客户数据平台（CDP）在数字化营销过程中起着核心驱动作用。本文讲述了CDP的定义、架构、用户标签的体系与生产以及CDP的价值，与大家分享！

客户数据平台（CDP）通过打通客户全渠道、全旅程触点数据，形成基于客户全旅程的数据链路；通过数据建模实现对客户的全方位洞察，并形成用户分层运营的策略，指导运营计划的精准实施。

在什么时间，什么渠道，针对什么人群，推送什么权益钩子，实现精准转化，最大化营销ROI。

一、CDP的定义

广义的CDP是一个营销系统，它统一企业来自营销或其他渠道的客户数据，以实现客户建模、优化客户体验的目标。

狭义的CDP是整合来自多个不同来源的数据，为客户洞察和交互提供数据支持。

二、CDP的架构

CDP基于轻量级的数据中台，主要包含源数据层、计算层、OneData（统一建模）、OneID（客户标签）、OneService（统一数据服务）、应用层。

1. 源数据层

主要包含客户一方、二方和三方数据。

• 一方数据主要指客户自有业务数据，如APP数据、线索数据、DMS（经销商管理系统）数据、销售助手数据等；
• 二方数据主要指公域广告投放回流数据和DMP相关数据；
• 三方数据主要是指主机厂外部合作的数据。

2. 计算层

主要基于阿里云的大数据平台Dataworks，包含数据集成、数据开发、数据运维、数据质量、数据安全等；底层计算引擎为Maxcompute和实时计算Flink；

3. OneData（统一建模）

主要基于维度建模理论进行数仓健身，进行ODS（源数据层）、DWD（明细数据层）、DWS（主题数据层）、ADS（应用数据层）数据分层。

主要包含会员、行为、消费、活动、客户、线索六大主题域数据模型。

4. OneID（客户标签）

通过ID-mapping生成客户归一ID，基于oneid进行客户标签萃取，形成10大类标签：人口属性、设备属性、位置属性、客户属性、会员属性、行为属性、活动属性、消费属性、内容属性和社交属性。

5. OneService（统一数据服务）

统一提供离线和实时数据服务，统一口径，统一出口，统一鉴权。

6. 应用层

主要包含客户洞察、客户360视图、人群细分和标签管理

• 客户洞察：主要为全旅程分析、RFM分析、人群分析等；
• 客户360视图：根据客户10大类属性100+标签形成客户360度画像；
• 人群细分：主要为人群圈选、人群组合、人群管理；
• 标签管理：主要为标签上下架、系统标签、分层标签。

3、CDP的用户标签体系

1. 按业务分类

共10大类：

• 人口属性
• 位置属性
• 设备属性
• 客户属性
• 会员属性
• 行为属性
• 消费属性
• 活动属性
• 内容属性
• 社交属性

2. 按照开发复杂度来分类

• 基础标签：不用做任何计算，直接赋值的标签，比如年龄、性别、学历等；
• 统计标签：需要进行简单的统计计算的标签，如近7天访问次数、近30天阅读次数等；
• 算法标签：统计机器学习算法进行模型训练输出的模型类标签，如线索评级、车型偏好等。

3. 按照数据源来分类

• 一方标签：主要以车企自有业务系统产生的业务数据来生产标签，比如用户中心主要加工用户基本信息相关标签，APP主要加工行为属性相关标签等；
• 二方标签：主要是将广告投放后产生投放数据、点击数据、效果数据进行标签化，将公域投放的数据和私域运营的数据打通；
• 三方标签：主要是外部合作的数据源进行标签化。一般外部主要是在合规情况下进行数据共享或者联合建模，以补充用户其他维度的标签来丰富用户滑行，以达到更精准转化的目的。

四、CDP用户标签怎么生产

根据开发复杂度划分的基础标签、统计标签和算法标签分别对应底层不同的技术架构，主要分为非算法类开发方式和算法类开发方式。

1. 非算法类开发方式：

主要利用大数据平台进行开发，包含数据集成、数仓建模、数据开发、聚合标签宽表、标签输出。

• 数据集成：主要是通过数据同步工具，将一方、二方和三方数据同步到大数据平台；
• 数仓建模：通过维度建模方法进行数仓分层建模，形成ODS、DWD、DWS、ADS层；
• 数据开发：根据标签的业务过程，拆解原子指标、计算方法（求和、平均）和修饰词（时间窗口），通过SQL脚本进行开发；
• 聚合标签宽表：各个维度标签进行聚合形成用户标签宽表；
• 标签输出：标签宽表输出后服务化，对外提供使用。

2. 算法类开发方式：

主要利用机器学习平台进行开发，包含业务理解、样本定义、数据准备、特征工程、模型训练、模型评估、模型部署；

• 业务理解：主要是定义模型要解决的业务问题，确定模型要达到的目标；
• 数据理解：系统的探索模型相关的源数据，结合业务梳理相关数据口径，形成对数据的全面认知；
• 数据准备：主要是数据EDA（探索性数据分析）工作，主要包含查看数据分布、缺失率分析等；
• 特征工程：特征工程指的是把原始数据转变为模型的训练数据的过程，它的目的就是获取更好的训练数据特征，使得机器学习模型逼近这个上限；
• 模型训练：根据相关算法使用样本进行模型训练，常用算法有分类（逻辑回归、决策数等）、聚类（kmeans、支持向量机）、xgboost等；
• 模型评估：主要是用相关指标来评估模型好坏，如精确率、召回率、AUC等；
• 模型部署：将模型服务化，通过输入需要的数据后直接输出模型结果。

五、CDP的价值

CDP围绕数字化营销的数字化，长期价值为多方化、资产化、智能化、安全化。

• 多方化：集成一方数据，打通二方数据，利用三方数据，通过一、二、三方数据扩展客户维度，形成对客户更加精准的洞察；
• 资产化：通过自动化的标签加工方式不断的将客户数据转化数据资产；
• 智能化：围绕数字化营销，利用机器学习算法不断沉淀相关营销模型以达到增长的目标，如AIPL模型、RFM模型、购车意愿模型、车型偏好模型等；
• 安全化：打造可信安全的客户数据平台是数字化营销中台的基石，通过数据加密、隐私计算、多方计算实现数据安全和隐私保护。

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！

数字化转型成为了不少企业的发展重点，而众多国内外车企也针对营销领域进行数字化转型，那么热度颇高车企数字化营销平台究竟是什么、又有什么要点呢？

一、什么是数字化营销

数字化的核心要素为：

1. 获取：针对某一个自然或社会现象来获取有关于它的信息
2. 表达：用某一种表达方式来表达所获得的信息
3. 存储：把表达好的信息存储在某一种物理媒体上
4. 传输：用某一种传送机制来传输信息
5. 处理：将信息通过计算来进行针对性的处理
6. 交付：将处理好的信息交付给端点来达到目的

根据杰罗姆·麦卡锡在《基础营销学》下的定义：营销是指某一组织为满足顾客而从事的一系列活动。

顾名思义，数字化营销是使用数字化通路来满足客户需求的一系列活动。整个营销活动可以分为以下几个步骤：

1. 洞察客户需求
2. 识别客户
3. 客户建立连接并触达客户

1. 与客户沟通与互动
2. 满足客户需求促成转化
3. 激励并放大客户价值

二、车企为什么需要数字化营销中台

数字化转型无疑已经成为企业未来几年的发展重点，转型是为了企业的创新增长和持久竞争力。数字化转型有助于企业提升生产效率、创造新产品和新服务，也有助于企业以全新商业模式拓展新的竞争领地。近些年，众多国内外车企已将“数字化转型”纳入战略规划，其中营销域的数字化转型已经纷纷展开，是什么导致企业营销数字化转型的加速，主要有以下五个趋势：

趋势一：从增量市场到存量市场——用户运营将成为营销重头戏

2018年中国乘用车销量出现近十年来首次下滑（如图1），标志着乘用车市场从增量时代进入存量时代，其主要原因是人口红利消失，产能过剩；经过某投资机构测算，未来5到10年全年汽车销量维持在2500万到3000万辆，且用户购车需求也从首购到增换购转移。

不同于增量时代横向扩张探索红利的打法，存量时代要求企业纵深发展和精耕细作。在此背景下，企业的营销目标和战略也发生了根本性的变化，从关注销量到关注市占率，从关注产品到关注用户。

图1  中国乘用车销量

趋势二：消费群体发生变化——用户洞察将必不可少

消费升级，数字化加速，生产和生活方式的变更改变着用户的行为方式，消费群体的变化主要体现在年龄结构的变化、消费观念的变化、消费诉求的变化、信息获取方式的变化。

1. 年龄结构的变化：中国乘用车消费者助力人群已经从60后、70后过渡到80后、90后、00后，其中80后有2.28亿，90后有1.74亿，00后有1.47亿；
2. 消费观念的变化：新消费群体是互联网原住民，习惯线上购物、线下体验的拥车体验；
3. 消费诉求的变化：新消费群体追求个性化、便捷、极致体验的需求满足感和身份认同、乐于分享的群体归属感，找到圈子也许会成为他们购车的主要原因之一；
4. 信息获取方式的变化：社交软件及短视频利用精准推荐，通过引起消费者情感共鸣，激发用户的社交扩散欲望、调动受众的参与度，实现信息找人而不是人找信息，直接影响消费者的决策路径。

趋势三：从垂媒到自建渠道——私域阵地将成为基础设施

近年来各垂媒线索枯竭、质量差，转化率低、获客成本增高，直接导致各大车企自建渠道，打造私域APP。垂媒渠道劣势：

1. 获客成本高：垂媒采买线索成本平均每条200～300元，转化率为5%左右，获客成本近1000元左右，达到车企极限；
2. 无法沉淀用户数据：线索通过垂媒经过线索系统直接分发到经销商，车企缺乏对用户数据的掌控；
3. 无法培育用户：线索以成交为目的，缺乏用户培育过程；
4. 共享公域线索池：多品牌共用一个公域线索池，容易出现资源争夺；

趋势四：从广告到交互——线上线下联动将成为新趋势

在网红店层出不穷的今天，越来越多的消费者爱上了“打卡”，线下的新颖活动，让汽车品牌走出了4S店和平面广告，融入到了更多消费场景，而线上线下联动将实现品牌与目标客户深度而有效的互动。在调查中也显示，有近50%的营销企业被访者认为线上线下联动将成为未来的发展趋势。

趋势五：从单向到多向——社交裂变将成为传播新途径

社交软件以及短视频等营销已不仅仅是品牌的单向传播，而是可以通过引起消费者情感共鸣，激发用户的社交扩散欲望、调动受众的参与度，未来通过营销企业更具创意的策划将实现品牌、内容、平台三方联动，创造更大的裂变效应。

结合这五大营销趋势，总结以下6大车企营销的痛点：

1. 客户洞察不足：数据孤岛，导致客户数据没有拉通，无法对客户形成全链路的洞察，进行精细化运营；
2. 增长乏力：需求放缓、经济下行，产能过剩，如何在存量市场抢占客户，提高市占率；
3. 获客成本增加：获客渠道单一，线索枯竭，质量差，转化率低，导致获客成本增高；
4. 缺乏精细化运营能力：运营动作缺乏体系化，比较零散，且没形成标准化的数据指标衡量运营效果；
5. 经销商赋能不足：品牌方对渠道联动营销赋能不足，未充分发挥渠道的裂变效应；
6. 数据对于决策支撑不足：缺乏体系化的指标体系和报表平台来支撑经营决策，未形成数据驱动业务的工作形式

三、车企数字化营销平台是什么

数字化营销中台利用先进的中台架构，采用轻量级的构建模式，形成基于业务中台和数据中台的轻量级双中台，同时基于双中台上结合4大业务场景打造4大前端运营平台，分别为客户运营平台、粉丝互动平台、营销推广平台和数据洞察平台。

1. 产品概述

基于轻量级双中台（业务中台和数据中台）构建的客户运营平台、粉丝互动平台、营销推广平台和数据洞察平台共同组成了整个车企的数字化营销中台，为客户提供全渠道、全旅程的个性化营销体验。

2. 产品架构

数字化营销中台由运营前台和轻量级双中台组成。

运营前台主要包含：客户运营、粉丝互动、营销推广、数据洞察四个部分；

轻量级双中台主要包含轻量级业务中台和轻量级数据中台，轻量级业务中台由泛会员、活动中心、内容中心、营销自动化组成，轻量级数据中台主要指客户数据平台（CDP），如下图所示。

（1）运营前台

1. 客户运营：客户运营主要提供人群运营、场景营销、客户洞察和客户管理等功能，实现客户的全渠道全生命周期的持续运营；
2. 粉丝互动：粉丝互动主要提供粉丝管理、互动管理、群发管理、授权管理等功能，通过接入新的互动媒体渠道，实现新媒体矩阵营销，实现存量粉丝激活，统一互动；
3. 营销推广：营销推广主要提供广告授权管理、广告数据接入、投放渠道接入等功能，通过将公域广告投放数据和私域数据打通，实现客户转化数据的全链路跟踪；
4. 数据洞察：数据大盘主要提供转化漏斗、用户分析、专题分析、ROI分析等功能，实现用户运营指标和销售全链路指标可视化展现及洞察分析；

（2）轻量级双中台

业务中台：

1. 泛会员：建立一套完整的会员忠诚度体系，结合积分和卡券权益激励，持续提升用户忠诚度。
2. 活动中心：通过丰富的活动工具快速构建活动，结合细分的活动人群，从合适的渠道触达客户；激活客户，增强粘性。
3. 内容中心：统一管理营销内容，保持营销内容的一致性和标志性；同时提供标准组件模板快速构建营销内容。
4. 营销自动化：对营销渠道和广告位进行统一管理，让投放精准有序、可控、可溯源；同时提供高效的营销自动化规则引擎，把营销人员从重复体力劳动中释放出来，聚焦营销场景设计。

数据中台：

轻量级数据中台主要指只覆盖客户域的数据中台，这里指客户数据平台（CDP）；

客户数据平台：全旅程采集客户行为和业务数据，对数据进行清洗、归集、建模后形成丰富的标签画像；洞察客户，形成细分人群，驱动千人千面的个性化精准营销。

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！