数字化浪潮中，企业已经学会利用数据驱动营销，根据数据做出决策，但大多数企业没有充分利用他们的数据。企业在利用现代营销栈提升营销效率的同时，营销栈的结构却导致了大量的数据碎片。 随着企业收集的数据越来越多，拼凑和管理这些数据变得越来越困难，更重要的是，企业难以实时使用这些数据来创建更好的营销活动，这意味着企业把钱留在桌上没赚。

客户数据中台（CDP）的出现，打破了现有的SaaS营销栈格局。要了解现在，必须了解过去，今天，小编带大家了解，CDP(Customer Data Platform)是如何挑起时代重任的。

数字营销的起源：传统CRM的诞生

早在1986年，当数字营销刚刚起步时，一家公司推出了联系人管理软件。 这款软件旨在存储信息和管理客户联系信息， 所有操作均为手动。

7年后，也就是1993年，Tom Siebel认为可以将内部销售应用程序作为独立产品出售，Siebel就将此应用程序提炼出来，并将其与联系人管理解决方案软件相结合，于是有了第一个CRM。

直到4年后才出现了一个新的天才打破了CRM的行业格局。他的名字是Mark Benioff，他在1999年有幸向商业世界介绍了第一个云端CRM。

在此之后，云计算成了一种更具可扩展性和成本效益的方法，让中小型企业能够根据非常具体的市场需求构建CRM，并在新的垂直细分市场中建立统治地位。

数字营销的发展时期：营销自动化的诞生

2000年初，个人计算机的普及改变了用户做出决策的方式，而传统买卖双方关系再次发生了变化。Mark Organ在已经非常拥挤的CRM行业看到了一个商机，并创立了最早期的营销自动化产品。那是2003年，营销自动化刚刚诞生。营销自动化是为营销人员打造的产品，它能够组织多渠道营销活动、细分受众群体和分发个性化内容，营销自动化的出现让这些营销任务突然变得前所未有的轻松。

在此之后，不到几年的时间就看到下一代营销自动化平台纷纷涌现，如 Marketo、Pardot、ExactTarget、Autopilot、Hubspot等等。在此之后的几年内，营销自动化已经成为整个数字营销领域的最大子集。

当然，正如我们今天所知，市场营销自动化存在局限性。 具体体现在以下三方面：

数据利用率低

回到营销自动化刚刚诞生的早期时代，世界以网络为中心， 现在情况完全不同了。与十年前相比，现在的用户以更加复杂和多样的方式与数字产品进行交互。 正如上文所述，用户交互的复杂性和中间设备的增加，导致SaaS产品栈需要在具有特定需求的特定市场上垂直拓展。

具有特定功能产品的完美组合不仅节省成本，而且与传统的一体化解决方案相比可以确保更好的质量。

SaaS产品栈为公司提供了快速适应需求的灵活性，但它们也是造成巨大数据碎片的原因，有价值的客户数据隐藏在这些断开连接的工具中。

数据是每家公司里许多部门成功的基石，营销也不例外。企业的SaaS产品栈越复杂，在不同工具上积累的客户数据就越多，企业就需要更多时间来重新组合零碎的客户拼图，以获得完整合理的画像。这表示数据碎片将随SaaS的复杂性呈指数级增长。

黄色的是“个性化曲线”，即企业实际利用的数据量。 可见，随着SaaS产品栈复杂性和数据碎片增加，企业真正利用起来的数据几乎在同一个级别上，变化不大。 蓝色交叉部分就是“数据损失量” ，也就是企业拥有但无法使用的数据。

营销“最佳实践”疲劳

Nathan Konty曾指出一个非常普遍的问题，战术“疲劳”存在于许多领域，如人类美学、口语、甚至电影，营销也不例外。随着观众更频繁地接触营销战术，战术的有效性就会逐渐消失，这种情况一直发生在广告中。

营销自动化中这种情况更加明显。 当每个公司的每个营销/产品团队，对每个行业都应用相同的“最佳实践”时，营销就逐渐失去了效率。两位心理学家用下图解释了这种“疲劳”。

当我们正在处理绝对的新奇事物时，会感受到快乐。这种刺激的特征值被视为一个函数，上升到峰值（X1，特征值的最佳水平），然后逐渐会下降到幻灭阶段（X2）。刺激的效果被认为与它的新颖性直接相关。市场营销需要不断的创新模式来使刺激效果尽可能高，如下图所示。

PQL逐渐取代MQL模式

MQL（高质量营销线索）是对公司/产品感兴趣的潜在客户，这些客户已经准备好与销售进行互动。营销和销售部门对MQL的定义是非常一致。PQL（高质量产品线索）完全不同于传统的MQL模型。

MQL优先考虑用户的属性，即询问“这个联系人的电子邮件是什么？ 它是B2B还是B2C电子邮件？这个联系人在哪个公司工作？他在公司中扮演什么角色？”

而 PQL优先考虑用户的行为和产品采用水平，如“他试过产品吗？他先尝试了什么功能？”等。

换句话说，PQL模型所统计的是对产品感到满意的客户，所以PQL模型面临的真正挑战是如何深度吸引目标用户。

但是，当涉及到产品指标数据时，传统的营销自动化平台无法直接获取这些数据，只能通过人工从产品后台采集。

营销自动化平台擅长“培育和提供个性化内容”，但在数据打通、获得首单并逐渐让新用户测试和尝试您的产品功能方面做得不好。

数字营销蓬勃时期：CDP挑起时代重任

总结上文所述，扭曲的、错误的、偏颇的或不存在的数据，只会导致扭曲的、错误的、偏颇的或不存在的行为。

于是，CDP顺应时代而生。首先，它与企业使用的每个SaaS产品栈无缝集成，成为获取数据的主要方式。另一方面，它具有先进的自动化功能，可实际运行营销策略。

CDP能做什么

• 连接：即连接企业SaaS产品栈中的所有应用程序，打破数据壁垒。

• 整合：归一整合所有客户数据，形成完整客户画像，以细分市场和受众群体。

• 行动：根据企业的营销情况，提供自动化旅程，或提供决策建议。

• 洞察：提供全面、多元、实时的数据分析报表，掌握营销效果。

为什么CDP会改变游戏规则

CDP将以三种重要方式填补当前的技术差距：

1、最大程度降低数据丢失量

通过对接，CDP能够掌握SaaS工具的确切配置。因此，即使SaaS产品栈越来越复杂，数据碎片也不会增加，数据丢失减少，个性化曲线遵循的轨迹和红线十分相近。

2、实现SaaS产品栈的可扩展性

相比之下，传统的集成供应商通常具有很高的转换成本，但CDP却能够用较低的成本让现代公司随着业务的发展随时改变SaaS产品栈。这使得公司可以非常快速地更改其团队使用的技术，同时不会丢失关键数据。

3、解决营销策略疲劳

CDP能够处理用户在使用产品时拥有的无限数量的接触点和交互，当企业的营销栈变得更复杂时，企业反而可以通过更多渠道更轻松地创建不寻常的用户旅程。企业越了解客户，就越能提供难忘的体验。

原文作者：Leonardo Federico

译文作者：卡罗

数据和云知识星球

<简介>

星球定位：聚焦数据存储，云计算(私有云、共有云和数据流动混合云)，微服务等知识深度讨论交流。致力于构建专业存储、数据技术星球。

内容覆盖：存储技术(分布式，传统存储，高端存储，云存储，闪存，软件定义存储)，云计算技术(平台，服务，架构等)，生态，数据保护(容灾、备份，CDM)，SCM介质、NVMe等技术。

温馨提示：

请识别二维码关注公众号，点击原文链接获取更多云计算、微服务和架构等技术资料总结。