CDP 是什么：客户数据平台到底解决什么问题

先说结论：CDP 不是「存数据的仓库」，它是一个把分散数据拼成「一个人」的引擎。

它解决什么问题

典型的场景是这样的：同一位客户在你这里有三条记录——

• 电商小程序下过单，绑了这个手机号
• 线下门店办过会员卡，用了另一个手机号
• 客服系统里有个记录，只有姓名和一个座机号

你给这位客户发短信，用哪个手机号？他算老客还是新客？如果他是老客，为什么还在给他发新客优惠券？

CDP 干的就是这件事：建立客户身份解析（Identity Resolution），把散落的记录合并成一个 unified profile。

核心构成

一个典型的 CDP 有这几层：

1. 采集层（Ingestion）
对接各种数据源：电商系统、CRM、客服工单、线下 POS、第三方数据。关键是支持实时流式接入，不只是定时批量拉取。

2. 身份解析层（Identity Graph）
CDP 的技术核心。判断「这两条记录是不是同一个人」。常用信号：手机号、邮箱、身份证、设备 ID、收货地址、行为序列。

难点在于误合并和漏合并：

• 误合并（把两个真人合成一个）→ 会把 A 的行为推给 B，推荐全错
• 漏合并（同一个真人拆成两个）→ 触达被重复打扰，客户体验崩

一个成熟的 CDP 应该能让你查看和手工修正合并结果，这一点常被忽略，却比算法精度更影响实际效果。

3. 数据治理层（Data Governance）
字段标准化、去重、时间线合并（同一客户在不同时间的行为要串成时间序列，而不是互相覆盖）。

4. 标签与人群层（Segmentation）
打标签（会员等级、生命周期阶段、品类偏好）、圈人群、对外同步到投放平台。

5. 激活层（Activation）
把人群同步到 MA、SCRM、广告平台去执行。CDP 的价值不在存储，在于能激活。 一个不能对接执行渠道的 CDP 只是个更贵的仓库。

实际怎么用：五步落地

1. 先做数据源盘点——列出你能拿到哪些数据、字段是什么、更新频率多快
2. 选一个明确场景——比如「找出 90 天未复购的高价值客户」。没有场景的 CDP 项目一定失败
3. 最小化起建——先接 2-3 个数据源跑通链路，别一上来全接
4. 人工校验准确率——抽 100 个客户，比对 CDP 合并结果和实际认知的偏差
5. 闭环到执行——人群必须能推到 MA 或广告平台，否则数据会烂尾

选型要点

看 CDP 别只看功能列表，问这五个问题：

• 身份解析准确率是多少？能不能看到具体的合并逻辑？
• 支持实时流式接入吗，还是只有定时批量？
• 能不能对接我们现有的 MA 和广告平台？
• 数据合规怎么处理的？数据存哪、能不能按字段删除？
• 标签体系是内置的还是需要我们从零建？

适用边界

• CDP 解决的是「识人」，不解决「触达」。它不能替代 MA
• 如果你的业务根本不需要跨渠道识别同一个人（比如纯站内电商），CDP 可能是过度设计
• 身份解析永远做不到 100% 准确。把 CDP 当成「大幅减少误差」而不是「彻底解决」，心理预期要对
• 数据合规是硬约束，国内涉及个人信息保护要求，跨境场景还要考虑数据出境政策

与相邻概念的区别

| 概念 | 核心问题 | 区别 |
|—|—|—|
| CDP | 把记录拼成「一个人」 | 以客户为中心 |
| DMP | 圈选人群包做投放 | 以受众为中心，不解决单体识别 |
| 数据仓库 | 存和算 | 存原始数据，不做身份解析 |
| MDM | 管主数据（产品、供应商） | 管的是「物」不是「人」 |
| CRM | 记录销售互动 | 偏流程管理，CDP 偏数据整合 |

参考来源

• 主流 CDP 厂商（Adobe Real-Time CDP、Salesforce Data Cloud、Twilio Segment、神策）的公开产品文档
• 国内《个人信息保护法》对数据最小必要原则的要求

---