关灯
请选择 进入手机版 | 继续访问电脑版
0

中国业务型CDP白皮书 | 爱分析报告

摘要: 报告摘要近年来,C端消费在线化渗透持续提升,全渠道消费成为常态,品牌商流量争夺愈发激烈。通过建设CDP(客户数据管理平台)实现对全渠道用户数据管理,从而实现精准获客、精细化用户运营,几乎成为业内的共识。但


中国业务型CDP白皮书 | 爱分析报告


报告摘要

近年来,C端消费在线化渗透持续提升,全渠道消费成为常态,品牌商流量争夺愈发激烈。通过建设CDP(客户数据管理平台)实现对全渠道用户数据管理,从而实现精准获客、精细化用户运营,几乎成为业内的共识。

但当前国内CDP市场存在概念模糊、适用范围及价值被过度夸大、建设目标及路径不清晰等众多问题。鉴于此,爱分析基于终端用户和数据支撑范围两个维度,将国内CDP分成三大类:面向特定场景的场景型CDP、面向全场景但需IT人员来使用的大数据平台型CDP、面向全场景同时业务人员可通过拖拉拽方式即可建模的业务型CDP。从原始业务目标、业务价值出发,业务型CDP在技术、业务层面均更具优势。

数字化营销等业务应用作为流量瓶颈下实现业绩增长的重要路径,是业务型CDP建设的核心驱动力,而业务型CDP也成为数字化营销业务应用的重要支撑。

从数字化营销业务应用场景出发,业务型CDP需具备以下三方面能力:第一,以用户为中心的全要素、实时性数据处理能力;第二,湖仓一体化架构的统一数据模型(GDM)实现能力。为全要素、实时性数据处理能力提供完美解决方案,快速完成复杂营销场景需求下的数据建模,这是业务型CDP的独特之处和最大优势;第三,基于GDM的模型标签沉淀能力。保证业务人员能够进行灵活的标签模型搭建,摆脱对于IT人员的强依赖,高效驱动业务应用落地。

在实际落地业务型CDP时,爱分析建议品牌商可从用户价值、业务应用、数据基础三个维度对企业现状进行评估,以确认建设优先级,并对建设路径进行规划。整体来看,业务应用ROI未达预期导致的驱动力不足与数据基础建设不足导致的支撑力不足相互制约,是业务型CDP面临的核心挑战。该负循环的症结在于,基于标签数据的支撑能力不足,没有形成可直接面向业务人员开展营销、运营日常工作的标签工具体系。

面对上述业务型CDP落地面临的核心挑战,爱分析认为应该从标签体系进行重点突破,以夯实数据合规应用机制为底线,通过模型标签驱动业务应用落地。首先,品牌商需要从用户授权、数据运营、场景应用等层面构建系统化数据安全防护能力,守住合规底线。其次,通过构建覆盖多数据源的、基于API的连接器,打牢地基,保证标签的动态实时生成与更新;最后,通过GDM,提供面向一线业务人员的可操作性的、灵活的、高效的标签模型体系,最终走向数据驱动的一体化、智能化业务型CDP。

业务型CDP将是2022年及未来2-3年内品牌方在数字化营销应用方面重点考虑的新兴解决方案。爱分析认为,品牌方可以基于业务型CDP成熟度评估模型,合理评估自身需求,同时对厂商进行评估,最终选择在业务需求方面能满足自身条件、同时具备技术领先性的供应商进行业务型CDP的建设和长期运营。

目录

1. 业务型CDP定义

2. CDP建设核心驱动力——数字化营销

3. 业务型CDP现状与挑战——成熟度评估

4. 业务型CDP建设思路——模型标签驱动业务落地

5. 业务型CDP落地——选型

结语

1. 业务型CDP定义

1.1 合规、全场景用户数据管理是品牌商数字化营销的关键

近年来,C端消费在线化渗透不断提升,全渠道消费成为常态。对于品牌商等面向消费者开展业务的企业来说,制定精准的营销策略获取和运营用户,以实现业绩增长,将是必备的能力。

由于流量红利枯竭,且全渠道下用户的选择更加丰富,企业面临的是激烈的流量争夺,因此粗放式的广告投放和流量获取成本高昂,企业将不得不改变营销策略。通过精细化用户运营提升已沉淀用户的生命周期价值。

这要求企业要与用户保持互动,提高用户粘性和忠诚度,将“用户”变成企业的“资产”。因此,品牌商纷纷走向DTC模式,业务运营思路已经发生变化,愈发重视用户,讲求精准获客、精细化用户运营。

不论是精准营销还是精细化用户运营,都离不开对用户数据的采集、清洗、存储、分析和应用。在全渠道业态下,品牌商开始意识到用户数据整合和挖掘对营销策略执行的重要性。但由于流量分散在品牌商CRM、官网、小程序、APP、电商平台、社交媒体等多个渠道,用户触点增多且呈分散化,因此多渠道数据的整合和挖掘成为精准营销策略落地执行的难点所在。

与此同时,以《个人信息保护法》、《数据安全法》为代表的数据使用法律法规陆续出台,数据使用的监管逐渐清晰,合规性成为数据使用不可避免的考量点。

对品牌商而言,合规、全场景用户数据管理是品牌商数字化营销的关键。

1.2 合规、全场景用户数据管理对CDP建设提出更高要求

进入到2022年,通过建设CDP(客户数据管理平台)实现对全场景用户数据管理,几乎成为业内的共识,绝大多数品牌商都将CDP建设纳入到实现自身数字化转型的计划表中。

CDP最早由CDP Institute创始人David Raab提出,他认为CDP是一个市场人员可以直接操作的系统,汇集了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,让企业各个部门都可以轻松使用。

根据Gartner的《2020 CDP市场指南报告》,CDP是一个营销系统,统一了营销和其他渠道用户数据,并能够支持客户建模、优化用户价值等目标。Gartner认为CDP最核心的特点是多渠道数据的整合、画像统一、人群细分和用户触达。

尽管国内市场对CDP建设的投入逐年增加,但其实际落地效果大多数不尽如人意,其原因可以总结为以下三点:

第一,市场鱼龙混杂,CDP定义模糊。

亦如前些年的数据中台,CDP是当下数字化营销中最受到关注、最受追捧的关键词,很多品牌商在项目招标文件中也会明确提出CDP。

不论是营销科技厂商、大数据厂商,抑或传统IT集成商,在面对品牌商等潜在客户时,都会将自身的解决方案包装成CDP解决方案。在跟潜在客户宣讲方案时,都会突出自身的能力,影响客户对CDP定义及建设标准的判断,造成整个市场对于CDP的定义出现混乱。

第二,CDP的适用范围和业务价值被过度夸大。

作为数据管理平台,CDP是有一定的适用范围,并不是所有品牌商都应该建设CDP,CDP建设是需要品牌商具备一定的基础。

对于很多数据基础设施薄弱的品牌商,一上来动辄投入几百万甚至上千万建设CDP平台是完全不必要的,应当循序渐进,先从数据采集等基础工作开始,逐步建设自身的数据能力。

同时,CDP也不是万能药,不能解决品牌商遇到的所有问题。CDP作为用户数据管理的工具,能够提升业务部门做数字化营销的效率,但不能完全替代运营工作。脱离了业务场景、没有运营作为支持,CDP是无法解决企业的用户数据管理问题的。

第三,CDP的建设目标和实现路径不清晰。

所有的数据都同时具备IT和业务属性,数据管理平台CDP同样如此,这就意味着CDP的建设一定离不开业务部门和IT部门。

尽管业务部门和IT部门的长期目标是一致的,但限于不同部门的属性差异,业务部门和IT部门的短期目标可能会存在偏差,这就使得不同部门主导的CDP建设,其建设目标存在差异,实现路径更是如此。

鉴于以上原因,爱分析认为,必须对国内市场的CDP进行定义和分类,才能实现合规、全场景用户数据管理的目标。

1.3 实现合规、全场景用户数据管理需要业务型CDP

基于终端用户和数据支撑范围两个维度,爱分析将国内CDP分成三类:特定场景型CDP、大数据平台型CDP和业务型CDP。

图 1: CDP分类

中国业务型CDP白皮书 | 爱分析报告

特定场景型CDP,主要是用于销售转化相关客户数据以及广告投放等特定场景的数据管理和应用,背后厂商都多数是SCRM以及DMP背景。

优点是对获客转化、广告投放等特定场景的数据支撑较强,即与数字化营销应用场景较近,终端用户是业务人员;缺点是数据维度、数据治理、数据建模等CDP能力均局限于以上场景相关数据。

长期来看,当上层数字化营销应用场景发生变化,此类CDP将面临严峻的数据支撑挑战。

大数据平台型CDP,主要是用于整合企业的数据,实现对数据的统一管理,背后多数是大数据治理背景的厂商提供的产品。

数据治理能力是其核心优势,能够实现数据的“监、管、控”,但大数据平台型CDP需要IT人员做建模和运营,也容易导致业务人员对CDP的感知和使用率较低,造成业务价值有限的结果。

业务型CDP是通过统一建模语言,能够使业务人员通过拖拉拽的方式进行数据建模,解决了CDP的业务价值问题。

同时,业务型CDP在技术架构上采用湖仓一体化设计,解决了CDP在数据存储、治理、建模分析等方面的不足,能够满足企业当前以及未来各类数字化业务应用场景的数据支撑需求,是最符合企业业务需求和技术需求的领先型CDP。

爱分析认为,CDP建设应从原始业务目标出发,做全面梳理和考量。回溯CDP建设需求,原始业务目标是实现流量瓶颈下的业绩增长,而数字化营销等业务应用是路径,CDP是业务应用的支撑。因此,企业应该从业务价值出发,建设业务型CDP。

业务型CDP的准确定义:是支撑业务(营销、市场、运营等)部门实现数字化业务应用的用户数据管理平台,以用户全生命周期运营为导向,通过实时采集、整合、分析全渠道用户数据,支持精准用户获取、高效用户运营等数字化业务应用场景落地,最终实现业绩增长的目标。

2. CDP建设核心驱动力——数字化营销

数字化营销业务应用已成为业务型CDP建设的核心驱动力,且对业务型CDP提出了关键能力要求。

首先,数字化营销业务应用采纳度提升,成为企业CDP建设核心驱动力。一方面,企业面临流量获取成本高昂、用户触点多样化、用户价值要求提升等挑战;另一方面,随着技术的成熟和供应商的不断成长,数字化解决方案日趋成熟。因此国内数字化营销相关业务应用采纳度正在逐渐提升,以用户全生命周期营销为导向,实时采集、整合、分析全渠道用户数据的CDP建设成为企业的必然选择。

其次,数字化营销业务应用将从数据化逐渐走向智能化,对数据管理和分析的要求日益提升,对业务型CDP建设要求将越来越迫切。从实践来看,数字化营销业务应用正在经历数据化过程;未来,将是自动化、智能化阶段,意味着对用户数据采集和标签体系能力要求持续提升,即数字化营销业务应用发展趋势将持续引领和推动业务型CDP的建设。

作为业务型CDP建设核心驱动力,数字化营销业务应用场景也将对业务型CDP提出关键能力要求:

一是以用户为中心的全要素、实时性数据处理;二是湖仓一体化架构下的GDM(统一数据模型)实现;三是基于GDM的模型标签沉淀。

2.1 数字化营销采纳度提升,CDP建设成企业必然选择

数字化营销采纳度正在不断提升,业务型CDP建设将成为企业的必然选择。

从国外市场(主要是美国)来看,数字化营销业务应用经历了十余年的发展。

数字化营销可溯源至2009年营销公司Marketo注册的Marketing-cloud;到2012年,Adobe、甲骨文等公司纷纷提出营销云概念,并开始基于云技术开发营销解决方案;到2016年营销解决方案逐渐完善,开始形成以用户价值导向的一体化营销云;当前以美国为代表的国外市场对数字化营销业务应用的主流定义是Gartner提出的多渠道营销中心(MMH)。

中国市场基本从2016年才开始尝试营销科技的探索;大部分企业从2018年才开始落地单点单渠道的营销技术为主要形态的解决方案,对于用户数据和营销解决方案之间的关联尚无深度认知。

图 2: 中美数字化营销发展对比

中国业务型CDP白皮书 | 爱分析报告

根据Morketing & Convertlab的联合调研(共调研105家企业),2020年国内已经使用过营销云并在进行更多探索和即将部署使用营销云的企业仅占比15%。即国内数字化营销解决方案采纳度处于早期采纳阶段。

关于2021年公司营销策略方面,超过50%的公司提及会试水新的在线营销方式,如直播和短视频等;39%的公司提及会将营销策略重点转为线上;更有22.6%的企业计划使用数据驱动的营销技术和系统提升营销效率,如CDP、CEM、MA等。

说明随着在线化渗透率快速提升、流量瓶颈愈发明显,国内企业对于数据驱动的数字化营销业务应用的采纳度将不断提升,即国内市场数字化营销业务应用的甲方采纳度将快速提升至早期多数采纳阶段。

图 3: 甲方采纳度曲线

中国业务型CDP白皮书 | 爱分析报告

2.2 数字化营销从数据化走向智能化,推动业务型CDP建设

甲方采纳度代表了数字化营销业务应用在整体行业的落地进展与预期,而具体到特定企业落地,则需要做个性化考量,按需推进数字化营销。

虽然甲方企业对于“客户资产”和“CDP的定义和业务价值”的认知存在很大的差异,但是基于用户数据沉淀和分析进行数字化营销却是统一的既定动作。数字化营销要求围绕用户全生命周期做运营。处于认知、兴趣、购买以及忠诚四大阶段的用户,其营销需求存在很大差异,需要进行针对性触达和互动。

处于认知阶段的用户,主要诉求是建立对品牌的深层次了解和认知,营销需求主要是持续曝光;

处于兴趣阶段的用户,需要通过活动营销和内容营销提升活跃度,不断将兴趣用户转化成购买用户;

处于购买阶段的用户,主要通过活动促销、产品权益等方式促进消费,提升复购率;

处于忠诚阶段的用户,主要通过品牌渗透、会员权益等方式进一步提升客户生命周期价值。

图 4: 覆盖用户全生命周期的数字化营销

中国业务型CDP白皮书 | 爱分析报告

在数字化营销业务场景中,业务人员根据营销需求进行客户旅程设计,构建自动化、程序化的全渠道互动触达能力。简而言之,就是在正确的时机、通过正确的渠道、以正确的内容与用户互动。

AIPL模型是数字化营销通用方法论,针对AIPL不同阶段的用户进行运营,需要实现定向投放、个性化推荐、交叉推荐等数字化营销场景,其背后是标签模型支撑。而标签模型效果则基本上取决于业务型CDP的成熟度。(业务型CDP的成熟度评估见第三章)

以数字化营销为典型代表的数字化业务应用可以分为数据化、自动化、智能化三个阶段,三个阶段的落地存在很强的递进关系,且各个阶段对业务型CDP的要求各有侧重,但整体来看,越靠近智能化阶段,对业务型CDP成熟度要求越高。

从企业需求层面来看,随着企业对用户运营的重视度提升以及用户数据的积累、分析模型的效果提升,数字化营销也将从数据化、自动化走向智能化阶段。智能化阶段的数字化营销,意味着数据驱动的业务应用实现,届时对业务型CDP建设的要求会更高。

图 5: 业务型CDP在数字化营销各阶段价值

中国业务型CDP白皮书 | 爱分析报告

2.3 业务型CDP关键能力一:以用户为中心的全要素、实时性数据处理

显然,作为业务型CDP的核心驱动因素,随着以数字化营销为代表的业务应用不断发展,业务对数据的要求和依赖将会越来越高。数据处理是CDP首要的关键能力。

根据数据处理流程来看,业务型CDP数据可分为基础数据、资产数据、标签数据以及应用数据这四大类型。

基础数据是指官网、电商平台、公众号、小程序等全渠道的用户全维度匿名/实名信息,包含用户属性数据、行为数据、订单数据等,比如汽车行业,基础数据维度涵盖用户以及跟用户相关的车、顾问等维度的数据。基础数据收集要求业务型CDP具备全渠道触点的数据追踪和采集能力,并且需具备开放性和可扩展性,能够通过标准API接口添加、扩展企业所需的其他触点。

资产数据是指基础数据经过治理后形成的结构化数据,要求业务型CDP平台能够将不同来源的数据进行融合、清洗、校验、结构化处理,形成用户唯一ID,并进行有序、持久存储。

标签数据是用于营销模型实现的数据, 最终用以支撑精准用户获取和精细化用户运营相关场景落地。基础标签可进一步按照标签规则和计算形成用户360度画像、人群细分等复杂标签数据。标签数据的应用和价值变现要求业务型CDP平台具备完善的标签体系。

应用数据是指可导出用于数据分析、数据洞察的宽表。为满足不同部门对于数据分析的需求,要求业务型CDP平台能够对接多个外部系统,将加工好的数据通过标准的API接口提供给其他工具(如驾驶舱等BI应用)进行应用,或推送至不同部门。

根据数字化营销业务应用将从数据化走向智能化的发展趋势来看,业务型CDP的数据处理关键能力体现在以下两个方面:

一是用户全生命周期全要素闭环数据处理能力。全面高效采集以用户为中心的全要素数据,包含但不限于用户基础数据、订单数据、商品数据等;并且围绕认知、兴趣、购买、忠诚四大用户生命周期阶段,对客户数据进行从基础数据、资产数据、标签数据、到应用数据的闭环处理。

二是具备实时数据处理能力。从采集基础数据到形成资产数据和标签数据,需要做到毫秒级响应,才能以实时性的自动化、智能化标签体系能力,全面支持数字化营销业务应用实现,尤其是场景式营销等相关业务应用场景的实现,从而满足客户旅程设计和个性化交互所需的数据和标签需求。

图 6: 业务型CDP的数据处理关键能力

中国业务型CDP白皮书 | 爱分析报告

2.4 业务型CDP关键能力二:湖仓一体化架构下的GDM实现

随着越来越多的企业认识到用户数据资产管理和应用价值,CDP应该具备以用户为中心的全要素、实时性数据处理能力,已然成为共识。全要素、实时性的大数据处理能力的背后,是大数据技术基础的支撑。

大数据技术经历了数据仓库、数据湖、湖仓一体化的发展历程,业务型CDP采用湖仓一体化架构。

图 7: 大数据技术发展阶段

中国业务型CDP白皮书 | 爱分析报告


123下一页

鲜花

握手

雷人

路过

鸡蛋
本文作者
2022-7-26 17:02
  • 2
    粉丝
  • 2585
    阅读
  • 0
    回复

关注新零售网

扫描关注,了解最新资讯

联系人:姚经理
邮箱:1851688011@qq.com
热门评论
排行榜

关注我们:微信订阅号

微信公众号

新浪微博

免责声明:本网站所转载、链接的内容,出于传递更多信息之目的,并不意味着赞同其观点或认可其内容的真实性 如发现本网站转载内容涉及版权等问题,请著作权人立即来电、来函本网站联系QQ1851688011

Copyright   ©2015-2016  新零售网Powered by©Discuz!    ( 晋ICP备14003226号-4 )