图片来自“123RF”
前不久，Gartner发布了最新的数字营销和广告宣传周期报告，显示客户数据中台（CDP）可能改变营销人员对技术生态系统的运行方式。这一观点将CDP推向了数字化营销的浪潮之巅，不少企业都希望能采购一个CDP来实现营销效果的升华。
如此硬核的安利，需要搭配一篇全面的价值盘点。今天，带您盘一盘，一个好的CDP应该满足哪些价值点，以及企业在购置CDP时该如何评估其功能特性。
对接的全面性
CDP最重要是对接的全面性，需要拥有跨类别 (分析、广告、微信体系、CRM等) 的广泛集成目录，并且拥有快速接入企业自建CRM等系统的能力。
为什么这很重要？
在选择CDP的时候，您必须考虑到未来业务的扩展性。没有人可以预测明年会有什么样的数字运营趋势和需求。但是CDP对任何一个企业来说都是一项比较严肃的投资，因为它可能会成为企业未来的数据底盘。现在有很多所谓的CDP提供了扩展性比较差的接口，他们也许可以满足一时的需求，但是没有办法满足未来的扩展。
如何评估？
需要对接多少系统才能被称之为全面？只要确保您的CDP能够从各类第一方数据平台中取得数据即可，比如：
H5/网页追踪：网页埋点或者其它类似的工具，可以捕获客户在网页上的行为轨迹；
手机App与微信小程序：能够在手机或者小程序App中嵌入SDK，从而可以获得第一手的信息；
电商平台：可以快速与京东、小红书等电商系统对接，获得订单等信息；
广告平台：可以和主流的广告平台，比如腾讯广点通、今日头条等对接，实时获得广告投放信息；
客服、CRM、ERP等后端应用：可以通过API调用方式，或者服务器端SDK，将关键的客户数据传输过去，也可以和主流的SAP、Salesforce等系统直接对接；
标签系统：很多企业有专门系统做标签体系，可以通过API，将CDP收集的数据传输到标签系统，也可以让两个系统之间的标签进行同步；
分析报表与AI：可以给公司已经购买的BI报表分析系统或者推荐引擎等AI系统连接，提供更好的数据基础；
数据仓库（数据中台）：如果企业已经有了数据仓库，可以提供更多的数据源给企业。
灵活的数据分发能力
CDP是数据中心，是连接各类数据工具的枢纽，它能够收集到各类数据，并在需要这些数据的工具中迅速激活。
为什么这很重要？
由于现在业务的需求变化实在太快，业务团队不可能像以前那样等待几天甚至几周的开发排期才能用到他们需要的数据，这种数据的快速激活和切换能力是非常关键的。
所以说CDP的核心竞争力之一是可以像水龙头一样快速开关这些数据流，设置完成后，业务人员可以直接在CDP上简单地修改数据流动的路径和业务逻辑。每个单一系统，在对接了CDP后，不需要再对接任何其它系统。
如何评估？
在评估 CDP 时，数据分发的易用性与对接的全面性一样重要，因此需确保 CDP能够提供以下内容：
有一个低代码的界面，这可以帮助业务人员自行编辑数据流转逻辑，而不用更改代码就可以打开、关闭数据源，并且通过过滤器决定什么样的数据要转移到哪些系统；
每个集成都有一个简短的设置流程和全面的文档，因此您可以更快地启动和运行新工具；
跨不同类别 (分析、广告、微信体系、CRM等) 的广泛集成目录，并且拥有快速接入企业自建的CRM等系统的能力。
精确的画像整合能力
CDP应以客户为中心, 提供每个客户在企业所有触点上的统一视图。这意味着它可以将不同渠道的客户数据准确地归一成一个完整的客户画像，这些客户画像的数据应具有高度准确性，以便在app、电子邮件、广告和推送通知的其他渠道传递中提供量身定制的沟通内容。
为什么这很重要？
因为您需要一个统一的客户档案来了解整个客户旅程, 并提供个性化的客户互动。如果您的 CDP 匹配 “模糊”数据, 您只能发送广告, 而不是基于客户画像的个性化电子邮件或推送通知。但实际上，当您通过这些渠道与客户进行沟通时, 他们希望您能准确地了解他们与企业的过往互动记录。
如何评估？
CDP需具备自动统一客户数据的能力，比如：
将各个数据源的数据结构统一：例如Web、移动、微信、服务器应用等都有不同的技术手段做统一，这些技术手段需要被内置在CDP中；
历史数据有序存储：不仅仅存储实名用户数据，还存储匿名用户数据，使您的用户事件数据可以跟随时间推移而变得更加完整；
确定性匹配以实现更精确的统一 (概率匹配可能不太可靠)；
能够用API调用的方式来访问客户信息并提供个性化互动场景。
灵活的标签能力
CDP有一项独一无二的能力，它可以通过企业收集的所有客户数据（包括订单数据和外部的行为埋点数据等）来创建用户标签，使企业可以轻松地在广告投放网络、营销工具和自建的app中激活这些用户群体。
为什么这很重要？
如果没有集中式的用户管理, 大多数营销团队不会更新客户标签、在广告费用上超支、发送不相关的电子邮件。如果您想给用户提供一对一的个性化体验，请确保您的 CDP 可以将客户的原始数据转译成客户标签及下一步应该对客户采取行动。
如何评估？
如果您计划使用 CDP 创建用户标签, 则需要评估如下能力：
有允许您根据用户属性、行为轨迹来创建和管理用户标签的界面：行为数据最好是可以细化到细分属性，比如问卷表单提交了几次；
能够使用自定义属性丰富用户画像，从而实现一对一个性化设置；
可让您激活受众进行跨渠道个性化设置；
基于历史数据计算分组的能力。
跨部门协作场景以及场景模板
跨部门协作的场景是CDP的核心价值。不要认为CDP只是市场部门使用的系统，相反，CDP可以为不同部门提供价值。有时候场景会比较复杂，需要一套场景模板将之固化下来。
为什么这很重要？
让我们来看下CDP可以支持的跨部门协作场景：
市场部门
通过线索打分和线索孵化等营销自动化场景，加深对客户的理解；
打通销售和市场的部门边界，将市场收集的客户行为事件和标签传导给销售使用的CRM，让销售及时获得客户关键信息（比如将产品加入购物车但是没有购买）。
产品、运营部门
通过多种渠道（比如微信、表单工具）收集客户反馈并且传输到产品常用的项目管理工具中（如Jira）；
消息推送的A/B测试；
只需要一个统一的SDK来进行埋点，然后将采集到的数据传输到各类系统中去，而不是像以前一样，各个应用场景或者分析软件需要不同的埋点SDK。而且，通过减少SDK的数量，可以提升页面性能。
客户成功部门（客服、售后等）
与销售CRM中积累的客户数据进行实时同步，保证售前和售后部门的信息一致性；
通过监测客户的网上行为，及早发现客户可能流失的信号（比如取关微信或者减少登录次数）。
数据分析部门
更快地接入各类数据源，从而更快对各类业务的报表需求做出更快的反应；
通过更多的客户数据，对整个客户旅程进行有效的分析；
制作各类高级分析功能，比如漏斗报表、灵活的事件分析、路径分析、ROI分析、用户LTV预测等。
如何评估？
CDP必须具备如下能力：
能够将数据分发到不同部门的主要系统中，使用者不需要放弃自己原本已经熟悉的工具界面；
对跨部门的场景有非常好的支持，让跨部门协作更通畅。最好是有模版功能，可以将常用的跨部门协作流程固化下来；
有比较好的文档或者模板库，帮助企业更快地借鉴其它公司的成功经验，加速CDP的实施落地。
系统可靠性
请确保您的 CDP 提供的是经过战斗测试的可靠功能。在 CDP 上投资是很谨慎的，不仅是因为它将长期使用，更重要的是CDP需要随着公司的发展而增强。
作为用户数据的枢纽，CDP的系统可靠性必须是久经考验的。合格的CDP对并发性、可用性的要求必须是苛刻的。
但这点恰恰对自建CDP系统而言是最难的，因为任何支持大数据量、大并发的系统都不是凭空想象出来的，而是通过真实客户数据的测试不断提升优化达成的。如果没有大量的真实客户案例，是没办法做一个企业级的CDP系统的。
为什么这很重要？
作为用户数据的基础，CDP是一项长期投资。即使您现在的体量还未成气候，但也必须考虑到未来业务的发展，将来企业发展到一定规模了，必须确保数据的准时送达和准确性。如果选用了一款架构比较差的CDP，那么未来就必须考虑升级的难度。
如何评估？
可以从这几个点来衡量CDP:
支持持续突发流量的可靠记录（比如有过支持一键同步微信上几千万粉丝）；
优秀的容错机制, 当网络不稳定时，可以保证数据是完整的，不会丢失数据。
严苛的安全指标
用户数据是企业的核心资产。如果存储不安全的话，那么反而会成为一个负债，所以CDP必须有非常高的安全性。
但这对一般的企业来说是非常困难的一件事情。姑且不论各种纷繁复杂的安全规则，有时候内部员工离职都会导致用户数据在不知不觉的情况下丢失。
为什么这很重要？
用户数据泄漏会导致严重的法律和财务风险。更重要的是，用户会觉得企业没有保护他们的隐私，会摧毁用户对企业的信任。
如何评估？
可以从这几个点来评估CDP的安全性：
在整个网络中（包括前端代码埋点）传输的数据是安全的、加密的；
经常会进行安全自检，并且拥有一些国际通行的安全认证；
支持私有化部署。
原始数据可以随时随地被访问
CDP可以让您非常方便、随时随地访问您的原始数据，而且任何部门都可以通过使用这些原始数据而获益。
为什么这很重要？
通过CDP收集的第一方、第二方数据可以被认为是一种数据货币，而积累原始数据的过程就是一个存钱的过程。通过经营原始数据，企业可以打造自己的数据银行。
原始数据常常在高级的市场标签功能或者分析功能中被使用，也常常被机器学习等AI应用使用，有非常广泛的应用价值。但要产生价值的前提条件是，这些原材料可以方便被需要的人使用。
如何评估？
基础数据的集成：比如Webhook的集成，通过这些功能可以快速基于原始用户数据构建内部系统；
数据仓库集成：比如SQL Server、MySQL、Hadoop等，有一个可扩展的数据结构，可以非常好地支持分析等应用；
可以对数据进行增量和全量的更新，并且指定刷新数据的频率。
本文系投稿稿件，作者：linkflow；转载请注明作者姓名和“来源：智能网”；文章内容系作者个人观点，不代表智能网对观点赞同或支持。
