400-803-8660 Mon. - Fri. 10:00-22:00

客户数据中台(CDP)火爆的背后:揭秘它真正的营销手段

客户数据中台(CDP)火爆的背后:揭秘它真正的营销手段

文|傅强

编辑|sunshine

 

数字化浪潮中,企业已经学会利用数据驱动营销、做决策, 但随着企业收集的数据越来越多,充分管理、利用数据越来越困难,营销活动变得低效。客户数据中台(CDP)的出现,打破了这种僵局,顺利成为数字化转型的“顶梁柱”!

 

“再不搞CDP就被时代抛弃了!” 九枝兰合伙人兼CTO傅强讲到,“我在电商领域做了十几年,作为一名资深的电商技术人员,在当当网工作9年,我带领团队从最初的简单框架一步步做大做强。但在电商的实际应用中,从来没有一个实实在在的产品叫CDP,电商“CDP概念”早已内化到各个业务线,也就是说实际中会在各个应用场景定制化。”

 

傅强深耕大数据领域10年,曾是当当网最年轻的技术VP,是国内大数据领域领军人物之一,这次在CMO俱乐部带来CDP直播分享,下面是分享内容。

 

“要了解现在,必须了解过去,今天,我带大家了解CDP是如何一步步发展成数字化营销顶梁柱的。”

 

一、背景

▲CMO们的焦虑

2018年,谁会料到这是经济新常态的开始?2019年,谁会料到中美贸易战?2020年,谁会料到席卷全球的疫情竟然触发全球经济下滑?业绩要求只增不减,市场预算只减不增,新的增长如何获得?

 

▲靠媒体方面的增长么?

1. 传统媒体流量红利消失殆尽,指望不上

2. 社交媒体裂变、抖音快手需要创意大脑,短期无非复制

3. 头条搜索、OV厂商信息流虽好,但流量盘子小不足以拉动整个大盘增长

 

▲从内部转化找增长么?

基于用户行为分析,持续优化APP交互,提升流量转化效率,理论上可以。但是以上工作是CTO的工作地盘。坊间传闻的Martech、CDP等营销技术似乎是救命稻草。

 

二、被动的CDP思维,“再不搞CDP就被时代抛弃了!”

 

  • 困惑1:面对各有特色的CDP厂商, “数字化”如何选项?
  • 困惑2:我们有了CDP/DMP,用在哪呢?
  • 困惑3:谁敢拍胸脯说“数字化”投入百万,一定可以拉动“营销”效果1个亿?

 三、探秘:电商领域深度挖掘用户数据价值的场景

1、2008年之前的电商

大部分只有用户信息和订单,很像现在的CRM;用户画像、用户分群、用户标签是基于购买的 RFM ->RFMPDC;用短信、邮件、促销券、礼券等进行二次营销触达。

 

推荐系统:买了又买,2007@当当

当年的“大”数据是1000万顾客购买行为 x 2000万订单 x 100万商品,算法基于统计学。

 

 

但是出现以下问题:

 

l 对于运营人员来说,基于RFMPDC做的各种人群促销,效果到底如何?对于技术人员来说,看了和点击了“推荐商品”而最后下单的用户到底有多少?“推荐系统”到底为电商贡献了多少GMV?每个被购买的商品,不知道到底是从电商的“站内搜索”、“个性化推荐”、“大促活动”来的?

l 当年的数据系统只保存了用户下单行为,而没有保存用户的网站访问行为。因为用户的网站访问行为,是下订单行为的近百倍:来源、IP、cookies、站内搜索词、点击商品、点击推荐商品、加入购物车、看评论。

 

2、2009年-2010年的电商

两个原因促成当当网自主研发“用户行为分析”系统

• 硬件成本大幅下降

• 大数据技术门槛大幅降低,耳熟能详的Hadoop

有了大数据技术,解答了用户行为的数据分析问题:“推荐系统”到底为电商贡献了多少GMV。科技创造生产力:用户数据 x 算法的力量 x 大数据处理能力。在电商领域,用户行为数据和技术,可以赋能业务。

 

3、2011年-2014年的电商和O2O

众多电商崛起,拉新成本急剧上升。基于用户数据和营销效果追踪,电商市场部核心考核是各品类、新客成本。

深层来说,多渠道+深度转化追踪到订单、订单金额、出库、退换货;细致来说,不同品类各自算新客成本、商品毛利、毛利口径ABC。

后来DSP闪亮登场,广泛应用于电商的老客召回,服务越多的客户,因此DSP厂商获得的各家广告主的访客行为越来越丰富。

 

DSP也用于电商拉新,look-alike技术差不多就在这个时候出现。look-alike如何提升营销效果呢,各家厂商,各有奇招。

 

4、2015-2017年移动红利时代

营销自动化的升级,短信、邮件被屏蔽,开始用App-push、优惠券、浏览RFM/订单RFM 、用户分群和营销效果跟踪。

 

例如,九枝兰系统基于用户画像的明细,可以做很多列,很多行,能够按照标签随意筛选数据,筛选后将这些人群按照某些条件进行App-push或者其他操作。同时对接前后端数据,按分钟级导出报表,实现营销效果追踪。

 

▲九枝兰系统用户分群

▲九枝兰系统用户筛选

机器学习技术,被广泛用于预测类的用户标签,怎么预测客户的购买力?比如将客户的购货地址和链家数据进行打通,预测LTV。

 

机器学习应用场景升级深度学习,大数据计算能力&算法框架再升级,用户标签的丰富度几何级数的提升。算法技术更新换代,用户标签的丰富度几何级数的提升。

 

5、2018、2019、2020,移动红利尽失,存量博弈时代

“用户增长”口号特别流行,因为都没增长了

• 电商领域的用户流量运营,已经精确到分钟级计算用户行为的流量运营

• 各行各业都不得不学学“用户行为分析、流量运营、用户增长”

 

 

再看电商拉新

• 全渠道全链路。启示:汽车之家的全媒体渠道的强管控.

 

 

举个例子,九枝兰为汽车之家定制了全渠道全链路的流量管控,将所有信息流、搜索引擎、应用市场、自然流量的数据打通对接,以及web、cps等第三方合作。不丢一个销售线索,不丢一个用户转化。

• Look-alike的技术提供方更倾向于超级媒体,不再是第三方了

动态创意1.0:曝光机会有限,唯有提点击率、提转化率

 

 

动态创意2.0:京东、淘宝、携程打通头条/百度信息流,精准创意召回的京条计划。

 

 

电商对CDP极致应用,探秘归来的小结

观点1:在电商领域,用户行为数据+技术,是可以赋能业务

观点2:技术红利,让各行各业借鉴电商领域的“CDP”经验的技术门槛低了很多

观点3:电商充分挖掘用户数据的价值,几乎到了极致,在每个不同场景的应用点都很精彩

 

九枝兰CDP功能亮点:

1、独有的全媒体、全渠道客户数据收集打通能力

从全媒体(所有的信息流、搜索引擎、应用市场、自媒体等)、全渠道(APP、小程序等)、智能设备的实时数据对接,再到订单系统、CRM 、线下门店等数据打通,帮助企业收集线上、线下所有的数据资源,精确追踪每一个线索的价值。

 

2、模型算法构建企业标签、用户分群,进行用户行为分析

根据集成的客户数据自动生成用户画像,进一步将客户分群形成用户标签(如生命周期标签、商品偏好标签等)营销时机标签,通过各种算法模型,构建更复杂的人群群组,及时洞察客户需求,把握转化时机进行个性化推荐。

 

3、通过全景数据仪表盘,进行多维度分析、业务洞察,辅助管理者决策和市场预测

打破数据孤岛,从营销-销售-售后-复购等环节,打造高效的用户管理体系,构建一体化的用户运营和服务体验,助力用户运营和业务增长。

 

4、数据安全与私有化部署

与 BAT 同步的数据安全管理及应用合规标准,并通过国家高级别的等保评估安全标准,确保数据安全和消费者隐私。

有大数据行业丰富的部署经验,同时灵活支持 SaaS 和私有化部署,稳定地为品牌主提供7*24小时服务保障,确保核心数据资产安全可靠,确保性能的前提下,硬件成本低。

 

(九枝兰CDP功能展示图)

 四、他山之石,如何借鉴?搭建CDP平台以提升营销效果的建议

 

重要结论:电商的CDP是业务概念,实际中会在各个应用场景定制化。

 

 

落地的思路和原则

• 坚决杜绝“PPT软件”!

• 从应用场景和价值倒推技术支持,CDP是过程指标,营销业务效果才是最终目的

• CDP可以是“业务概念”,落地技术方案因地制宜

 

落地的方法:贴身订制解决方案

• 客户更需要的是针对各营销场景,贴身订制的“营销技术”

• 也许强于“高大上的概念+未知的落地价值”的通用CDP解决方案

• 从业务价值点出发,进行定制化开发

• 定制化、定制化、还是定制化

 

五、互动问答:

1、对于CDP,我能不能先上一个模块?有先后顺序吗?

就要按照模块上,先后顺序取决于我们的业务,哪个业务点最痛最迫切就先上哪一个。

 

2、CDP可以进行私有化部署吗?

必须支持私有化部署

 

3、没有建立数据库的公司可以做数据库吗?

可以的,一个业务正常跑起来就需要做CDP,可以租个阿里云、百度云等等,这就有了服务器,数据库可以找第三方公司帮你做。

 

总结:

在各个行业的实际应用中,从来没有一个实实在在的产品叫CDP,其实“CDP概念”早已内化到各个业务线,九枝兰针对企业实际业务场景,进行贴身定制化的CDP部署,按照企业最迫切解决的业务点和营销场景逐步展开,一步步进行私有化部署,可以估算由此带来的业务价值,为每一块的营销业务效果负责,这种其实比“高大上的CDP概念+未知的落地价值”的通用CDP解决方案更实际有效。