企业级CDP实操指南.pdf

1 2 推荐序 过去的五年，GrowingIO 在向市场布道和践行“数据驱动增长”的理念过程中，见证了众多客户跨越数字鸿沟的里程碑，也深刻感受到了数字化给企业带来的变革。从 2017 年开始，越来越多的传统企业开始摒弃以营收为核心的经营理念，转而落地以用户为核心的经营理念。数据驱动的用户精细化运营，则是落地以用户为核心经营理念的前提条件。基于我们服务上千家客户的经验，阻碍客户实现上述业务目标的主要挑战有两个方面：一、以用户为中心的数据无法打通 我们调研了 200 多家客户，能够打通各应用平台、业务系统之间底层数据，构建以用户为中心数据平台的客户不足 15%。而这 15%还主要集中在以技术能力见长的互联网企业。很多营收超百亿的传统企业都没有能力构建这样的数据增长体系。二、数据应用能力的匮乏 企业数据资产的采集、处理和沉淀是需要花费大量成本的。当我们完成用户相关的数据资产积累之后，如何挖掘其中的数据价值，支撑精细化运营、帮助企业提升客户满意度以及驱动业务增长，是很多企业在数据应用阶段面临的瓶颈。3 GrowingIO 从 2019 年开始筹备 CDP（客户数据平台）产品，并构建了以 CDP 为核心数据支撑的增长平台产品矩阵。至今，已成功实施近百家客户，获得了良好反馈。我们将如何建设 CDP、如何通过 CDP 赋能业务增长的经验总结于此书，以飨读者。希望能帮助更多客户、更多企业应对数字化升级过程中的困难和挑战。GrowingIO 企业事业部总经理 徐主峰 4 您的企业是否需要 CDP？企业 CDP 建设自测表，每个问题有 3 种答案供您选择。问题 A 选项 B 选项 C 选项 您 的 企 业 拥 有 官网、App、H5、小程序等电子渠道的数量？0-2 个，但不是作为主要营销渠道 1-2 个，作为主要营销渠道 3 个及以上，作为主要营销渠道 电子渠道的开发方式？建站工具 外包产研团队 内部产研团队 不同电子渠道的用户账号是否打通？账号完全打通 部分系统账号打通 账号不能打通 目前您的企业可以采集到哪些数据？很少或几乎没有 交易、订单等业务数据 业务数据、行为数据、线下数据等 您的企业内部是否有大数据平台和团队？没有 有数据团队但是没有统一大数据平台 有统一、易用的数据平台和专业大数据团队 数据体系是否是公司 的 重 要 目 标 之一？不是 部门级别的目标 公司级目标，有高层领导推动 目前的数据应用情况如何？只有研发部门在看，业务部门不看数据 零散、单点的分析，能够通过数据发现业务中的问题，但是无法定位 具备一定体系化数 据 分 析 的 能力，能够定位业务中的薄弱环节 5 问题 A 选项 B 选项 C 选项 您的企业是否通过营销平台触达用户，希望针对不同用户进行精细化运营？几乎不触达用户，也没有精细化运营的计划 偶尔触达用户，暂无精细化运营计划 经常触达用户，希望进行精细化运营 企业在数据化方面的 投 入 规 模 有 多少？没预算或没有人力资源投入 有预算，能够提供部分人力资源投入 预算充足，能够提供专业团队 建成 CDP 之后，数据赋能的范围 研发/数据部门 研 发/数 据 部门、产品部门 包括营销部门在内的所有部门 量表说明：以 A=0，B=1，C=2 换分方式，看一看所得分数是多少。1、总分在 05 分 企业数据化水平有待提升，建议将提高公司内部数据意识和数据基础能力作为首要目标。2、总分在 610 分 具备了基础的数据能力，可以考虑建设 CDP 全面提升数据体系水平，但是过程中需要弥补的问题还比较多，要做好心理准备。3、总分在 11 分及以上 恭喜您，您的企业已经具备较好的数据基础和强烈的数据需求，相信搭建 CDP 之后，能够实现企业数字能力质的飞跃。7 目 录 1.带您了解 CDP 1 1.1 企业为什么需要 CDP 2 1.2 什么是 CDP 7 1.3 CDP 和 DMP、CRM、数据湖的异同 15 2.搭建企业 CDP 必须要了解的过程和挑战 18 2.1 CDP 的业务场景和价值 19 2.2 建设 CDP 的过程 25 2.3 建设 CDP 过程中的常见问题 35 3.CDP 如何驱动业务增长 46 3.1 零售行业：构建数据增长体系，多维度驱动业务升级 47 3.2 保险行业：构建标签和画像体系，助力企业数字化转型 56 3.3 运营商行业：搭建数据增长引擎，助力电子渠道建设 64 4.CDP 实践案例 75 4.1 蜜芽宝贝客户案例 76 4.2 招商仁和人寿客户案例 87 4.3 江西移动客户案例 94 4.4 蛮牛健康客户案例 100 GrowingIO CDP 解决方案 105 术语表 109 致谢 111|用数据驱动企业增长 1 CHAPTER 01 带您了解 CDP|用数据驱动企业增长 2 1.带您了解 CDP 1.1 企业为什么需要 CDP 从用户行为数据到客户数据平台 10 年前，企业与用户之间连接的手段和途径都非常单一。线下的零售门店商只需要一套门店管理系统便能基本解决用户管理的问题，线上的互联网企业也只需要通过网站便能有效触达用户。但随着移动互联网的发展，新兴的媒介形态不断涌现并迅速演进，企业与用户之间连接的渠道在不断地增加，企业所需的用户管理工具也在不断地增多。移动互联网时代用户场景碎片化 企业与用户之间连接的渠道经历了三个发展阶段，第一个阶段是从以线下门店为主的单一渠道连接；第二个阶段是以邮件、PC 网站等为主的多渠道连接；现在正处在第三个阶段，也就是以各种移动 App 为主的全渠道连接。如今，伴随移动互联网爆发而诞生的微信、抖音、淘宝、京东、今日头条、小红书等移动 App，都在不断地争夺用户注意力，抢占用户时间。用户行为轨迹也因此遍布各处，随之而来的便是分散在各处的用户数据。用户零散的线上、线下行为轨迹，以及多平台的流转，会无形中给单一用户赋予多个用户身份。“一人多机”的现象已经成为普遍状态，这也将为企业准确知晓用户身份、判断用户属性、描绘用户画像带来非常大的|用数据驱动企业增长 3 困难。以 GrowingIO 为例，假设某用户在直播工具上观看了增长公开课，然后去官网注册下载了电子书，然后又去金数据上填写了产品的试用表单，紧接着又通过微信搜索到 GrowingIO 的小程序准备体验，最后还在活动行上报名参加了 GrowingIO 增长沙龙。该用户通过各种渠道与企业接触并且留下了数据，如果不同渠道的数据是互相分散且割裂的，就会很容易造成数据分析的偏差。比如，SDR（Sales Development Representative，商机拓展代表）只能看到用户在金数据上填写的产品试用信息，而看不到后续该用户在其他渠道上的活跃数据，故 SDR 会很容易将该用户判断为一个低质量线索。但市场人员由于能看到该用户既报名了增长公开课，又在官网上下载了几本电子书留下了大量的用户行为数据，还报名了增长沙龙，故市场人员会更倾向于将其判断为一个高质量线索。在数据割裂的情况下，即使各部门根据正确且常规的判断方法，也会对同一用户给出不同的标签。分散的数据不仅会增加业务的复杂程度，还会降低部门间的协作效率，更为严重的是这种情况还会随着用户连接渠道愈发多元化、以及数据的不断积累反复出现。这也是为什么我们有时候会遇到在同一家企业的不同产品上，出现错写用户名字、算错用户积分、自动填充错误地址以及在各移动终端向同一用户推送不同的产品广告等情况。不互通的数据让消费者在各个系统账号|用数据驱动企业增长 4 中被识别为不同的用户，不仅会阻碍企业的协作流程，还会为客户服务体验带来困扰。IBM 预计每年要为不良数据花费 3 万亿美元，达美航空更是因为错误数据致使数百个航班取消，直接造成 1.5 亿美元的损失。企业内多部门、多工具形成数据孤岛 随着企业与用户之间连接渠道的多元化发展，企业内各部门管理用户数据的工具也在不断攀升。过去，理发店只需要通过 Excel（甚至是一个账本），就能有效管理用户的发型偏好、消费水平、理发频次等用户数据，完成用户管理。如今，为了多渠道连接用户，迎合用户偏好，小小的理发店也会推出公众号、小程序、App、H5 等入口，通过优惠活动、分享免单等方式获取和运营用户，管理用户数据的工具也从 Excel 拓展到了更多。图 1-1 以全球的 Martech 市场为例，根据 Scott Brinker 在官网上发布的全球|用数据驱动企业增长 5 营销技术全景图展示的公司数量进行统计（图 1-1所示），2011 年仅有 150 家营销技术公司，2016 年达到 3500 家，截止 2019 年已经达到了 7040 家，未来数量还将进一步增加。这还仅仅是以营销技术为代表的相关工具，企业在实际运作过程中，各个部门还会应用到其他各种工具，例如：销售部门：纷享销客、销售易、Salesforce 等 CRM 工具 客服部门：智齿客服、网易七鱼、Udesk 等客服系统 市场部门：微吼直播、小鹅通、目睹等直播工具 产品部门：GrowingIO、Google Analytics、Segment 等数据分析工具 运营部门：GrowingIO、甲骨文、Hubspot 等营销自动化工具 据市场公开数据统计，企业平均需要使用 12-15 个工具辅助部门工作，像 GrowingIO 使用的用于处理客户和业务关系的相关工具就有 11 个。作为一家 B2B 企业，内部使用的工具都能如此之多，可以想像用户数量更多、用户来源更复杂的 B2C 企业将会更多。工具的出现，虽然在很大程度上提升了各个部门的效率，但是为部门间的数据流动铸造了壁垒，使得企业与用户之间的关系变得更加复杂。在多部门、多工具的情况下，用户数据被分割在不同的系统中，例如，网站、App、小程序上的用户行为数据存储在 GrowingIO 的系统中，直播报名的用户数据存储在目睹的系统中，交易数据存储在离线数据库中。如果这些系统之间的数据没有互相打通，那么在任何一个系统中的用户数据都很有|用数据驱动企业增长 6 可能是片面的、模糊的。用户场景碎片化，企业内多部门、多工具形成数据孤岛，是目前很多企业践行数据驱动增长时面临的一大难题。对于已经线上化的企业而言，阻挡数据驱动增长的障碍不是缺失用户连接渠道、也不是缺乏用户数据，而是缺少整合、处理和打通多个来源用户数据并以唯一客户视角呈现的 CDP。CDP 几乎占据了企业数据链条上的所有关键节点，能够将企业内各个部门使用的工具进行数据打通，并将用户散落在线上、线下的所有数据进行整合、处理，全部集中在一个平台上，得到更全面、更精准、更有价值的数据。如此强大的 CDP 不仅能帮助我们提升获客 ROI、改善用户体验、更好地实现精细化运营、得到更深入的用户洞察，还能实现很多极富想象力的场景，例如，通过构建用户购买倾向性模型，对存量用户进行针对性触达；结合机器学习对用户特征进行挖掘，找到更多潜客等。|用数据驱动企业增长 7 1.2 什么是 CDP 1.2.1 CDP 的三种类型 作为新兴概念，每个人都在摸索并试图解释 CDP 是什么。然而解读 CDP 就有如盲人摸象，由于使用者通常只能看到 CDP 在某一应用场景上的一小部分功能，导致不同的人会得到不同结论。营销人员可能认为 CDP 就是用户标签和用户画像，产品经理可能认为 CDP 就是私有化部署的 UBA，数据分析师可能又有不同的想法。这些理解都没有错，但不全对，因为它们只是 CDP 的某种应用。关于 CDP 的定义，我们不得不提到 David Raab，他在 2013 年首次提出了 CDP 的概念，并将其定义为：CDP 的目标是汇集所有客户数据并将数据存储在统一的、可多部门访问的数据平台中，让企业各个部门都可以轻松使用。作为数据聚合平台，与其他工具相结合是 CDP 的一大特征，CDP 能够结合数据分析、A/B 测试、营销自动化等众多工具，发挥更大的作用。据统计，在美国有 83.6%的企业将 CDP 与数据分析相结合，有效整合多渠道数据，输出各部门所需的数据报表，为决策提供更为准确的数据依据；有 41.5%的企业将 CDP 与营销自动化工具相结合，通过更深入的用户洞察开展数字化营销活动；还有 31.6%的企业将 CDP 用于广告投放的管理与评估，通过监测用户全生命周期的数据表现，提升广告投放 ROI。|用数据驱动企业增长 8 图 1-2 ：客户数据平台（CDP）的分类 总的来说，CDP 可以分成三种类型：数据型 CDP 数据型 CDP 只具备 CDP 必须具备的核心组件，即唯一的用户 ID 数据。数据型 CDP 能够跨多个来源收集数据，并迅速将之存储在各个数据孤岛外的统一平台上，然后对数据进行整合、处理和打通，让每个用户都拥有唯一 ID 的同时提供完善的 360 度单一用户画像。数据型 CDP 仍然可以自动从脱机和联机源收集数据，无需任何手动输入，非常适合已经具备多个数据分析、营销自动化、CRM 等工具且有成熟解决方案，但希望获得单一用户视图的企业。分析型 CDP 数据型 CDP 向前迈一步便是分析型 CDP。分析型 CDP 能提供更强大的数据可视化功能以及预定义的报告，帮助我们进一步分析所有数据并更好地了解用户行为。先进的数据可视化还能联通企业内各个部门，共享数|用数据驱动企业增长 9 据洞察。产品部门、市场部门、运营部门、销售部门等各部门都能充分分析和应用用户数据，为工作提供帮助。分析型 CDP 还能提供预测功能，为用户即将发生的任何问题提供预警，并自动监视用户输入数据和用户偏好的任何变化。不仅如此，分析型 CDP 还包括某种类型的机器学习组件，以使我们能够实时地处理用户行为数据，从而更好地优化用户生命旅程。综合型（数据+分析+营销）CDP 综合型 CDP 包含数据型 CDP 和分析型 CDP 的所有功能，此外，还具有跨渠道营销的功能，能够根据历史用户数据和用户行为预测，自动化为每个用户在每个渠道提供量身定制的内容推送或者营销活动。例如，我们可以先通过历史用户数据区分用户，为不同的用户个性化推荐产品、展示广告，然后再通过用户点击、购买等行为产生的实时数据进行用户行为预测，不断优化和调整策略来影响用户生命旅程中的用户行为，最终达到提升转化率、购买率等结果。1.2.2 CDP 的 4 大原则 作为消费者，你一定能够感受到大量企业努力将用户引流到自己的 App。表面上，源自企业对于私域流量和直连用户（DTC）的重视。而本质上，是掌握第一手用户数据对于企业的价值之大，“迫使”企业必须这样选择。想要掌握第一手用户数据，搭建企业 CDP 是绕不过的步骤。|用数据驱动企业增长 10 一个合格的 CDP 应当满足以下 4 大原则：客户视角原则 通过统一数据，CDP 可以将属于一个人的多个标识符连接在一起。它可以告诉你多个网站访问是来自一个消费者还是多个。因此，如果 Web 端获取电子邮件地址和Cookie ID，并且呼叫中心获取相同的电子邮件和电话号码，CDP 将识别所有这些标识符属于同一个人。数据统一原则 CDP 有能力快速对接企业内外部的各种数据源，包括广告投放、CRM、客服系统、网站、微信、App、大数据分析与 BI 等。只有数据流动起来，CDP 才能产生更大的价值。系统开放原则 CDP 可以将数据应用到每个营销渠道，不仅限于广告，还包括呼叫中心、微信、短信等。真正的 CDP 可以与现有工具，例如营销自动化工具、BI 或者第三方数据集成工具等无缝结合。并且可以从这些系统中结构化输入，同时将输出推送给这些系统。通过这种方式，CDP 支持营销人员对策略管理、市场分析和商业智能的需求。业务导向原则 业务人员可以自行决定需要什么数据源、如何对用户打标签、把数据|用数据驱动企业增长 11 传递到哪些平台等。CDP 应该极其易用，业务团队可以直接在 CDP 上进行操作，而不是依赖于数据部门。1.2.3 CDP 的结构 以上 4 大原则对 CDP 来说缺一不可。GrowingIO 在与众多企业沟通的过程中，见过太多企业自建的半成品 CDP，他们都是因为违背了以上原则中的一条或几条，最终失败转而求助于 GrowingIO。例如，功能完备的 CDP，但是没有适合业务人员独立操作的交互和界面，最终导致并没有改变数据部门手动处理标签和分群需求的本质。还有一些半自动的 CDP，在数据接入或导出上存在缺陷，最终不能满足企业的需求。图 1-3 ：GrowingIO 客户数据平台（CDP）这里通过 GrowingIO CDP 的结构（见图 1-3），来说明 CDP 具体是如何工作的。数据采集和存储|用数据驱动企业增长 12 顾名思义，既然是 CDP，那么对于用户数据的采集和存储就是基础。来自市场、销售、客服等部门的各类数据源中的用户数据，不管是实名数据还是匿名数据，都可以根据业务定义得到合并。ID mapping 这是最抽象的一步，在实际工作中，所有的数据都是零散的，且缺乏唯一的标识。ID mapping 的过程就是将这些零散得像拼图一样的数据，进行重新归类整理，并且以用户为唯一标识进行合并。用户分群和画像系统 业务人员无法直接应用用户数据，哪怕这些数据是经过清洗的。运营人员需要的是根据他们的需求筛选用户群体，或者了解用户的群体特征、找到运营工作的增长点。前文我们提到，CDP 必须服务于业务人员，所以强大且易用的用户分群和画像系统是 CDP 必备的功能。用户标签系统 我们在服务客户的过程中，常常听到运营人员提到打标签的需求。而多数人对于标签的具体含义却又模棱两可。本质上，标签体系是一种用户群体的划分方法，而标签是一个维度。比如说客单价就是一个标签，标签的数值可能是 10、100、200 等数值。在业务上，客单价这个标签可能就代表了用户的消费能力。|用数据驱动企业增长 13 标签并不能直接解决精细化运营的问题，因为它只是划分方法。那么如何对用户进行划分，实现怎么样的运营策略，我们常常建议用户结合业务模型具体问题具体分析。图 1-4：RFM 模型下的用户标签 例如，RFM 模型就是电商领域常用的一种业务模型。根据最近一次消费、消费频率和消费金额这三个指标对用户进行分层，而这个分层的实现就需要借助标签体系（见图1-4）。我们给用户打上这三个标签，然后根据我们的经验或者数据分析确定标签分层的数值，就能够把群体划分出来，进而通过运营手段即可落地具有针对性的运营策略，就实现了简单的精细化运营。关于如何使用标签体系，读者可以阅读专业内容进行学习，在这里只是阐述标签系统是 CDP 的重要组成部分。没有标签系统，那么 CDP|用数据驱动企业增长 14 的业务价值将会大大降低。数据应用 就像在 CDP 的概念中所强调的那样，CDP 是具备很强业务属性的，这也是 CDP 区别于传统数据仓库的特征。在组织中，数据通过一定的权限控制系统，就可以服务于不同业务部分，满足产品、运营、市场等人员的数据需求。CDP 作为数据基础平台，必须具备强大的数据对接能力，将这些“半成品”数据输出到 BI 系统、运营系统等，产生业务价值。我们服务的一个客户，甚至将 CDP 的数据导出到他们自己开发的可视化系统中，将数据大屏放在办公楼里，让所有人实时掌握随时关注核心业务数据。同时业务部门的工作也将会产生更多的数据重新输入到 CDP 之中，将数据的价值发挥到极致。|用数据驱动企业增长 15 1.3 CDP 和 DMP、CRM、数据湖的异同 CDP 并非有一套严格的标准和执行流程，而是一种概念。这很像近年来大火的“数据中台”，实践过程中各有各的标准，并不能做到完全统一。与此同时，CDP 时常与数据管理平台（DMP）、数据湖、数据仓库的概念相混淆，也会因为都是以客户视角而与 CRM 产生交集。CDP 在功能上会与这些概念产生交集，而又不是完全相同。CDP 数据湖 DMP CRM 使用者 业务部门 数据&研发 市场营销 销售&市场 目标 业务 场景 基于用户进行营销 存 储 所 有 数据，帮助企业数字化转型 基于第三方数据实现精准广告投放 针对用户触点，进行记录和分析 数据 类型 第一方数据 第一方数据 第三方数据为主 第一方数据 图 1-5：CDP 和 DMP、CRM、数据湖的异同|用数据驱动企业增长 16 1.3.1 CDP 与 DMP、数据湖、数据仓库 DMP（data-management-platform）：数据管理平台，乍一听与 CDP 极为相似，实际上二者也并非泾渭分明，在数据源、数据加工以及数据应用等方面具备一定的交集。DMP 主要汇集来自第三方的数据，基于是 cookie-based 模式，对预设受众进行精准的广告营销，主要为获客拉新提供支持 数据湖：以原始形式存储结构化和非结构化数据，永久保存，且不处理任何数据分析。数据仓库：将来自多个来源的结构化数据进行比较和分析。存放在数据仓库中的数据通常会针对特定目的进行清洗和整理，专注于数据分析和商业智能，因此 IT 人员和分析师是数据仓库的主要用户。CDP 与数据仓库、数据中台、DMP 等数据平台最核心的区别，CDP 是以用户数据为核心的，具有很强的业务属性，面向用户运营的场景。1.3.2 CDP 与 CRM CRM：CRM 系统管理您企业与客户和潜在客户的所有互动，帮助使用者洞悉客户关系。可以说，CRM 充当了与客户和潜在客户的接触点的记录系统。CDP 与 CRM 的区别在于，CRM 更关注单个用户的分析，CDP 关注用户的群体分析，如分群、标签画像、变化趋势等，从规模和能力来说|用数据驱动企业增长 17 CDP 是 CRM 的延伸。以上，就是 CDP 的相关概念。CDP 的定义并不难理解，但是它对组织内部数据状况的改变是颠覆性的。当每一个用户在不同场景、不同终端上产生的数据都能够准确汇总在唯一标识之下，将会支撑许多极具创造力的营销场景。当前环境下，企业的经营理念从以营收为核心，转变为以用户为核心，了解你的用户成了企业在竞争中脱颖而出的关键。这也是私域流量、直连用户模式（DTC）等概念火爆的原因。而 CDP 的属性，决定了它能够帮助企业积累、应用第一手用户数据，这也是实现直连用户、私域流量运营的关键数据基础。|用数据驱动企业增长 18 CHAPTER 02 搭建企业 CDP 必须要了解的过程和挑战|用数据驱动企业增长 19 2.搭建企业 CDP 必须要了解的 过程和挑战 2.1 CDP 的业务场景和价值 GrowingIO 在过往服务大中客户的过程中发现：企业的经营理念，正在由以营收为核心，转变为以用户为核心。而 CDP 最核心的特征之一便是基于用户进行数据的采集、汇总和处理。CDP 作为以用户为核心的数据平台，完美匹配了以用户为核心的经营理念和运营方式。既然 CDP 如此重要，那么是谁在使用和管理 CDP，应用场景和价值又是什么？2.1.1 CDP 面向的对象 谁来使用 CDP CDP 的使用者主要是以下三类：1.营销团队：通过 CDP，专注于获客和留存的营销团队可以对用户进行充分洞察，并开展更精准、更高效的营销动作。所以 CDP 的使用者一般是营销团队。2.数据团队：具备一定规模的企业，营销工作的分工也更加细致。往往在数据团队内部设有专业支撑营销工作的数据营销岗位。通过数据分|用数据驱动企业增长 20 析，为营销工作的执行和落地提供基于用户数据的策略和方案。3.数字营销外包团队：除了自有团队，外包团队同样可能是 CDP 的使用者。在 GrowingIO 服务的某大型运营商客户，CDP 的使用者就是数字营销的外包团队。他们的职责与数据团队负责的数字营销工作类似，需要帮助企业托管 CDP 以及数据报告工作。谁来管理 CDP 在 GrowingIO 的客户服务经验中，大约 50%的企业由数据部门管理 CDP，如蜜芽宝贝、蛮牛健康等。数据部门负责 CDP，会展现出很强的专业性，系统对接快、数据集成快。在需求上主要是作为企业内部数据体系的一部分来构建，注重 CDP 的开放能力。另外 50%则是由业务部门进行管理，如招商仁和人寿、安盛天平等。业务部门会将数据应用能力的建设，与 CDP 的建设同步进行。数据基础能力为数据应用能力服务，当期 CDP 不追求功能全面，而是更重视业务价值的展现。2.1.2 CDP 的业务场景 全球知名营销媒体 Campaign 在 2020 年发布的一份全球百位 CMO 调查显示:57%的关注品牌如何进行数字化转型；22%的认为欠缺数据和分析能力；|用数据驱动企业增长 21 13%认为在精准和个性化营销做得不足；10%认为在营销自动化还可以做得更好；9%希望可以更好地了解消费者生命周期。CDP 的价值绝不仅是将用户数据进行整合，而是能够在营销工作中创造出极具想象力的场景。例如，基于 CDP 构建用户购买倾向性模型，对存量用户进行针对性触达；结合机器学习对用户特征进行挖掘，找到更多潜客；通过多个平台进行投放，让用户看到一个完整的营销故事。如果没有 CDP 这些都是不能想象的。当然，这些玩法都是以 CDP 为基础，结合数据智能才能够实现，对于大多数首次尝试搭建 CDP 企业挑战比较大。以 GrowingIO 项目服务经验，结合中国企业发展现状来看，目前阶段 CDP 的应用场景主要分为对内和对外两个方面：CDP 对内的业务场景 CDP 对内的业务场景主要是用户数据的整合、处理、分析和应用。由于 CDP 具备很强的业务属性，所以 CDP 还需要满足数据的可视化、优秀的易用性（适合非技术人员）以及适当的权限控制（保障数据安全）。CDP 对外的业务场景 CDP 与 DMP、数据仓库等纯数据平台的核心区别便在于对外的业务|用数据驱动企业增长 22 场景。CDP 能够帮助营销体系下多个业务部门应用数据，提升业绩表现。获客 ROI 提升：以用户为中心的企业运营模式，决不能将用户简单地视为流量。在2019 中国新媒体营销价值专题报告中显示，超过七成用户认可新媒体平台营销广告，更是有 43.5%用户接受短视频广告。这说明用户并不反感营销行为，而是反感引起用户产生“心理抗拒”的营销行为。所以，占领用户心智的方式要更精准。基于 CDP 提供的标签数据，精准定向投放、并监控受众接受度不断优化，完成广告投放闭环，能够有效提高获客 ROI。用户体验提升：以 GrowingIO 服务的江西移动为例，目前运营商线上渠道的业务在整体营收中的比重正在变得越来越大。线上渠道可以进行业务办理、积分兑换、售后服务等多种业务，用户需求非常复杂。需要通过跨渠道全流程整合用户旅程，找到关键触点并优化用户体验，最终实现渠道价值的重塑。在这个过程中，CDP 可以将更多维度，更全面的用户数据应用于产品优化的工作中，实现数据全面监测，转化分析，驱动产品优化提升用户满意度。私域流量运营&用户精细化运营：除了线上渠道，企业也越来越重视私域流量的运营或用户的精细化运营。GrowingIO 服务的客户中，三只松鼠通过裂变活动两周涨粉 8 万；好好住通过预测模型将高价值用户筛选的准确度提升至 99.9%。这些都是通过数据驱动用户精细化运营的标杆案例。而这些案例的实现步骤正是基于 CDP 实现的分群、画像，进行千人|用数据驱动企业增长 23 千面营销推广、用户留存、召回，最终实现用户价值提升。2.1.3 CDP 的业务价值 虽然我们一直在讨论 CDP 的价值和重要性，但 CDP 本身并不是必须的。而是企业发展到某一阶段，为了突破瓶颈进行的选择。例如 GrowingIO 服务的蜜芽宝贝、招商仁和、江西移动等客户，他们在部署 CDP 之前，业务发展得很好，数据应用也有一定的基础。但是随着市场环境的变化，他们对于数据的要求变得更高，才需要引入 CDP。GrowingIO 在 CDP 这项业务上大多数服务的是来自零售、保险、运营商等行业的客户。相较于纯互联网用户，他们业务更多元，包含了线上线下很多触点，数据类型又包括了线上行为数据、线下行为数据、交易数据、用户信息数据等。只有将这些数据打通，才能够发挥数据的价值，否则所谓数据驱动只是隔靴搔痒。在这里，要特别强调一下 CDP 对用户行为数据的采集和分析。过去，传统行业往往只重视业务数据，而实际上业务数据只能占用户数据总量的 20%左右。这代表着有 80%的数据被忽略、被浪费了用户行为数据之所重要，原因有二：首先是随着用户触点的增加，用户行为数据量急剧增加，其中所蕴藏的业务价值也越来越大。其次，基于用户行为数据能够还原用户的路径和意图，对用户进行标签、分群等分析工作，指导企业进行数据预测、提高用户触达和运营效率。|用数据驱动企业增长 24 CDP 的业务价值主要是以下三点：多数据源集成、整合能力：在现代营销工作中，用户数据往往分散在多端、多触点，数据的类型也十分复杂。CDP 能够建立以用户为唯一视角的用户数据统一视图，对用户数据进行有效整合、处理和应用。分析洞察及用户研究：基于统一视图完成用户洞察、用户细分、用户研究、产品渠道洞察、营销时机洞察等，并制定策略；基于营销自动化的用户运营：用户分群、全渠道对接、营销活动管理、A/B 测试、活动策略、个性化推荐、营销风控策略、数据回流及效果分析来迭代营销活动效果。|用数据驱动企业增长 25 2.2 建设 CDP 的过程 构建 CDP 能够带来众多显而易见的好处，但是 CDP 的部署实施成本是非常高的。企业面临的经营问题是否可以通过 CDP 解决？如何合理控制 CDP 部署实施的步骤？我们基于 GrowingIO 的 CDP 服务经验，总结了 CDP 搭建过程的最佳实践，帮助大家对搭建 CDP 拉通基本认知。2.2.1 概念阶段 需求识别 要想启动 CDP 项目，首先要明确企业是否需要 CDP。这就是需求识别阶段我们要解决的问题收集整合企业上下对 CDP 的需求。这些需求可以是产品功能需求、业务流程需求、数据管理需求或者数据分析需求。通过对需求的收集归纳，论证搭建 CDP 的必要性。您可以参考电子书前面的自测表的问题，进行综合考量。CDP 不是万能的，在该阶段务必要明确企业的需求和目标是否能够通过 CDP 实现。可行性研究 假设在需求识别阶段确定了企业真的需要 CDP，那么下一步就是论证搭建 CDP 的可行性了。企业在可行性研究阶段主要任务是明确整个项目的建设依据、建设的必要性和建设的效益边界。看待这个问题需要回归到企|用数据驱动企业增长 26 业自身信息化系统的全局情况，整合当前存在的主要问题，并归拢整体业务需求框架，从而判断企业搭建 CDP 的可行性。可行性分析阶段一般会产出项目可行性研究报告，目的是通过具有逻辑性的文字正确地表达出企业在建设 CDP 项目上的建设条件和规范，清晰地描绘项目建设的利益相关方和建设内容，同时也可以对项目建设的成本、投资回报有初步的判定。在可行性分析阶段，要充分考虑企业的数据基础现状、梳理公司对于 CDP 的具体需求和定位、做好对项目风险的预判。本书在 2.3.1 节对可能影响项目进展的问题进行了汇总，以供参考。2.2.2 规划阶段 商务阶段 商务阶段的主要任务是确定双方合作的项目合同，并明确项目工作说明书（SOW）。商务阶段不仅存在于采购 CDP 的情况规范的自建 CDP 流程同样需要 SOW。项目工作说明书包括了项目背景、交付目标、功能需求、非功能需求、项目里程碑、项目管理方式和实施前提等约束内容，意义在于描述 CDP 建设项目的售卖/实施/交付边界，是对项目需求的总结和定义，是对项目利益、协作、实施相关方的明确和确定，是概念和规划阶段承上启下的必要产物。下图是 GrowingIO 提供的 SOW 目录示例。|用数据驱动企业增长 27 图 2-1：GrowingIO SOW 目录示例|用数据驱动企业增长 28 项目规划 项目规划阶段是项目启动的标志阶段，该阶段的主要任务是确定整个 CDP 建设项目的各项项目全过程管理计划，主要包括项目整体执行计划、成本执行计划、人员执行计划、风险执行计划、干系人管理计划等内容。项目规划阶段的意义在于明确项目实施的章程，明确项目的工作任务和实施责任人。是企业本身、GrowingIO 以及第三方在资源、工作、人员上的统筹和共识。确认解决方案 解决方案阶段的主要任务是对业务需求的调研和规划。前文提到的需求识别阶段，可以提出天马行空的各类需求，而解决方案阶段的需求都是基于项目范围内可解决的明确需求。GrowingIO 在解决方案阶段，主要提供 3 类解决方案：指标体系规划、标签体系规划和运营场景规划。1.指标体系规划工作是整个 CDP 项目实施的必要工作。通常由 GrowingIO 商业分析师根据 OSM+UJM 模型，对企业的 KPI、业务场景、业务流程等方面进行业务调研和规划分析。在充分理解企业的应用系统和业务流程的基础上，根据项目 SOW 中约定的交付目标，进行指标体系的设计，最终交付的是围绕企业 KPI、业务流程和产品而定制的指标方案和分析场景。|用数据驱动企业增长 29 2.标签体系规划工作是对指标体系方案的一种应用，通常标签体系的规划需要结合运营业务的需求同步开展。基础层面，标签体系的调研和规划是为了满足企业对于用户的人群划分、人群画像的需求；战略层面，标签体系的设计和规划，是企业精细化运营开展的前提。标签体系规划工作的最终产出通常是一组企业的用户标签群组。标签体系通常细分 2 到 3 层，可按业务线结构、产品功能结构、服务对象结构等维度进行拆分。下图是保险行业标签体系示意图。图 2-2：保险行业标签体系示意图 3.运营场景规划工作主要是调研和分析企业的运营需求，通常是基于 AARRR 模型引导企业正确地判断和定义业务的运营阶段。分析师会根据行业经验和企业的业务流程，为企业定制规划运营的活动内容、流程规则、|用数据驱动企业增长 30 人群定义以及触达方式等。指标、标签和运营方案的背后，都会规划出数据埋点方案。数据埋点方案是用户行为数据的采集标准，方案定义了数据标准，包括来源、事件维度、用户属性等。数据埋点方案是业务需求向技术实现进行转变的重要文件，是企业用户数据的重要标准文件。2.2.3 实施阶段 系统部署 系统部署阶段的主要任务是根据业务规划对 CDP 平台软件进行安装部署，同样可以拆分为需求调研、资源筹备、软件部署和系统测试几个环节。部署阶段的需求调研需要收集的信息主要包括业务规划需求（接入应用数、业务量、使用量等）、服务器硬件条件（CPU、存储类型、服务器类型）、服务器软件条件（操作系统、数据库、内核、分区和挂载）、网络条件（IP、域名、负载均衡、端口、子网及子网带宽、访问策略）乃至安全要求（安全合规要求、安全扫描机制、渗透测试要求）。业务规划需求是整个调研环节最重要的信息，企业必须清晰地规划 CDP 需要接入的应用类型和数量，并且对 CDP 在上线 1 个月、6 个月、12 个月等几个关键的时间点上的业务量规模要有预估。不同阶段的 DAU 表现、数据量表现都将直接关系到系统在硬件资源筹备阶段的数量预估和|用数据驱动企业增长 31 拓扑设计。通常情况下，对于百万级 DAU 的业务集群，通过自动化部署脚本通常只需要数小时就能完成全部的部署和功能测试。系统集成 现在的企业不缺数据，缺乏的是对数据的整合、处理和分析能力。而 CDP 恰恰是满足企业的这方面需求。做好数据集成，保障数据质量，才能为营销工作提供干净可用的数据。系统集成阶段的主要任务是与项目范围内规划的各个数据源进行对接，并完成 CDP 与各个系统应用的联通，或第三方数据平台数据接口的集成。GrowingIO 的系统集成大致有三类：SDK 集成、Webhook 通道对接和 API 接口对接。SDK 集成是标准产品提供的集成能力，主要通过 APP SDK、JS SDK、JAVA SDK 对客户端和服务端的用户数据进行采集。同时也能通过对应 SDK 在运营场景中对用户进行弹窗和资源位的触达。Webhook 通道对接 主要 是智能 运营 能力 的集成 对接，通过 Webhook 接口能力可以向第三方触达（短信平台、Push 通道）传递运营动作。API 接口对接则是 CDP 平台和其他第三方数据系统的主要数据交互方式，通过 API 接口可以向 CDP 输入用户数据、标签数据等原始