红利”期结束，公域流量成本越

18、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，需要企业掌握更多消费者数据，尤其是用户行为数据，CDP 可以帮助企业拓展对消费者的认知，更好地经营品牌私域流量池。个性化营销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。对品牌体验要求高，如果还是拿简单的千人一面的营销方式去触达这些客户，营销的效率是很低的。CDP 能够基于用户画像对消费人群进行细分，从而实现用户旅程上的个性化营销用最合适的方式， 以最合适的接触频率， 传递针对性的内容， 实现最优的“客户

19、体验”和最高效的消费者转化。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。得益于低代码等技术，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” 。业务型 CDP 的意义正在于将客户数据从 IT 人员转移到业务人员手中，让 CDP 用起来，真正实现业务的赋能。数据安全合规趋势随着个人信息保护法的正式施行，个人信息保护与数据安全成为摆在企业面前的最新课题。在收集数据时，如何征得用户的同意、如何将这些数据合规应用于日常营销企业要面对的，将是从组织架构到营销实践一场由内而外的变革。而 CDP 可以从本质上帮助

20、公司实现数据合规性，因为它们充当所有客户数据的中央存储库，被用作事实的唯一来源，帮助公司更负责任和有效地处理客户数据。数智赋能每一个岗位定义 CDP09两个典型的应用场景：企业利用 CDP 可以根据客户的重要程度（例如：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。市场营销和运营团队可以灵活使用 CDP 进行准确地数据分析。营销人员使用 CDP 来帮助他们组织和理解来自不同来源的数据，增强客户人群细分能力，优化营销活动策略，利用历史营销

21、数据反哺修正当前营销策略，并增加内容营销参与度。数智赋能每一个岗位定义 CDP10企业哪些部门需要使用 CDP数字化创新部门可以通过 CDP 搭建企业的客户数据平台助力企业营销数字化转型，整合全渠道数据，了解企业的消费人群，综合相关业务部门的需求，满足不同场景下的数据应用。IT 部门基于企业数据平台基础建设的需求，可以利用 CDP 做数据的管理和存储，以及通过集成对接企业内部各种各样的业务系统，确保客户数据平台的稳定性、安全性和合规性最终为业务部门赋能。客户服务和成功团队客户服务专业人员在与客户沟通时也可以从中受益。通过利用 CDP 中的数据，帮助客户服务和客户成功专业人员主动满足客户的需求和

22、顾虑，更深入地了解客户，同时解决问题。CDP的基础能力与Convertlab CDPCDP 产品基础能力介绍市场上常见的 CDP 的类型Convertlab CDP - Data HubConvertlab 企业业务型 CDP四步安全开启数据资产增值之路CDP 产品基础能力介绍数智赋能每一个岗位CDP 的基础能力与 Convertlab CDP12从产品视角来看，我们认为 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

23、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 ：01040203身份数据：身份数据是关于一个人的高度敏感信息的集合，例如他们的姓名、手机号、家庭地址或银行帐号等。描述性数据：描述性数据补充身份数据并提供更完整的客户画像。描述性数据类别将根据公司类型而有所不同，如职业和生活方式信息，客户从事的行业、客户所在公司以及拥有的车辆类型，都是描述性数据的示例。行为

24、数据：行为数据描述了人们如何与企业的产品或服务互动。这为企业提供了真正的洞察力，可以帮助企业预测客户的需求和行为。行为数据的常见来源包括用户在 APP/ 小程序里的行为记录，比如浏览了哪些商品，加入购物车以及购买等行为。定性数据：定性数据是通过问卷调查、访谈或观察收集的描述性和概念性发现。定性数据例如采访录音、客服反馈、购买评论等。分析定性数据使我们能够使我们更加理解用户行为，并进一步解释定量结果。企业会把从各种数据源提取的数据放入CDP中存储， 对用户的整个生命周期的数据进行管理。 如企业把天猫、京东、微信公众号、小程序，APP 以及线下门店等数据全部打通之后，一个客户产生的数据节点可能过百

25、，客户会有访问页面、加入购物车、下单、到店、报名活动等行为。这些行为数据是人与物的关联，同时也可能通过朋友圈分享、好友分享、邀请好友等行为，与另一个客户产生了社交化关系。企业需要做的，就是将这种业务场景上人与人之间、人与物之间的关系，抽象成 CDP 里数据的关联，从而用于企业的各种业务场景。数智赋能每一个岗位CDP 的基础能力与 Convertlab CDP13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

26、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。以 Convertlab 服务过的某知名汽车集团品牌客户为例。该主机厂商拥有新能源以及燃油汽车两个条线。新能源车属于直销模式，更注重线上

27、的用户行为数据采集，纯燃油车依赖于线下经销商渠道，注重线下潜在车主的线索管理、到店意向等。而集团的 CDP 需要更加全面的视角，把整个集团里不同车型的数据融合在一起，打通全渠道的用户数据，得出用户 360度画像，再下发到各个车型品牌做精细化运营。如 Convertlab 服务过的跨产业客户，该集团客户在地产、文旅、零售等多个行业都有所涉及，客户希望能够针对不同的行业子公司做数据分析和洞察，找到不同行业里的高频客户画像，进一步挖掘客户潜在需求。基于各行业客户数据的 ONE ID，分析这些客户群体历史商品购买记录，对这些人群进行交叉销售。比如针对客单价消费高的用户群体，推荐对应的高端文旅产品；针对

28、不同年龄层的女性人群，推荐集团旗下的珠宝品牌商品。数据洞察包括标签分析、表属性分析、行为分析模型和群组画像等，通过分析后进行数据建模后得出相应的洞察，一是可以用数据驱动决策，二是能够用数据分析验证产品成效，三是通过数据洞察用户。在复杂的营销场景中，除了对客户需求进行分析，在千丝万缕的关联关系中，还涉及很多对象，也需要随时进行记录和洞察。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

29、 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

30、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。数智赋能每一个岗位CDP 的基础能力与 Convertlab CDP14数智赋能每一个岗位CDP 的基础能力与 Convertlab CDP15市场上常见的 CDP 的类型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。数据和分析型 CDP包含更高级分析功能的 CDP 将纯数据 CDP向前迈进了一步。数据和分析 CDP

31、提供更强大的数据可视化功能以及预设的报表，以帮助进一步分析所有数据并更好地了解客户模式和行为。先进的数据可视化还将帮助营销人员在公司内部各个部门之间传达见解，包括销售、客服和产品。然后，这些部门也将能够利用客户数据和个人资料在其工作角色中提供帮助。数据和分析 CDP 还将提供预测功能，以警告营销人员客户的任何问题，并自动监视客户输入数据和偏好的任何变化。业务型 CDP具备前面提到的数据和分析的功能，同时拥有用于优化和执行营销活动的各种其他高级功能。可以执行跨渠道营销活动。用户可以使其营销活动自动化，并通过适合每个客户的渠道传递量身定制的消息，并实时响应客户偏好的变化。结合了分析、标签、分群和画

32、像功能以及MA 营销自动化功能，可帮助营销人员根据以前的互动和预测的行为为每个客户个性化营销活动。例如，Convertlab 的 CDP 产品 Data Hub 与 DM Hub 联动，在 CDP 支持下，品牌方可以将所有触点上的客户数据沉淀下来，门店客流通过入会或者关注官微就留下印记，后期可以通过优惠券、礼品、内容推送等进行个性化营销活动。Convertlab CDP - Data Hub数智赋能每一个岗位CDP 的基础能力与 Convertlab CDP16Convertlab 高性能实时业务型 CDP 产品命名为：Data Hub，是更懂业务的客户数据平台，能够帮助企业跨平台整合全渠道客

33、户数据的同时，建设兼具灵活性及业务友好性的客户数据中台，输出精准客户洞察，指导营销决策并高实时性地支撑用户运营，最终实现企业数据资产的高效变现与增值。依据 DataBricks 公司对 Lakehouse 的定义：一种结合了数据湖和数据仓库优势的新范式，解决了数据湖的局限性。Lakehouse 使用新的系统设计：直接在用于数据湖的低成本存储上实现与数据仓库中类似的数据结构和数据管理功能。简单理解就是把面向企业的数据仓库技术与数据湖存储技术相结合，为企业提供一个统一的、可共享的数据底座。湖仓一体方案的出现， 帮助企业构建起全新的、 融合的数据平台。通过对机器学习和 AI 算法的支持，实现数据湖

34、+ 数据仓库的闭环，提升业务的效率。数据湖和数据仓库的能力充分结合，形成互补，同时对接上层多样化的计算生态。Convertlab 顺应大数据领域演进的方向，打造了“湖仓一体”的客户数据管理平台，保留“数据湖”和“数据仓”的优势，让各系统中的数据 / 元数据无缝打通。存储在不同系统的数据，可以通过一个统一的开发 / 管理平台操作，且可以根据自动的规则决定哪些数据放在数仓，哪些保留在数据湖，进而形成一体化，打造出离线数据与实时数据超级计算引擎，具备以下 4 个亮点： 小于 3s 实时计算 真正的 T+0 实时响应 实时 ID 合并、画像更新、客户分组 个性流程体验分支、动态内容、上下文营销“湖仓一

35、体”架构打造 超级计算引擎 可进行秒级实时沟通Convertlab 企业业务型 CDPData Hub 介绍数智赋能每一个岗位CDP 的基础能力与 Convertlab CDP17基本个性化带来的批量营销，如圈人群包投放。通过 Data Hub 根据客户属性、事件、标签对客户进行分组，圈出人群包看到结果后，第二天针对人群包进行内容、产品、权益触达。场景一* 涉及到自动化营销流程需配合 MA 营销自动化平台使用基于高级个性化带来的精准营销。如优惠券领取未消费提醒某客户领取优惠券后未立即下单。3 小时后对其推送消息提醒其“还有一张券未使用” ，推动其下单。场景二* 涉及到自动化营销流程需配合 MA

36、 营销自动化平台使用基于超级个性化带来的实时营销。如电商动态内容呈现 客户在商品详情页将商品加入购物车后，没有立即下单，而是返回上海品茶。此时，上海品茶会立即基于“加购未购”这一状态，对客户有针对性的展现引导其购买支付的内容，如与购物车内同类型但不同价位商品、优惠券等。场景三基于综合处理离线数据与实时数据的能力，实现客户画像达标的场景。如某银行开展某项营销活动，需要高时效性的统计客户近一周内的刷卡订单金额（离线的批量数据） ，以及当下产生的刷卡订单金额（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 3000 元时，即判定该客户达标，进而实时触发下一步营销动作，例如，第一时间对该客户开放抽奖

37、按钮，用户可直接参与抽奖活动等。 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。场景四* 涉及到自动化营销流程需配合 MA 营销自动化平台使用立即抽奖恭喜您，任务完成了！快来抽iPhone12Pro吧！刷卡 100 元购买某商品流批一体数据处理一周内刷卡订单总额2900 元当前刷卡订单金额100 元3000 元满足活动规则判定达标开放抽奖按钮点击开始抽奖30s 前Now+注：图为示意数智赋能每一个岗位CDP 的基础能力与 Convertlab CDP18GDM，全称为 General Data Model System，通用数据模型。它是 Data Hub 的首席翻译官，能够将

38、外部不同系统的数据进行统一规范格式化，让技术和业务人员统一口径，实现 One Data 数据定义。基于数据范式（Data Pattern）的 GDM，有一个好处，按照 Data Hub 数据范式，构建 GDM 的业务模型，该模型就天然具备该数据范式提供的能力。比如按个人档案范式创建的模型就有 One ID 能力和打标签能力。GDM 通用数据模型将不同的数据格式快速转化为统一建模语言Data Hub 系统内的所有组件都可自动、快速识别 GDM 描述的模型，GDM 也可将 Data Hub 内的数据翻译为外部系统可识别的数据模型，平滑地完成数据的输出与赋能。同时，支持快速创建各自的数据对象和架构，

39、适配更通用数据模型，节省数据关联的工作时间。有了 GDM 通用数据模型， 能够从底层设计上能够帮助企业低成本、 高时效地创建大量自定义对象，带来更丰富的营销场景应用。 场景举例：客户关联 1：N 各品牌所沟通的客户角色，可能会包含多个“子角色” ，比如长尾零售小店的夫和妻、教育 / 母婴行业里家庭中的爸爸和妈妈、B2B 行业里属于同一家公司的联系人、下单者等等。在实际的营销中，品牌通过 GDM 可创建丰富的自定义对象，并将这些对象做好一对多的关联。类似于 Adobe 里的 Experience Data Model (XDM) 概念，致力标准化客户体验资料并定义客户体验管理的结构，提供通用的结

40、构和定义，允许任何应用程序用于与 Platform 服务通信。遵循 XDM标准，所有客户体验资料皆可整合至通用表示法中，以更快速、更整合的方式提供深入分析。夫妻属于同一个小店爸爸妈妈属于同一个家庭多个联系人属于同一家公司B2B2C 模式中，如品牌管理小店老板。但一个小店可能存在夫妻两个联系人，因此：夫妻分别下的订单应被记录在小店名义下，而非单独的联系人。在母婴、教育行业中，可能父亲、母亲都曾分别参与过营销活动、进行过留资，这两个对象需要被标识为同一个家庭。B2B 行业，直接客户是公司，但会存在多个联系人，他们需要被标识为同一个公司。在业务沟通时， 即可以公司维度，将所关联对象的指标值作为条件，

41、完成人群圈选。丈夫妻子爸爸妈妈业务采购 2采购 1数智赋能每一个岗位CDP 的基础能力与 Convertlab CDP19Data Hub 特别增加了数据安全合规功能，能够与 Convertlab 最新 CPM 同意与偏好管理产品无缝集成，帮助企业对一方数据的授权与偏好进行管理，做到可追溯可撤销，在数据输出前，进行合规性的过滤，从而提升从数据收集到数据应用的整体安全性。数据安全合规提升企业从数据收集到数据应用的整体安全性提供丰富灵活的加密和脱敏方式，防止个人隐私泄漏，并确保加密、脱敏后的数据能够在开发、测试、数据分析场景中使用，实现敏感数据的智能管理。灵活的去标识方案通过数据血缘的关系图谱，可

42、从企业全局视觉对业务域的数据资产进行梳理、盘点，对出现的安全问题也可快速追查线索、准确定位、高效解决。比如在利用标签做群组圈选时，如果发现某个标签的数值有问题，可以通过数据血缘能力，快速地追溯数据源找出问题点。清晰的溯源链路企业可通过数据治理工具，对数据进行标记并配置每个场景下的限制策略，分别设置约束条件对每一道数据输出环节都能严格把控，以确保每个数据都被合理使用，合法合规地释放大数据的应用价值。高效的策略应用接口层系统配置分析洞察消息订阅同意采集工具(cookie 授权工具，app sdk)用户请求管理CPM 规则引擎CPM 相关数据存储（授权 / 偏好、渠道、法律条款、业务目的等）连接器数

43、据输出前进行规则适配同意管理 (Consent Management）记录并管理得到用户“授权同意”或“订阅”的数据。若用户声明了“不同意” ，将限制其数据被输出、利用。记录用户希望通过什么渠道、在什么时间、以何种沟通频率、沟通什么内容。若圈选规则不符合用户偏好，将限制其数据被输出、利用。集成( Consent & Preference Management )实现偏好管理 (Preference Management）Data Hub：四步安全开启数据资产增值之路数智赋能每一个岗位CDP 的基础能力与 Convertlab CDP20第一步：全域客户数据链接，沉淀高质量的数据资产Data H

44、ub 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。第三方平台官网微信公众号 / 服务号 /小程序 / 企微 /H5业务系统CRM/ 会员系统 / 呼叫中心APP线上 / 线下活动 /DB/ 文件 数据文件产品数据消费者数据交易数据产品数

45、据交易数据消费者数据行为数据消费者信息行为数据会员数据消费者信息消费者信息行为数据行为数据活动数据消费者信息各平台数据接口订单数据文件前端埋点后台系统对接微信授权系统对接SDK活动二维码活动页埋点数据文件行为数据订单数据客户信息标签属性信息价值评分标准化数据接口Tracking ServerOpen APIWebhookSFTPHDFS批数据流数据数据处理数据存储数据清洗全渠道 ID 识别自动合并画像引擎消费者 360全域画像OSSCOS数智赋能每一个岗位CDP 的基础能力与 Convertlab CDP21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

46、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，企业的多品牌管理就会变得更轻松。总部既能与品牌保持独立，又可以通过数据资产的共享及反哺，实现相互赋能。品牌 A 独立工作区品牌 A 数据One ID、标签、分析 集团数据On

47、e ID、标签、分析、内容 品牌 B 独立工作区品牌 B 数据One ID、标签、分析 集团数据One ID、标签、分析、内容 品牌 C 独立工作区品牌 C 数据One ID、标签、分析 集团数据One ID、标签、分析、内容 数据反哺数据赋能数据反哺数据赋能数据反哺数据赋能集团 One ID集团标签集团分析集团内容管理集团数据品牌数据+集团数据品牌数据+集团数据品牌数据+集团数据品牌数据+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

48、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。数智赋能每一个岗位CDP 的基础能力与 Convertlab CDP22

49、系统中的身份设置（优先级、唯一性、随迁性）身份名称身份类型 ID优先级唯一性随迁性会员邮箱Loyalty idEmail12TrueFalse否是系统现存身份信息UIDU123Loyalty_idLoyalty_idm123EmailEmailLUIDU123Loyalty_idm123EmailL系统新传入身份信息m456m456L根据身份设置逻辑进行匹配与合并1 、系统通过 Loyalty_id 和 Email 两个身份依次来匹配 UID，找到 UID1232 、但是 UID123 已有 Loyalty_id m123，与新的 Loyalty_id m456 冲突3 、Loyalty_id

50、 因为设置了唯一性，此时无法为 UID123 再添加一个 Loyalty_id4 、于是系统为 Loyalty_id m456 分配一个新的 UID456 作为目标客户 ID5 、由于 Email 具有随迁性，故 Email L 迁移到 UID456最后系统中的身份信息U456场景举例：随迁性管理的应用可随迁：使用多个身份匹配到的目标客户与自身所关联的现有客户不一致时，该身份可跟着更高优先级的身份迁移到目标客户。一般弱身份，一个客户可能拥有多个该身份的，会设置成可随迁。如：Device ID、Cookie 等。不可随迁：使用多个身份匹配到的目标客户与自身所关联的现有客户不一致时，该身份不迁移。