CDP的体系化搭建：从应用架构角度认识CDP .docVIP

CDP的体系化搭建：从应用架构角度认识CDP 本文讲述了CDP的概念和架构，并按照【数据收集】→【数据预处理+建立映射关系】→【用户细分】→【数据应用】→【报表输出】的功能逻辑进行架构分析。 互联网行业各种新概念总是层出不穷。 其实依据CRM的定义：以客户为中心，运用通信技术进行市场营销、销售管理、客户关怀、服务和支持，通过提高客户忠诚度和保有率来提升企业的盈利的管理理念。 严格来说CDP也是属于CRM范畴的。但为了方便阐述，本文仍然将CDP与CRM区分开来，下文所描述的CRM也仅指狭义上的“营销型CRM”。 一、概念解释 CDP（Customer Data Platform）即客户数据中台，是通过收集并处理用户在第一方/第二方/第三方平台的数据，实现用户细分，进行精准的自动化营销和广告投放的系统。旨在挖掘开发潜在客户，以及维系老客并提升其价值。 【用户】包含已产生购买行为的用户，以及未产生购买行为的潜在用户； 【第一方平台】企业自有的网站/APP/小程序和CRM等； 【第二方平台】广告商和不限于社交/电商/资讯/视频等其他合作媒体； 【第三方平台】电信运营商等； 【数据】包含基本属性信息（姓名/电话/邮箱/地址/各平台账号等个人信息），以及行为数据（浏览/点赞/收藏/分享/购买等关键交互操作）。 二、架构分析 通过上面的定义，大家可以暂时将CDP粗略理解为一个数据分析平台。 其功能逻辑比较简单，可大致分为五步：【数据收集】→【数据预处理+建立映射关系】→【用户细分】→【数据应用】→【报表输出】。下文我也将按照这个功能逻辑进行架构分析。 1. 数据收集 对于自有的网站/APP/小程序中用户数据的收集，一般是采用埋点的方式；对于其他渠道（包含第一方平台的CRM系统，以及第二方和第三方平台）的用户数据的收集，则是通过数据接口等方式实现；如果企业有线下渠道，也可以接入CDP。 针对第一方平台的用户数据的收集很容易实现，但是第二方平台和第三方平台用户数据的获取具备难度。原因如下： 1）国家出于保护大众个人信息安全的考虑，在2017年左右出台了一些政策和法规，限制了用户数据交易市场倒买倒卖的乱象，目前精确到个体级别的用户数据交易市场已经萎缩；前用户数据交易平台（某堂和某云等）都纷纷进行了业务转型，着手去做大数据和云计算了； 2）第二方和第三方平台转为开始提供人群包数据，但人群包“能否提供用户在某平台上的行为信息”，这是不确定的。 我调研了抖音等平台，针对入驻平台的企业号，能获取的用户数据相当有限：只能获取统计型数据，完全不提供精确到具体用户的数据。详情请见下表（?代表提供，-代表不提供，？代表不确定）。 抖音平台用户数据梳理 所以实际情况就是：第二方/第三方平台数据获取难度大，第一方平台数据成为CDP搭建的重要数据来源。 但难度大并不代表不能获取，大型企业之间建立合作伙伴关系，以及企业与上下游建立伙伴关系，是可能获得合作伙伴平台的用户数据的，当然这必然是在合规的前提下。 各个平台用户数据收集后将被储存进数据仓库，构成了CDP的第一部分架构。 2. 数据预处理并建立映射关系 数据获取后并不能立即投入运用，各个平台的数据质量，数据格式一般存在较大差异。需要进行数据清洗和格式化预处理，筛选出高质量的、格式规范的数据。 然后依据某些特征信息（user ID/Cookie ID/IMEI/MAC地址/手机号等）将各个平台的账号归一到某一个真实用户名下（即建立各平台账号的映射关系），串联起他在各个平台的行为轨迹，这个交由CDP的ID引擎来完成。 完善相应板块后，架构图更新如下。 3. 用户细分 CDP收集并预处理了相关用户数据，但怎样进行用户细分？我们可以采用建模和打标签的方式来实现。 2.3.1 客户建模 客户建模实际上是基于CRM系统中经典的客户细分思路，大致包含以下几种模型。 基本模型：依据用户性别/年龄/地区/收入等基本属性维度进行的客户细分； RFM模型：依据最近一次消费（Recency） 、消费频率（Frequency)）和消费金额（Monetary）三个消费特征进行的用户细分； 生命周期模型：依据引导期/成长期/成熟期/衰退期（类比产品的生命周期）等时间维度进行用户细分； 价值模型：依据用户消费金额高低进行用户细分（通常消费额高的用户对企业来说意味着高价值）； 忠诚度模型：依据用户购买频次的多少进行用户细分（通常购买频次多的用户意味着对企业有高忠诚度）。 2.3.2 标签体系 所谓打标签即是基于用户数据（基本属性+行为数据）为用户建立特征属性说明。系统自动从标签库（当热也支持手动）选取标签与用户进行匹配，并以标签进行用户细分。常见的电商标签体系包含： 1）基本属性：依据用户性别/年龄/地区/收入等基本属性维度进行的客户细分（与客户建