目录
David Raab 在2013年首次提出了Customer Data Platform (CDP)的概念。
客户数据平台(Customer Data Platform)是面向业务增长的已消费者为核心的客户全域数据赋能中台。通过汇聚多个触电的数据并加工,帮助企业打破数据孤岛,建立统一的人、货、场(什么人在什么场景下买了什么东西)标签体系和画像系统,赋能企业数字化转型,实现数据驱动增长。
1990s CRM时代:注册用户 客户关系管理 一方数据 客户保留、销售 销售导向
2000s DMP时代:基于cookie 三方数据 广告投放 匿名用户 数据来源渠道广
2010s CDP时代:多方数据源 用户画像 营销自动化 实名+匿名 销售转化 广告投放输出
Data CDPs(数据型CDP):主要是客户数据管理,包括多源数据采集、身份识别,以及统一的客户存储、访问控制等。
Analytics CDPs(分析型CDP):在包含 Data CDPs 相关功能的同时,还包括客户细分,有时也扩展到机器学习、预测建模、收入归因分析等。
Campaign CDPs(营销型CDP):在包含 Analytics CDPs 相关功能的同时,还包括跨渠道的客户策略 (Customer Treatments),比如个性化营销、内容推荐等实时交互动作。
Delivery CDPs(触达型CDP):在包括 Campaign CDPs 相关功能的同时,还包括信息触达 (Message Delivery),比如邮件、站点、APP、广告等。
数据采集(Link):
CDP可以快速连接各类数据源中存储的客户数据。不管是实名客户,还是匿名客户,都可以在CDP中根据业务定义得到合并。为企业提供了完整的、不断更新的客户画像,而不是流于表面的统计数据。
数据输出(Flow):
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等等。只有数据流动起来,CDP才能产生更大的价值。
业务驱动(Business):
CDP是为业务人员驱动建立的,而不是IT人员。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、把数据传递到哪些平台等等。CDP应该有极其简单的界面,业务团队可以直接在CDP上进行操作,而不是依赖于IT部门。
1.数据来源广泛且离散,形成数据孤岛
2.客户的个性化需求
3.营销效果难以追踪
4.营销工具无法快速响应
5.没有简明清晰的客户档案信息
数据采集与治理:收集用户信息并清洗去重
数据汇聚:各渠道数据汇总,跨业务跨部门间资源共享
数据加工:给用户打上标签,分群
数据运营:通过营销工具、分析工具等各种玩法,真实与用户交互
1.数据采集
2.id-mapping
3.数据打标签
4.自动化营销玩法(智能运营、消息推送、智能推荐、权益发放)
5.运营优化(用户价值)
6.统一画像分析
7.统一查询(用户旅程)
8.元数据管理
9.全链路监控
10.数据生命周期管理
11.增长分析(事件分析、漏斗分析、分布分析、用户旅程、归因分析)
门店导购:
构建360度用户统一视图,生成客户偏好、行为、价值和特征等标签,辅助门店导购进行针对性推荐
分群营销:
通过用户特征、标签进行客户分群,针对不同的客群,确定相应的营销资源和策略,提高营销精准触达的转化率
精益获客:
基于用户画像在一方/二方/三方数据中进行相似度匹配,快速高效拉新获客
流失唤回:
通过标签计算,冬天预测流失客户,帮助运营人员进行人群分析,根据特征制定唤回策略
智能决策:
通过对全量客户进行洞察分析,为产品、服务、营销策略等优化提供参考,提升决策力,实现数据智能决策