中國業務型CDP白皮書 | 愛分析報告

報告摘要

近年來，C端消費線上化滲透持續提升，全渠道消費成為常態，品牌商流量爭奪愈發激烈。透過建設CDP（客戶資料管理平臺）實現對全渠道使用者資料管理，從而實現精準獲客、精細化使用者運營，幾乎成為業內的共識。

但當前國內CDP市場存在概念模糊、適用範圍及價值被過度誇大、建設目標及路徑不清晰等眾多問題。鑑於此，愛分析基於終端使用者和資料支撐範圍兩個維度，將國內CDP分成三大類：面向特定場景的場景型CDP、面向全場景但需IT人員來使用的大資料平臺型CDP、面向全場景同時業務人員可透過拖拉拽方式即可建模的業務型CDP。從原始業務目標、業務價值出發，業務型CDP在技術、業務層面均更具優勢。

數字化營銷等業務應用作為流量瓶頸下實現業績增長的重要路徑，是業務型CDP建設的核心驅動力，而業務型CDP也成為數字化營銷業務應用的重要支撐。

從數字化營銷業務應用場景出發，業務型CDP需具備以下三方面能力：第一，以使用者為中心的全要素、實時性資料處理能力；第二，湖倉一體化架構的統一資料模型（GDM）實現能力。為全要素、實時性資料處理能力提供完美解決方案，快速完成複雜營銷場景需求下的資料建模，這是業務型CDP的獨特之處和最大優勢；第三，基於GDM的模型標籤沉澱能力。保證業務人員能夠進行靈活的標籤模型搭建，擺脫對於IT人員的強依賴，高效驅動業務應用落地。

在實際落地業務型CDP時，愛分析建議品牌商可從使用者價值、業務應用、資料基礎三個維度對企業現狀進行評估，以確認建設優先順序，並對建設路徑進行規劃。整體來看，業務應用ROI未達預期導致的驅動力不足與資料基礎建設不足導致的支撐力不足相互制約，是業務型CDP面臨的核心挑戰。該負迴圈的癥結在於，基於標籤資料的支撐能力不足，沒有形成可直接面向業務人員開展營銷、運營日常工作的標籤工具體系。

面對上述業務型CDP落地面臨的核心挑戰，愛分析認為應該從標籤體系進行重點突破，以夯實資料合規應用機制為底線，透過模型標籤驅動業務應用落地。首先，品牌商需要從使用者授權、資料運營、場景應用等層面構建系統化資料安全防護能力，守住合規底線。其次，透過構建覆蓋多資料來源的、基於API的聯結器，打牢地基，保證標籤的動態實時生成與更新；最後，透過GDM，提供面向一線業務人員的可操作性的、靈活的、高效的標籤模型體系，最終走向資料驅動的一體化、智慧化業務型CDP。

業務型CDP將是2022年及未來2-3年內品牌方在數字化營銷應用方面重點考慮的新興解決方案。愛分析認為，品牌方可以基於業務型CDP成熟度評估模型，合理評估自身需求，同時對廠商進行評估，最終選擇在業務需求方面能滿足自身條件、同時具備技術領先性的供應商進行業務型CDP的建設和長期運營。

1. 業務型CDP定義

2. CDP建設核心驅動力——數字化營銷

3. 業務型CDP現狀與挑戰——成熟度評估

4. 業務型CDP建設思路——模型標籤驅動業務落地

5. 業務型CDP落地——選型

結語

1. 業務型CDP定義

1.1   合規、全場景使用者資料管理是品牌商數字化營銷的關鍵

近年來，C端消費線上化滲透不斷提升，全渠道消費成為常態。對於品牌商等面向消費者開展業務的企業來說，制定精準的營銷策略獲取和運營使用者，以實現業績增長，將是必備的能力。

由於流量紅利枯竭，且全渠道下使用者的選擇更加豐富，企業面臨的是激烈的流量爭奪，因此粗放式的廣告投放和流量獲取成本高昂，企業將不得不改變營銷策略。透過精細化使用者運營提升已沉澱使用者的生命週期價值。

這要求企業要與使用者保持互動，提高使用者粘性和忠誠度，將“使用者”變成企業的“資產”。因此，品牌商紛紛走向DTC模式，業務運營思路已經發生變化，愈發重視使用者，講求精準獲客、精細化使用者運營。

不論是精準營銷還是精細化使用者運營，都離不開對使用者資料的採集、清洗、儲存、分析和應用。在全渠道業態下，品牌商開始意識到使用者資料整合和挖掘對營銷策略執行的重要性。但由於流量分散在品牌商CRM、官網、小程式、APP、電商平臺、社交媒體等多個渠道，使用者觸點增多且呈分散化，因此多渠道資料的整合和挖掘成為精準營銷策略落地執行的難點所在。

與此同時，以《個人資訊保護法》、《資料安全法》為代表的資料使用法律法規陸續出  臺，資料使用的監管逐漸清晰，合規性成為資料使用不可避免的考量點。

對品牌商而言，合規、全場景使用者資料管理是品牌商數字化營銷的關鍵。

1.2  合規、全場景使用者資料管理對CDP建設提出更高要求

進入到2022年，透過建設CDP（客戶資料管理平臺）實現對全場景使用者資料管理，幾乎成為業內的共識，絕大多數品牌商都將CDP建設納入到實現自身數字化轉型的計劃表中。

CDP最早由CDP Institute創始人David Raab提出，他認為CDP是一個市場人員可以直接操作的系統，彙集了所有客戶資料並將資料儲存在統一的、可多部門訪問的資料平臺，讓企業各個部門都可以輕鬆使用。

根據Gartner的《2020 CDP市場指南報告》，CDP是一個營銷系統，統一了營銷和其他渠道使用者資料，並能夠支援客戶建模、最佳化使用者價值等目標。Gartner認為CDP最核心的特點是多渠道資料的整合、畫像統一、人群細分和使用者觸達。

儘管國內市場對CDP建設的投入逐年增加，但其實際落地效果大多數不盡如人意，其原因可以總結為以下三點：

第一，市場魚龍混雜，CDP定義模糊。

亦如前些年的資料中臺，CDP是當下數字化營銷中最受到關注、最受追捧的關鍵詞，很多品牌商在專案招標檔案中也會明確提出CDP。

不論是營銷科技廠商、大資料廠商，抑或傳統IT整合商，在面對品牌商等潛在客戶時，都會將自身的解決方案包裝成CDP解決方案。在跟潛在客戶宣講方案時，都會突出自身的能力，影響客戶對CDP定義及建設標準的判斷，造成整個市場對於CDP的定義出現混亂。

第二，CDP的適用範圍和業務價值被過度誇大。

作為資料管理平臺，CDP是有一定的適用範圍，並不是所有品牌商都應該建設CDP，CDP建設是需要品牌商具備一定的基礎。

對於很多資料基礎設施薄弱的品牌商，一上來動輒投入幾百萬甚至上千萬建設CDP平臺是完全不必要的，應當循序漸進，先從資料採集等基礎工作開始，逐步建設自身的資料能力。

同時，CDP也不是萬能藥，不能解決品牌商遇到的所有問題。CDP作為使用者資料管理的工具，能夠提升業務部門做數字化營銷的效率，但不能完全替代運營工作。脫離了業務場景、沒有運營作為支援，CDP是無法解決企業的使用者資料管理問題的。

第三，CDP的建設目標和實現路徑不清晰。

所有的資料都同時具備IT和業務屬性，資料管理平臺CDP同樣如此，這就意味著CDP的建設一定離不開業務部門和IT部門。

儘管業務部門和IT部門的長期目標是一致的，但限於不同部門的屬性差異，業務部門和IT部門的短期目標可能會存在偏差，這就使得不同部門主導的CDP建設，其建設目標存在差異，實現路徑更是如此。

鑑於以上原因，愛分析認為，必須對國內市場的CDP進行定義和分類，才能實現合規、全場景使用者資料管理的目標。

1.3  實現合規、全場景使用者資料管理需要業務型CDP

基於終端使用者和資料支撐範圍兩個維度，愛分析將國內CDP分成三類：特定場景型CDP、大資料平臺型CDP和業務型CDP。

圖 1：  CDP分類

特定場景型CDP，主要是用於銷售轉化相關客戶資料以及廣告投放等特定場景的資料管理和應用，背後廠商都多數是SCRM以及DMP背景。

優點是對獲客轉化、廣告投放等特定場景的資料支撐較強，即與數字化營銷應用場景較近，終端使用者是業務人員；缺點是資料維度、資料治理、資料建模等CDP能力均侷限於以上場景相關資料。

長期來看，當上層數字化營銷應用場景發生變化，此類CDP將面臨嚴峻的資料支撐挑戰。

大資料平臺型CDP，主要是用於整合企業的資料，實現對資料的統一管理，背後多數是大資料治理背景的廠商提供的產品。

資料治理能力是其核心優勢，能夠實現資料的“監、管、控”，但大資料平臺型CDP需要IT人員做建模和運營，也容易導致業務人員對CDP的感知和使用率較低，造成業務價值有限的結果。

業務型CDP是透過統一建模語言，能夠使業務人員透過拖拉拽的方式進行資料建模，解決了CDP的業務價值問題。

同時，業務型CDP在技術架構上採用湖倉一體化設計，解決了CDP在資料儲存、治理、建模分析等方面的不足，能夠滿足企業當前以及未來各類數字化業務應用場景的資料支撐需求，是最符合企業業務需求和技術需求的領先型CDP。

愛分析認為，CDP建設應從原始業務目標出發，做全面梳理和考量。回溯CDP建設需求，原始業務目標是實現流量瓶頸下的業績增長，而數字化營銷等業務應用是路徑，CDP是業務應用的支撐。因此，企業應該從業務價值出發，建設業務型CDP。

業務型CDP的準確定義：是 支撐業務（營銷、市場、運營等）部門實現數字化業務應用的使用者資料管理平臺，以使用者全生命週期運營為導向，透過實時採集、整合、分析全渠道使用者資料，支援精準使用者獲取、高效使用者運營等數字化業務應用場景落地，最終實現業績增長的目標。

2.  CDP建設核心驅動力——數字化營銷

數字化營銷業務應用已成為業務型CDP建設的核心驅動力，且對業務型CDP提出了關鍵能力要求。

首先，數字化營銷業務應用採納度提升，成為企業CDP建設核心驅動力。一方面，企業面臨流量獲取成本高昂、使用者觸點多樣化、使用者價值要求提升等挑戰；另一方面，隨著技術的成熟和供應商的不斷成長，數字化解決方案日趨成熟。因此國內數字化營銷相關業務應用採納度正在逐漸提升，以使用者全生命週期營銷為導向，實時採集、整合、分析全渠道使用者資料的CDP建設成為企業的必然選擇。

其次，數字化營銷業務應用將從資料化逐漸走向智慧化，對資料管理和分析的要求日益提升，對業務型CDP建設要求將越來越迫切。從實踐來看，數字化營銷業務應用正在經歷資料化過程；未來，將是自動化、智慧化階段，意味著對使用者資料採集和標籤體系能力要求持續提升，即數字化營銷業務應用發展趨勢將持續引領和推動業務型CDP的建設。

作為業務型CDP建設核心驅動力，數字化營銷業務應用場景也將對業務型CDP提出關鍵能力要求：

一是以使用者為中心的全要素、實時性資料處理；二是湖倉一體化架構下的GDM（統一資料模型）實現；三是基於GDM的模型標籤沉澱。

2.1  數字化營銷採納度提升，CDP建設成企業必然選擇

數字化營銷採納度正在不斷提升，業務型CDP建設將成為企業的必然選擇。

從國外市場（主要是美國）來看，數字化營銷業務應用經歷了十餘年的發展。

數字化營銷可溯源至2009年營銷公司Marketo註冊的Marketing-cloud；到2012年，Adobe、甲骨文等公司紛紛提出營銷雲概念，並開始基於雲技術開發營銷解決方案；到2016年營銷解決方案逐漸完善，開始形成以使用者價值導向的一體化營銷雲；當前以美國為代表的國外市場對數字化營銷業務應用的主流定義是Gartner提出的多渠道營銷中心（MMH）。

中國市場基本從2016年才開始嘗試營銷科技的探索；大部分企業從2018年才開始落地單點單渠道的營銷技術為主要形態的解決方案，對於使用者資料和營銷解決方案之間的關聯尚無深度認知。

圖 2：  中美數字化營銷發展對比

根據Morketing & Convertlab的聯合調研（共調研105家企業），2020年國內已經使用過營銷雲並在進行更多探索和即將部署使用營銷雲的企業僅佔比15%。即國內數字化營銷解決方案採納度處於早期採納階段。

關於2021年公司營銷策略方面，超過50%的公司提及會試水新的線上營銷方式，如直播和短影片等；39%的公司提及會將營銷策略重點轉為線上；更有22.6%的企業計劃使用資料驅動的營銷技術和系統提升營銷效率，如CDP、CEM、MA等。

說明隨著線上化滲透率快速提升、流量瓶頸愈發明顯，國內企業對於資料驅動的數字化營銷業務應用的採納度將不斷提升，即國內市場數字化營銷業務應用的甲方採納度將快速提升至早期多數採納階段。

圖 3：  甲方採納度曲線

2.2  數字化營銷從資料化走向智慧化，推動業務型CDP建設

甲方採納度代表了數字化營銷業務應用在整體行業的落地進展與預期，而具體到特定企業落地，則需要做個性化考量，按需推進數字化營銷。

雖然甲方企業對於“客戶資產”和“CDP的定義和業務價值”的認知存在很大的差異，但是基於使用者資料沉澱和分析進行數字化營銷卻是統一的既定動作。數字化營銷要求圍繞使用者全生命週期做運營。處於認知、興趣、購買以及忠誠四大階段的使用者，其營銷需求存在很大差異，需要進行針對性觸達和互動。

處於認知階段的使用者，主要訴求是建立對品牌的深層次瞭解和認知，營銷需求主要是持續曝光；

處於興趣階段的使用者，需要透過活動營銷和內容營銷提升活躍度，不斷將興趣使用者轉化成購買使用者；

處於購買階段的使用者，主要透過活動促銷、產品權益等方式促進消費，提升復購率；

處於忠誠階段的使用者，主要透過品牌滲透、會員權益等方式進一步提升客戶生命週期價值。

圖 4：  覆蓋使用者全生命週期的數字化營銷

在數字化營銷業務場景中，業務人員根據營銷需求進行客戶旅程設計，構建自動化、程式化的全渠道互動觸達能力。簡而言之，就是在正確的時機、透過正確的渠道、以正確的內容與使用者互動。

AIPL模型是數字化營銷通用方法論，針對AIPL不同階段的使用者進行運營，需要實現定向投放、個性化推薦、交叉推薦等數字化營銷場景，其背後是標籤模型支撐。而標籤模型效果則基本上取決於業務型CDP的成熟度。（業務型CDP的成熟度評估見第三章）

以數字化營銷為典型代表的數字化業務應用可以分為資料化、自動化、智慧化三個階段，三個階段的落地存在很強的遞進關係，且各個階段對業務型CDP的要求各有側重，但整體來看，越靠近智慧化階段，對業務型CDP成熟度要求越高。

從企業需求層面來看，隨著企業對使用者運營的重視度提升以及使用者資料的積累、分析模型的效果提升，數字化營銷也將從資料化、自動化走向智慧化階段。智慧化階段的數字化營銷，意味著資料驅動的業務應用實現，屆時對業務型CDP建設的要求會更高。

圖 5：  業務型CDP在數字化營銷各階段價值

2.3  業務型CDP關鍵能力一：以使用者為中心的全要素、實時性資料處理

顯然，作為業務型CDP的核心驅動因素，隨著以數字化營銷為代表的業務應用不斷髮展，業務對資料的要求和依賴將會越來越高。資料處理是CDP首要的關鍵能力。

根據資料處理流程來看，業務型CDP資料可分為基礎資料、資產資料、標籤資料以及應用資料這四大型別。

基礎資料是指官網、電商平臺、公眾號、小程式等全渠道的使用者全維度匿名/實名資訊，包含使用者屬性資料、行為資料、訂單資料等，比如汽車行業，基礎資料維度涵蓋使用者以及跟使用者相關的車、顧問等維度的資料。基礎資料收集要求業務型CDP具備全渠道觸點的資料追蹤和採集能力，並且需具備開放性和可擴充套件性，能夠透過標準API介面新增、擴充套件企業所需的其他觸點。

資產資料是指基礎資料經過治理後形成的結構化資料，要求業務型CDP平臺能夠將不同來源的資料進行融合、清洗、校驗、結構化處理，形成使用者唯一ID，並進行有序、持久儲存。

標籤資料是用於營銷模型實現的資料， 最終用以支撐精準使用者獲取和精細化使用者運營相關場景落地。基礎標籤可進一步按照標籤規則和計算形成使用者360度畫像、人群細分等複雜標籤資料。標籤資料的應用和價值變現要求業務型CDP平臺具備完善的標籤體系。

應用資料是指可匯出用於資料分析、資料洞察的寬表。為滿足不同部門對於資料分析的需求，要求業務型CDP平臺能夠對接多個外部系統，將加工好的資料透過標準的API介面提供給其他工具（如駕駛艙等BI應用）進行應用，或推送至不同部門。

根據數字化營銷業務應用將從資料化走向智慧化的發展趨勢來看，業務型CDP的資料處理關鍵能力體現在以下兩個方面：

一是使用者全生命週期全要素閉環資料處理能力。全面高效採集以使用者為中心的全要素資料，包含但不限於使用者基礎資料、訂單資料、商品資料等；並且圍繞認知、興趣、購買、忠誠四大使用者生命週期階段，對客戶資料進行從基礎資料、資產資料、標籤資料、到應用資料的閉環處理。

二是具備實時資料處理能力。從採集基礎資料到形成資產資料和標籤資料，需要做到毫秒級響應，才能以實時性的自動化、智慧化標籤體系能力，全面支援數字化營銷業務應用實現，尤其是場景式營銷等相關業務應用場景的實現，從而滿足客戶旅程設計和個性化互動所需的資料和標籤需求。

圖 6：  業務型CDP的資料處理關鍵能力

2.4  業務型CDP關鍵能力二：湖倉一體化架構下的GDM實現

隨著越來越多的企業認識到使用者資料資產管理和應用價值，CDP應該具備以使用者為中心的全要素、實時性資料處理能力，已然成為共識。全要素、實時性的大資料處理能力的背後，是大資料技術基礎的支撐。

大資料技術經歷了資料倉儲、資料湖、湖倉一體化的發展歷程，業務型CDP採用湖倉一體化架構。

圖 7：  大資料技術發展階段

湖倉一體化是一種新型開放式架構，充分結合資料湖和資料倉儲的優勢，構建在資料湖低成本的資料儲存架構之上，又繼承了資料倉儲的資料處理和管理功能，為業務型CDP所需的全要素、實時性資料處理能力提供了完美的解決方案。

資料儲存結構層面，湖倉一體化架構的業務型CDP不僅實現了成本和效率的最佳組合；更重要的是，提供了面向業務的模型表，從而能夠搭建GDM（統一資料模型）並定義標準化資料格式，實現對業務物件、及其關聯關係的統一規範的描述，並支援外部識別和對接。

湖倉一體化模式下的GDM實現是業務型CDP關鍵能力，也是業務型CDP的獨特之處和最大優勢。

圖 8：  湖倉一體化模式下的GDM實現

 

在統一的資料規範基礎上，企業可靈活擴充套件自定義物件，完成滿足業務需求的資料建模。從根本上解決CDP產品面對的越來越複雜的資料治理難題。

如下圖所述，透過GDM，企業可快速將客戶、客戶訂單、客戶事件、人車關係、客戶群組、汽車、4s店、維修單等物件建立關聯關係，完成複雜營銷場景需求下的資料建模。

在實際的操作中，還可透過視覺化ER圖的方式，進行拖拉拽操作即可完成資料/標籤建模。

圖 9：  GDM在汽車行業的實現

在實際落地過程中，使用者全生命週期全要素閉環資料處理流程中的每一步都不輕鬆。

首先，在CDP的部署上線過程中企業IT人員就面臨資料採集和治理難題，從CDP資料處理流程的視角來看：一是「基礎資料」的形成過程面臨多元化資料接入的挑戰，全渠道觸點佈局和全量資料接入對CDP的埋點能力、資料連線能力提出較高的要求；二是「應用資料」的輸出，要求CDP能夠高效對接MA、BI等業務應用系統。

其次，除了上述IT人員面臨的資料治理問題以及資料分析師等角色面臨的資料建模問題，CDP的一類重要終端使用者——營銷、運營人員，也面臨資產資料沉澱方面的挑戰。

應對以上難題和挑戰，湖倉一體化架構下的GDM實現必不可少。

由於GDM能夠將多種格式資料快速轉化為統一建模語言，對於IT人員和業務人員來說，不同的資料來源也來帶來一樣的理解，大幅度提升資料連線和治理效率。因此業務型CDP中，基礎資料的整合、資產資料的沉澱以及應用資料的輸出和對接，都是基於GDM進行資料對映。

以資產資料的沉澱為例，需要完善、強健的ID-Mapping機制。具備GDM能力之後，原本異構資料打通和治理過程中以散亂表結構儲存的物件、關聯關係等，將會形成按照業務邏輯抽象的統一正規化，並能基於視覺化拖拉拽方式，進行One ID策略設計和落地，大量節省業務人員策略設計、IT人員ID-Mapping模式中雙方的來回溝通時間和精力投入（並且可能陷入一有策略改動，就要經歷長週期定製化開發的模式）。

圖 10：  基於GDM的資料對映

2.5  業務型CDP關鍵能力三：基於GDM的模型標籤沉澱

標籤資料面臨初期的設計搭建以及長期的運營應用挑戰。從業務人員視角來看，豐富性、靈活性、智慧化是標籤體系的追求，即標籤體系既要提供豐富多樣的標籤能力，也要具備調整和延伸的空間，同時還要能兼顧自動化、智慧化能力。

在過往的應用場景中（尤其是零售領域的MA應用中），規則標籤和公式標籤是標配。（關於規則標籤和公式標籤將在4.1進行詳細分析）

但從長期來看，隨著業務場景的複雜度提升，規則標籤和公式標籤在靈活性方面的侷限性也將愈發明顯。由此，業務型CDP需要具備的第三個關鍵能力是：基於GDM的模型標籤沉澱。

根據前言中的定義，業務型CDP是支撐業務部門實現數字化營銷等業務應用的使用者資料管理平臺，以使用者全生命週期運營為導向，透過實時採集、整合、分析全渠道使用者資料，支援精準使用者獲取、高效使用者運營等數字化業務應用落地，最終實現業績增長的目標。

因此，業務型CDP建設應該以 使用者價值為核心，以精準使用者獲取和高效使用者運營等業務應用為目標，對使用者資料進行管理和應用。其中， 資料基礎是使用者價值和業務應用實現效果的決定因素；由於涉及到客戶服務和營銷等不同業務流程，因此 組織支援是業務型CDP建設的基礎支撐條件。

① 使用者價值：使用者價值思維而不是產品或者渠道思維，即使用者生命週期價值導向，注重使用者資產化，關注使用者增長、復購以及使用者對企業的忠誠度；

② 業務應用：指數字化營銷場景，主要是精準使用者獲取和精細化使用者運營，包括觸達方式、互動方式（含營銷內容與時機）、購買體驗以及口碑傳播等；

③ 資料基礎：C端使用者的全生命週期資料，主要指基礎資料、資產資料、標籤/畫像資料以及應用資料四大類資料的完備度和應用程度；

④ 組織支援：主要涉及決策層支援、預算支援以及數字化營銷、運營團隊支援

根據業務型CDP的要求，愛分析從使用者價值、業務應用、資料基礎三個維度對業務型CDP進行成熟度評估，旨在幫助有業務型CDP建設需求的企業釐清建設目標、評估企業業務型CDP現狀，並提出業務型CDP建設路徑。

圖 11：  業務型CDP成熟度評估維度

其中，業務應用和資料基礎涉及到業務型CDP的建設和運營現狀以及長期建設方向，主要包含CDP、DMP、CRM等系統現狀，以及使用者畫像等相關資料應用深度，需要甲方企業與供應商緊密協作；

使用者價值和組織支援主要由甲方業務屬性和戰略規劃以及組織架構建設決定。

業務型CDP建設對於企業的重要性等級，由使用者價值以及業務應用的重要性等級決定，跟企業本身業務屬性（對應使用者價值）和數字化營銷業務應用戰略（對應業務應用）相關。業務型CDP建設的成熟度等級，則由使用者價值、業務應用以及資料基礎三個方面的成熟度等級決定，是對甲方企業當前在以上維度的實際建設和運營進展做評估。

重要性和成熟度具體釋義，以及相關指標和對應功能如下表所示。

圖 12：  重要性和成熟度具體釋義

業務型CDP成熟度體現在使用者價值、業務應用以及資料基礎三個維度，每個維度的成熟度分為4個級別（0-3級）。

由於業務型CDP建設以支撐精準使用者獲取、精細化使用者運營為導向，而不同行業、不同企業對C端營銷、運營的需求有較大差異，因此對於不同企業來說，使用者價值和業務應用的重要性不同，對應的目標成熟度也不同。

並不是所有企業的使用者價值和業務應用維度目標成熟度都需要達到3級，使用者價值和業務應用對企業的重要性，決定了對業務型CDP成熟度的要求。而對於所有需要建設CDP的企業來說，資料基礎的重要性都是3級，對應的目標成熟也是3級。

圖 13：  業務型CDP成熟度評估模型

在企業實際落地業務型CDP時，基於業務型CDP成熟度評估模型，可以對企業現狀進行評估，確認建設優先順序，並對建設路徑進行規劃。

首先，基於評估標準，進行三個維度的重要性和成熟度評估。使用者價值和業務應用重要性主要是甲方企業屬性與戰略決定，成熟度則主要由當前相關係統和功能應用情況決定。

其次，根據各維度重要性和成熟度差值，確認優先順序。從每個維度，對重要性和成熟度做比較。

成熟度和重要性之間的差距大小，決定了業務型CDP建設的優先度——某個維度成熟度和重要性差距越大，說明該維度較為薄弱，應該優先考慮做補足。

最後，根據優先順序，對業務型CDP建設給出建設路徑建議。考慮規劃差距較大的維度，做相關功能規劃，然後是從整體考慮做成熟度提升。

以國內領先的某乳製品公司為例，經過愛分析多方調研，該乳製品公司的業務型CDP成熟度評估結果如下。

整體來看，使用者價值重要性為1級，但成熟度也為1級，對於使用者價值的認知較為清晰，業務應用需要繼續做加強，但整體資料基礎薄弱。因此：

資料層面，需要沉澱完整的一方資料，並進行體系化標籤建設，用於最佳化廣告投入、並開展精細化使用者運營以進一步提升復購率。

業務應用層面，廣告投放有一定應用，但精細化使用者運營缺失，需要做加強以便支撐長期更高的轉化率和復購率。

資料基礎、業務應用達到比較均衡的狀態之後，二期規劃考慮進一步提升業務應用深度。

圖 14：  某乳製品公司業務型CDP成熟度評估結果

3.2  國內CDP落地的進展與挑戰

消費品領域是數字化營銷業務應用的排頭兵，因此從消費品品牌商業務型CDP落地進展中，可以窺探業務型CDP當前整體挑戰以及建設思路。

根據商務部消費品分類，10大類主要的消費品包括：食品、服裝鞋帽、母嬰用品、化妝品、家居和裝潢用品、電器電子產品、文教體育休閒用品、鐘錶眼鏡、珠寶首飾、乘用車，代表10個細分的消費品品牌商。

10個細分消費品品牌商的獲客成本、upsell空間如下圖（圖15）所示。整體來看，客單價越高的品牌一般而言，客單價越高的消費品，獲客成本也越高，因此橫座標軸同時代表獲客成本和客單價。

如圖所示，獲客成本（客單價）越高，Upsell空間越大，使用者價值重要性越高。雖然不同細分消費品的使用者價值重要性存在差距，但都處於1-3級之間，即所有消費品品牌商都有建設業務型CDP的需求。

按照使用者價值高低將消費品領域分為兩大類（圖示藍色和白色），根據愛分析調研情況來看，各類企業均根據自身業務價值重要性展開了CDP建設，且業務價值成熟度基本達到業務價值重要性同等級水平。但資料基礎和業務應用的成熟度還有待提升。

使用者價值相對較低的品類，其資料基礎成熟度基本在1級，業務應用成熟度基本在2級。此類企業建設MA、CDP等應用相對較早，但由於其高頻、低客單價的業務屬性，看重業務效果而忽略了基礎資料的長期建設。

使用者價值相對較高的品類，其資料基礎成熟度基本在2級，業務應用成熟度基本在1級。相比於使用者價值度相對較低的企業，此類客戶雖然整體啟動CDP時間更晚，但由於使用者價值高、獲客成本也很高，因此更加看重長期的精細化運營體系建設，願意投入預算和精力來進行資料基礎的建設。

圖 15：  消費品使用者價值現狀

從企業建設業務型CDP成熟度評估整體結果來看，使用者價值基本達到目標成熟度水平；業務應用成熟度距離目標成熟度尚有一定距離；資料基礎建設不足。

企業普遍對數字化營銷業務應用ROI有期待，卻無合理的衡量標準，一定程度上處於觀望狀態，這將對資料基礎的預算投入產生影響；而資料基礎建設不足的更是直接影響業務應用效果。

因此，國內業務型CDP落地面臨的核心挑戰是：業務應用ROI未達預期與資料基礎建設不足相互制約。

圖 16：  國內業務型CDP落地挑戰

數字化營銷是業務型CDP建設的核心驅動力，因此數字化營銷相關業務應用ROI未達預期，很大程度上制約了企業對業務型CDP建設預算投入。

根據愛分析對各領域頭部企業CDP相關負責人的深度調研，由於業務應用價值ROI未達預期，制約了業務型CDP的建設，導致資料基礎建設不足；而資料基礎建設不足也會影響業務應用的價值釋放。即業務應用ROI未達預期與資料基礎建設不足相互制約，是業務型CDP面臨的核心挑戰。

進一步分析發現，業務應用ROI不達預期和資料基礎建設不足這個負面迴圈的癥結在於，基於標籤資料的支撐能力不足，從而沒有形成可直接面向業務人員開展營銷、運營日常工作的標籤工具體系。

根據愛分析對品牌商的調研發現：

資料基礎建設主要面臨以下兩方面挑戰：① 資料接入成本高、效率低，造成基礎資料的體量和質量不達預期，無法真正發揮CDP的價值；② 資料治理難度大、成本高，造成資產資料支撐力低，從而直接影響標籤資料的可應用程度。

而業務應用ROI不達預期的原因更為直接，一線業務人員不具備對標籤資料」進行基於業務邏輯的梳理和靈活應用能力，往往需要IT人員的按需開發才能實現業務價值落地，期間的溝通成本和時間成本阻礙了業務場景的落地，業務應用ROI自然不達預期。

如前所述，國內業務型CDP落地面臨的核心挑戰是業務應用ROI未達預期與資料基礎建設不足相互制約。癥結在於標籤資料支撐能力不足，從而沒有形成可直接面向業務人員開展營銷、運營日常工作的標籤工具體系。

因此，業務型CDP的建設應該從標籤體系重點突破，建設思路是模型標籤驅動業務應用落地。

如圖所述，首先要解決業務型CDP建設的核心問題 —— 以GDM為基礎完善標籤體系，搭建面向業務人員的模型標籤體系，從而驅動業務應用落地。其次，要為標籤體系建設提供資料基礎保障，提升標籤資料質量，使其能夠支撐模型標籤體系搭建。

在長期的業務運營過程中，數字化營銷業務的業務效果反饋以業務邏輯和運營策略抽象至標籤體系中；而不斷迭代和完善的標籤體系，也會持續驅動標籤資料質量的提升，以這種正向反饋打破業務應用ROI未達預期與資料基礎建設不足相互制約的魔咒，驅動業務應用落地。

圖 17：   業務型CDP建設思路

4.1   願景：沉澱行業通用模型

按照所需標籤能力差異，可將標籤分為4大類，從規則標籤到業務個性化標籤，對標籤能力的要求越來越高，同時標籤系統對業務人員也越來越友好。

規則標籤是基於物件的屬性，滿足一定規則條件所生成的標籤。

公式標籤是基於物件的屬性或事件，透過組合函式計算生成的標籤，可分為計算標籤值和計算標籤值權重。基礎型公式標籤一般只實現特定功能，比如兩項求和；而相對高階的公式標籤是提供函式能力，終端使用者能夠按照業務需求進行靈活的標籤體系建設和運營。

模型標籤是使用預先定義好的規則，透過調整規則的不同引數而生成的值，如 RFM 標籤、品類偏好等。模型標籤提供了一種普適性的模型，預置標籤規則，只需透過調參即可完成標籤設計。

業務個性化標籤是針對以上幾種標籤均無法滿足業務需求的情況下，一線業務人員可基於通用資料語言進行標籤模型設計，支援更復雜的條件與分支判斷，能夠滿足各種複雜和個性化業務場景需求。

圖 18：   標籤型別

規則標籤對CDP產品能力的硬性要求是規則計算，公式標籤對CDP產品能力的硬體要求是規則計算和公式計算，以上兩種能力都只能將高度重複的、簡單易於實現的業務經驗配置到標籤體系中，因此對於業務的支撐能力也相當有限，這也是CDP業務應用ROI不達預期的核心原因。

因此，業務型CDP的關鍵能力 —— 基於GDM的模型標籤沉澱，正是解決業務應用ROI問題的核心抓手。

模型標籤要求CDP產品具備業務邏輯沉澱能力以及支援通用資料語言進行查詢與計算。

實際上，業務型CDP產品的獨特之處和最大優勢——湖倉一體化模式下的GDM實現，從資料流通的視角來看，其邏輯就是透過通用資料語言統一 ”資料通訊”。

比如，Convertlab的業務型CDP產品——Data Hub，基於GDQL語言實現了GDM，有能力用SQL語言的業務人員也能夠用GDQL語言實現業務個性化標籤的建設和運營。

有了通用資料語語言言，不僅僅解決了基礎資料、資產資料、標籤資料以及應用資料之間的通訊問題，以及CDP與資料來源相關係統和應用資料輸出相關業務系統之間的通訊問題； 更重要的是，業務人員能夠進行靈活的標籤模型搭建，從此擺脫對於IT人員的強依賴，從而架起資料到業務應用之間的橋樑。

對於業務人員來說，隨著業務型CDP的不斷普及，通用資料語言能夠為其日常工作帶來更加顯而易見的價值 —— 基於沉澱的行業通用模型，極大地提升模型搭建和運營效率。

圖 19：   沉澱行業通用模型

可見，透過解決“資料通訊”和業務視覺化操作問題，行業通用模型才是CDP真正高效率落地至業務應用的核心驅動力。

不同於場景型CDP基本針對特定數字化營銷場景提供資料基礎，以及大資料平臺型CDP完全依賴IT進行資料治理和梳理、甚至是標籤配置，業務型CDP透過GDM的實現，提供了面向一線業務人員的可操作性的、靈活的、高效的標籤模型體系。

同時，隨著業務型CDP的不斷普及，沉澱特定行業業務邏輯的GDM支撐下的標籤模型，能夠使標籤搭建和運營變得無比輕鬆，從而能夠高實現效驅動業務應用落地。沉澱行業通用模型是業務型CDP的願景和方向， 當前，業務型CDP 正在透過實際落地不斷沉澱和打磨行業通用模型。

4.2   地基：構建產品化資料連線能力

在上述“資料通訊”中，業務型CDP與其他系統和應用之間的“資料通訊”是重中之重。

業務型CDP四大型別資料之間的資料通訊，屬於產品內部的互通邏輯，基於通用資料語言即可實現；而「基礎資料」的形成以及「應用資料」的輸出，均涉及到與其他業務系統或者應用之間的資料互通，且不同型別的系統和應用、或者不同供應商提供的系統和應用其資料格式都不一樣，這也是CDP建設過程中最耗時費力的部分。

因此，如何做好與其他業務系統之間的“資料接入”和“資料輸出”的“資料通訊”工作，是業務型CDP的地基，也是重大挑戰。從業內實際經驗來看，在GDM支撐下構建產品化資料連線能力是個很好的思路。   

圖 20：   構建產品化資料連線能力。

如圖所示，產品化資料連線能力即各類聯結器，旨在基於GDM實現不同系統之間的資料互通。

從資料來源角度來看，包括支援SFTP、 HDFS、 COS等檔案聯結器、 支援MySQL，PostgreSQL等資料庫的JDBC聯結器、支援HTTP的API聯結器以及支援微信、各類資料分析系統等應用的SaaS應用聯結器。透過構建覆蓋多資料來源的聯結器，能夠滿足業務型CDP高效率、高質量採集使用者全生命週期全要素資料的需求。

值得關注的是， 基於API聯結器實現實時資料採集和同步，這是業務型CDP能夠支撐實時營銷等特定數字化業務應用落地的必要條件，也是實現自動化、智慧化數字化營銷等業務應用的重要資料能力。

4.3   進階：走向資料驅動的一體化、智慧化業務型CDP

業務型CDP必須明確建設目標——支撐數字化營銷業務應用實現。即資料基礎建設必須從業務應用需求出發。

業務應用分為兩個層次。一是拉新、銷售轉化、復購、交叉銷售等業務指標，是業務應用效果的量化體現；二是支撐上述業務指標實現的營銷與運營策略，即以使用者旅程為基礎，進行營銷流程設計、營銷策略沉澱（比如事件營銷、節日營銷、社交裂變營銷等）以及營銷策略最佳化（比如A/B測試）、個性化預測（比如NBA）等。

在基於GDM的標籤體系下，業務型CDP能夠支撐營銷與運營策略落地、從而助力業務指標提升。這一過程中，GDM資料是驅動資料基礎成功變現為業務應用的關鍵所在。

而 不論是GDM的抽象邏輯、還是資料基礎的建設，都要從業務應用出發，最終走向資料驅動的一體化業務型CDP。

圖 21：   資料驅動一體化業務型CDP

此外，對應業務應用從資料化、自動化到智慧化的發展路徑（第2.2節業務應用驅動CDP建設核心內容），智慧化也將是業務型CDP長期發展的必然之路。

可見，在實現沉澱行業通用模型的道路上，業務型CDP不但要腳踏實地構建產品化資料連線能力；而且要瞄準未來，適時走向資料驅動的一體化、智慧化業務型CDP。

4.4   底線：夯實資料合規應用機制

隨著《個人資訊保護法》的正式施行，CDP首當其衝成為企業自我查檢的重要區域。在此趨勢下， 業務型CDP要想在保證合規的同時，最大程度挖掘和釋放資料價值，就必須守住底線 —— 夯實資料合規應用機制。

完整的資料合規應用體系應該在滿足資料法規要求的前提之下，最大程度的發揮資料價值。具體落地過程中可從以下三個層面做全面考量。

一是從資料運營視角來看，能夠讓企業按照欄位、並且選擇合適的加密方式滿足資料儲存、傳輸過程中的資料安全要求。

二是從使用者層面來看，從採集資料開始的授權管理、到應用資料過程中必須遵守的偏好管理，都需要按照使用者知情且同意的原則，做好資料使用許可工作。比如偏好管理中，需要記錄使用者希望透過什麼渠道、在什麼時間、以何種溝通頻率、溝通什麼內容。若圈選規則不符合使用者偏好，將限制其資料被輸出、利用。

三是從場景層面來看，按照各個場景的資料披露限制性要求，對資料進行加密、去標識或者去欄位等處理。

圖 22：   業務型CDP資料合規應用機制

5.   業務型CDP落地——選型

在進行新興解決方案規劃過程中，相當比例的企業會參考同型別企業的實踐案例，或者在供應商選型過程中，著重考察廠商的過往標杆案例，以最大程度的降低選型風險。業務型CDP就是2022年以及未來2-3年內企業將重點考慮的新興解決方案。

實際上，根據業務型CDP成熟度評估模型來看，企業在使用者價值、業務應用、資料基礎以及組織支援四個維度均存在差異，因此同行的最佳實踐案例並不意味著同樣能在其他企業複製，能夠提供光鮮亮麗的標杆案例的供應商，也不一定就是所有企業的最佳選擇。

愛分析認為，企業應該基於業務型CDP成熟度評估模型，合理評估自身需求和能夠為此提供的支援，選擇在業務需求方面能滿足自身條件、同時具備技術領先性的供應商進行業務型CDP的建設和長期運營。

一般來說，企業選型過程中，對供應商的評估分為解決方案以及商務兩個部分。其中，如何從解決方案視角來甄選合適的供應商，本白皮書的結尾將給出一些建議。

業務型CDP成熟度由使用者價值、業務應用、資料基礎三個維度共同決定，因此企業進行業務型CDP選型也可以從成熟度評估模型的三個維度出發，對比評估各廠商的業務型CDP解決方案優劣。

圖 23：   業務型CDP選型參考

首先，使用者價值維度的成熟度主要由企業使用者資料應用程度決定，而使用者資料應用程度取決於標籤能力。因此業務型CDP廠商在使用者價值維度的能力主要取決於其解決方案建設思路：能否從模型標籤驅動業務應用落地角度出發。從湖倉一體化技術架構體系來看，GDM是模型標籤體系搭建和運營的必要保障，因此能否基於GDM進行營銷要素資料化並沉澱行業/領域通用標籤模型，是判斷廠商能力的最重要因素。

其次，業務應用維度的能力主要體現在數字化營銷等業務應用場景理解方面。具備MA等數字化營銷業務應用場景實現能力的廠商，能夠從資料-業務一體化視角進行標籤模型和業務型CDP的建設，具備很強的優勢。

最後，資料基礎維度的能力則體現在業務型CDP的關鍵能力方面：一是以使用者為中心的全要素、實時性資料處理；二是湖倉一體化架構下的GDM（統一資料模型）實現；三是在基於GDM的模型標籤沉澱。

6. 結語

近年來，消費者生活及工作的線上化習慣使得企業加快數字化步伐。而新冠疫情無疑加速和催化了數字化的進一步發展，數字化成為企業普遍的戰略重點。對營銷領域而言，公域流量雖然廣闊，但成本高企、已然紅海一片，高可控、低成本的私域也已進入下半場，資料驅動增長，越來越成為業界共識。

CDP作為品牌商營銷工作的中心樞紐，透過全渠道、全場景資料採集、治理，在安全合規的前提下，將品牌商的使用者資料最大程度地資產化、標籤化，幫助企業構建數字化廣告投放及使用者運營體系，最大化的釋放品牌商私域使用者全生命週期價值，引領品牌商營銷、使用者運營體系走向自動化、智慧化。尤其是兼顧業務場景、技術能力和易用性的業務型CDP，將有助於最大程度啟用品牌商的營銷及使用者運營能力，為企業公私域高效聯動提供強有力支撐。

我們相信，未來，CDP尤其是業務型CDP將擁有更為強大的資料整合、合規、智慧化能力，透過深挖資料價值與潛能，系統化地對品牌商的營銷和使用者運營進行深度賦能，助力品牌商實現持續穩定的業績增長。

主創團隊

張揚 

愛分析聯合創始人&首席分析師

李喆

愛分析合夥人&首席分析師

姜凱燕

愛分析高階分析

文鴻偉

愛分析高階分析師

外部專家

劉金硯 Convertlab市場VP

李徵  Convertlab聯合創始人兼CTO