數據中臺技術匯 | CDP，線下零售顧客運營中臺

顧客數據平臺（Customer Data Platform，簡稱CDP），是近年興起的一種以顧客為核心、聚焦客群細分與人群洞察的企業數據應用平臺。

聽上去很互聯網啊？跟實體行業和零售營銷有什么關系呢？

讓我們從幾個故事講起。

「贏了所有對手，卻輸給了時代。」

2010年，大潤發在黃明端接掌14年之后，終于如愿取代家樂福，強勢登頂中國百貨零售冠軍，然而，這位彼時被業界譽為“陸戰之王”的臺灣企業家很難料到，迅速崛起的阿里巴巴在之后僅用了不到一半時間，便完成了對大潤發母公司高鑫零售的股權收購。

黃明端的無奈背后，原大潤發領軍層黯然離場。

在門檻更高的耐消品行業，老將與新星間的博弈也在激烈的進行中。2019年前五個月，小米電視的線上份額已大幅擴張至27.79%，直逼國產三龍頭份額之和。而對于以往將小米攻勢定位于「性價比」的守成者們來說，更讓他們感到憂慮的，則是在電視價格繼續跳水的2019年，小米的品牌均價卻異常堅挺，此消彼長，今日的小米電視已昂首邁入了線上市場品牌溢價的國產一線梯隊。而在部分新興品類，如毛利較高的凈水器市場中，小米的線上均價甚至超過了數家國產一線品牌，這或許意味著，在同樣的經濟成本前，新興市場的消費者與傳統品牌已從貌合神離到漸行漸遠了。

4C與人群細分

自上世紀中葉麥卡錫教授提出基本結構，4P理論影響并指導了大部分成功企業的市場營銷工作。而進入新世紀后，隨著互聯網電商的興起與普及，以顧客（consumer）、成本（cost）、溝通（communication）、便利（convenience）為核心的4C理論正受到越來越多的認可與應用。上述四要素中，成本控制因其輸出的時效性與可量化性，很早便得到了企業界的重視；而在渠道分銷與零售業中，重視溝通、強調便利則是被長久奉行的經營之道。相對的，被置于4C之首的顧客，卻往往只得到了片面的認知和理解。

在傳統的市場細分實踐中，品牌商與分銷商往往以不同的產品規格、價格來反向切分市場，并在很長一段時間內據此設計了行之有效的細分策略。但進入本世紀第二個十年后，隨著供應鏈的產能溢出和線上渠道的迅猛發展，初創企業的入場門檻被大大降低，相應的，緊抓細分人群特征與訴求的商業模式和長尾產品則持續蠶食著傳統企業的市場份額。現象背后，隱藏著傳統市場細分理論的進一步演化，即先定賣給誰，再想怎么賣 —— 只有明確定位了目標客群、充分了解其消費態度與價值偏好，才能在準確的渠道、用打動人心的營銷售出合適的產品。作為現象級營銷的代表，無論是近年在紅海市場完成20億銷額躍進的白酒品牌江小白，還是當年用“為發燒而生”征服年輕消費者的小米手機，都是這一變革的實際擁護者與堅定執行者。

事實上遠在線上電商興起之前，相當多的傳統品牌與分銷商便意識到了人群定位對產品和營銷策劃的重要性，并在市場調研工作中投入了大量的精力與成本。但使用傳統調研手段時一個無法回避的問題，便是受制于其抽樣統計的方式，決策者往往只能依靠自身經驗與業務直覺去判斷調研結果的普適性 —— 長時間、低效率的傳統調研實在難以支撐對龐大客群進行細分與洞察。

大數據營銷

大數據時代的到來讓營銷先行者們似乎看到了轉機。

理論上說，在以海量用戶數據為基礎的全景洞察支持下，線下零售的營銷部門足以為每位潛客設計符合其消費態度與價值偏好的營銷和運營策略，進而極大提升銷售轉化率。但在實際應用中，傳統企業往往存在這樣那樣的難點，主要可歸納為以下個兩個方面：

用戶數據分散：大數據洞察往往需要對客群進行高緯度的數據關聯與聚類分析，但在相當多的企業中，每日產生的大量顧客數據往往分散于銷售、物流、售后等多套內部系統中，相互間形成數據孤島，且不論全景洞察，甚至都無法支持產品、營銷部門一般性的即時數據取用需求。

業務價值模糊：打破數據孤島后，很多企業面臨的第二個難題，便是因為缺少數據營銷方法論的指導，致使IT與數據部門閉門造車，而遲遲不能助力業務部門提升市場業績。

為解決以上問題，CDP，這一業務針對性極強的大數據系統應運而生。

CDP -顧客數據平臺

與純粹的數據系統不同，CDP（Customer Data Platform）首先是一種直接面向業務的應用平臺，在IT部門的數據準備完畢后，營銷和產品部門的業務人員無需具備專業數據知識亦可進行客群分析與結果導出，這極大降低了企業固有數據的應用門檻，使一線業務人員在營銷策劃中能夠更多、更快地得到數據支持。

其次，對于單個顧客，CDP完成了從數據存儲、數據分析到客群篩選的閉環，借助于它，營銷部門可以真正做到「取數于誰，用數于誰」，大大提高了營銷投放的針對性與營銷轉化的成功率。

以奇點云CDP為例，其核心業務流程可被分為數據整合、客群圈選、人群洞察與策略評估四個環節。

數據整合

現代企業，特別是中大型企業中，往往存在著多種來源的顧客數據。根據其來源渠道，相關數據一般可被歸為三類：第一類來自于企業自身渠道，如銷售、物流、售后等，此類數據一般較為規范；第二類來自于合作渠道，如投放平臺等；第三類則純粹來自于企業外部，如線上抓取。在數據整合環節，奇點云CDP首先提供了靈活開放的接入與清洗方式，幫助企業IT人員將孤立分布于各系統中的用戶數據以庫、表的形式開放給CDP，并支持用戶對特定業務域進行可視化ETL。更進一步的，借助奇點云CDP所獨有的ID-MAPPING算法，未來企業開發人員還可對不同來源、且缺乏主鍵關聯的顧客數據進行識別匹配，并定義統一顧客身份編碼（One-ID）。通過上述方法，來自不同渠道、不同系統的顧客屬性標簽便可成為以One-ID為核心的企業顧客數據資產。

客群圈選

作為奇點云CDP的核心環節，客群圈選模塊提供了簡潔易用的人群與屬性標簽管理界面，以幫助用戶業務人員根據業務需要，快速圈選所需客群。舉例來說，使用銷售部門所采集到的屬性標簽，業務人員可以快速對比不同區域、渠道、性別、年齡段顧客的消費偏好與消費意愿；隨著增量數據的不斷產生，這一對比還可以在時間層面上進行升維，以此揭示客群需求趨勢的變化。業務人員根據商業邏輯選定目標客群后，隨后便可快速導出相應顧客信息列表，以進行下一步的營銷策劃與推廣投放。

人群洞察

對于需求更高的用戶，奇點云CDP還可提供以預置業務模型為核心的人群洞察分析功能，幫助企業用戶更加精準的細分客群，從而量身定制營銷策略。相較傳統的統計學分析，這些以大數據AI驅動的數據洞察方法往往有著更強的場景針對性與業務指導性。例如以自動分析類目與品牌偏好、輔助商家進行連帶推薦的人群消費態度與價值偏好模型，或是對不同生命周期、不同商業價值客群進行拆分聚類的RFM模型，都已在奇點云CDP的外部合作中實現了商業落地。更進一步的，奇點云還可根據不同企業的業務特征與分析習慣，為用戶定制開發專屬分析模型，以幫助企業完成業務經驗的知識沉淀與組織提升。

策略評估

在實施針對細分客群的商業策略后，營銷部門往往需要對其進行有效性評估與復盤。針對這一業務場景，奇點云CDP納入了消費決策路徑模型。投放的內容有沒有成功吸引客流？引來的客流符不符合目標定位？進店駐留與購買轉化的指標是多少？借助IOT識客系統的應用，奇點云CDP可對線下營銷活動進行以往只有在線上才能實施的消費決策路徑分析，幫助營銷部門準確找出導致顧客流失的環節并加以改善。

新零售崛起的背后是后互聯網時代的殘酷降臨，各種渠道的流量紅利已被挖掘殆盡，拉新引流則往往需要高額成本，時至今日，只有能精準引流、有效轉化，并最大限度發揮客流價值的企業才能更好的生存和發展下去。作為準確響應需求，推動企業大數據落地業務，CDP正邁著堅定的腳步向我們走來。