文|傅强

编辑|sunshine

 

数字化浪潮中，企业已经学会利用数据驱动营销、做决策， 但随着企业收集的数据越来越多，充分管理、利用数据越来越困难，营销活动变得低效。客户数据中台（CDP）的出现，打破了这种僵局，顺利成为数字化转型的“顶梁柱”！

 

“再不搞CDP就被时代抛弃了！” 九枝兰合伙人兼CTO傅强讲到，“我在电商领域做了十几年，作为一名资深的电商技术人员，在当当网工作9年，我带领团队从最初的简单框架一步步做大做强。但在电商的实际应用中，从来没有一个实实在在的产品叫CDP，电商“CDP概念”早已内化到各个业务线，也就是说实际中会在各个应用场景定制化。”

 

傅强深耕大数据领域10年，曾是当当网最年轻的技术VP，是国内大数据领域领军人物之一，这次在CMO俱乐部带来CDP直播分享，下面是分享内容。

 

“要了解现在，必须了解过去，今天，我带大家了解CDP是如何一步步发展成数字化营销顶梁柱的。”

 

一、背景

▲CMO们的焦虑

2018年，谁会料到这是经济新常态的开始？2019年，谁会料到中美贸易战？2020年，谁会料到席卷全球的疫情竟然触发全球经济下滑？业绩要求只增不减，市场预算只减不增，新的增长如何获得？

 

▲靠媒体方面的增长么？

1. 传统媒体流量红利消失殆尽，指望不上

2. 社交媒体裂变、抖音快手需要创意大脑，短期无非复制

3. 头条搜索、OV厂商信息流虽好，但流量盘子小不足以拉动整个大盘增长

 

▲从内部转化找增长么？

基于用户行为分析，持续优化APP交互，提升流量转化效率，理论上可以。但是以上工作是CTO的工作地盘。坊间传闻的Martech、CDP等营销技术似乎是救命稻草。

 

二、被动的CDP思维，“再不搞CDP就被时代抛弃了！”

 

• 困惑1：面对各有特色的CDP厂商， “数字化”如何选项？
• 困惑2：我们有了CDP/DMP，用在哪呢？
• 困惑3：谁敢拍胸脯说“数字化”投入百万，一定可以拉动“营销”效果1个亿？

 三、探秘：电商领域深度挖掘用户数据价值的场景

1、2008年之前的电商

大部分只有用户信息和订单，很像现在的CRM；用户画像、用户分群、用户标签是基于购买的 RFM ->RFMPDC；用短信、邮件、促销券、礼券等进行二次营销触达。

 

推荐系统：买了又买，2007@当当

当年的“大”数据是1000万顾客购买行为 x 2000万订单 x 100万商品，算法基于统计学。

 

 

但是出现以下问题：

 

l 对于运营人员来说，基于RFMPDC做的各种人群促销，效果到底如何？对于技术人员来说，看了和点击了“推荐商品”而最后下单的用户到底有多少？“推荐系统”到底为电商贡献了多少GMV？每个被购买的商品，不知道到底是从电商的“站内搜索”、“个性化推荐”、“大促活动”来的？

l 当年的数据系统只保存了用户下单行为，而没有保存用户的网站访问行为。因为用户的网站访问行为，是下订单行为的近百倍：来源、IP、cookies、站内搜索词、点击商品、点击推荐商品、加入购物车、看评论。

 

2、2009年-2010年的电商

两个原因促成当当网自主研发“用户行为分析”系统

• 硬件成本大幅下降

• 大数据技术门槛大幅降低，耳熟能详的Hadoop

有了大数据技术，解答了用户行为的数据分析问题：“推荐系统”到底为电商贡献了多少GMV。科技创造生产力：用户数据 x 算法的力量 x 大数据处理能力。在电商领域，用户行为数据和技术，可以赋能业务。

 

3、2011年-2014年的电商和O2O

众多电商崛起，拉新成本急剧上升。基于用户数据和营销效果追踪，电商市场部核心考核是各品类、新客成本。

深层来说，多渠道+深度转化追踪到订单、订单金额、出库、退换货；细致来说，不同品类各自算新客成本、商品毛利、毛利口径ABC。

后来DSP闪亮登场，广泛应用于电商的老客召回，服务越多的客户，因此DSP厂商获得的各家广告主的访客行为越来越丰富。

 

DSP也用于电商拉新，look-alike技术差不多就在这个时候出现。look-alike如何提升营销效果呢，各家厂商，各有奇招。

 

4、2015-2017年移动红利时代

营销自动化的升级，短信、邮件被屏蔽，开始用App-push、优惠券、浏览RFM/订单RFM 、用户分群和营销效果跟踪。

 

例如，九枝兰系统基于用户画像的明细，可以做很多列，很多行，能够按照标签随意筛选数据，筛选后将这些人群按照某些条件进行App-push或者其他操作。同时对接前后端数据，按分钟级导出报表，实现营销效果追踪。

 

机器学习技术，被广泛用于预测类的用户标签，怎么预测客户的购买力？比如将客户的购货地址和链家数据进行打通，预测LTV。

 

机器学习应用场景升级深度学习，大数据计算能力&算法框架再升级，用户标签的丰富度几何级数的提升。算法技术更新换代，用户标签的丰富度几何级数的提升。

 

5、2018、2019、2020，移动红利尽失，存量博弈时代

“用户增长”口号特别流行，因为都没增长了

• 电商领域的用户流量运营，已经精确到分钟级计算用户行为的流量运营

• 各行各业都不得不学学“用户行为分析、流量运营、用户增长”

 

 

再看电商拉新

• 全渠道全链路。启示：汽车之家的全媒体渠道的强管控.

 

 

举个例子，九枝兰为汽车之家定制了全渠道全链路的流量管控，将所有信息流、搜索引擎、应用市场、自然流量的数据打通对接，以及web、cps等第三方合作。不丢一个销售线索，不丢一个用户转化。

• Look-alike的技术提供方更倾向于超级媒体，不再是第三方了

动态创意1.0：曝光机会有限，唯有提点击率、提转化率

 

 

动态创意2.0：京东、淘宝、携程打通头条/百度信息流，精准创意召回的京条计划。

 

 

电商对CDP极致应用，探秘归来的小结

观点1：在电商领域，用户行为数据+技术，是可以赋能业务

观点2：技术红利，让各行各业借鉴电商领域的“CDP”经验的技术门槛低了很多

观点3：电商充分挖掘用户数据的价值，几乎到了极致，在每个不同场景的应用点都很精彩

 

九枝兰CDP功能亮点：

1、独有的全媒体、全渠道客户数据收集打通能力

从全媒体（所有的信息流、搜索引擎、应用市场、自媒体等）、全渠道（APP、小程序等）、智能设备的实时数据对接，再到订单系统、CRM 、线下门店等数据打通，帮助企业收集线上、线下所有的数据资源，精确追踪每一个线索的价值。

 

2、模型算法构建企业标签、用户分群，进行用户行为分析

根据集成的客户数据自动生成用户画像，进一步将客户分群形成用户标签（如生命周期标签、商品偏好标签等）营销时机标签，通过各种算法模型，构建更复杂的人群群组，及时洞察客户需求，把握转化时机进行个性化推荐。

 

3、通过全景数据仪表盘，进行多维度分析、业务洞察，辅助管理者决策和市场预测

打破数据孤岛，从营销-销售-售后-复购等环节，打造高效的用户管理体系，构建一体化的用户运营和服务体验，助力用户运营和业务增长。

 

4、数据安全与私有化部署

与 BAT 同步的数据安全管理及应用合规标准，并通过国家高级别的等保评估安全标准，确保数据安全和消费者隐私。

有大数据行业丰富的部署经验，同时灵活支持 SaaS 和私有化部署，稳定地为品牌主提供7*24小时服务保障，确保核心数据资产安全可靠，确保性能的前提下，硬件成本低。

 

 四、他山之石，如何借鉴？搭建CDP平台以提升营销效果的建议

 

重要结论：电商的CDP是业务概念，实际中会在各个应用场景定制化。

 

 

落地的思路和原则

• 坚决杜绝“PPT软件”！

• 从应用场景和价值倒推技术支持，CDP是过程指标，营销业务效果才是最终目的

• CDP可以是“业务概念”，落地技术方案因地制宜

 

落地的方法：贴身订制解决方案

• 客户更需要的是针对各营销场景，贴身订制的“营销技术”

• 也许强于“高大上的概念+未知的落地价值”的通用CDP解决方案

• 从业务价值点出发，进行定制化开发

• 定制化、定制化、还是定制化

 

五、互动问答：

1、对于CDP，我能不能先上一个模块？有先后顺序吗？

就要按照模块上，先后顺序取决于我们的业务，哪个业务点最痛最迫切就先上哪一个。

 

2、CDP可以进行私有化部署吗？

必须支持私有化部署

 

3、没有建立数据库的公司可以做数据库吗？

可以的，一个业务正常跑起来就需要做CDP，可以租个阿里云、百度云等等，这就有了服务器，数据库可以找第三方公司帮你做。

 

总结：

在各个行业的实际应用中，从来没有一个实实在在的产品叫CDP，其实“CDP概念”早已内化到各个业务线，九枝兰针对企业实际业务场景，进行贴身定制化的CDP部署，按照企业最迫切解决的业务点和营销场景逐步展开，一步步进行私有化部署，可以估算由此带来的业务价值，为每一块的营销业务效果负责，这种其实比“高大上的CDP概念+未知的落地价值”的通用CDP解决方案更实际有效。