创略科技:CDP的真正价值,来自于场景化运营能力

来源:创略科技 时间: 2021-06-01

在消费者存量竞争的环境下,通过有效管理客户生命周期价值,进行全域精细化运营,挖掘新的增量成为企业营销成功的关键。近期爱分析的记者采访了创略科技联合创始人兼总裁杨辰韵,就CDP的运营策略,包括系统上线后如何真正赋能业务产生商业价值展开了深度探讨。

爱分析:首先请杨总给我们介绍一下创略科技产品和服务经历过哪些迭代的过程,以及整个产品和服务的情况。

杨辰韵:创略科技一直专注于营销技术领域,早在2016年,就洞悉了数据的价值和发展趋势,开始研发客户数据中台CDP,当时在国内算得上较早推出相关产品和解决方案。到现在也逐步延展出比较成熟、完善的产品矩阵,基本每个行业都有我们的标杆客户,并且依然不断延展到更多新的数据源和应用场景:

首先是在数据源层面的延展。由于消费者各类线上触点行为的增加,创略科技首先推出了通过埋点进行数据采集与接入的DC模块,基于客户行为数据进行埋点,对客户在页面上的访问量、访问次数以及操作行为等数据进行采集和统计,帮助企业了解客户浏览偏好和需求。之后我们也实现了基于CDP对非结构化数据进行采集和处理。非结构数据主要是文本形式的数据,如客户评论、留言等,创略科技基于源处理技术,将其转换成可应用的数据源。作为大数据架构的CDP,可以做到实时行为数据的实时采集、分析和应用,这是CDP相较于传统CRM等结构化数据库特有的功能优势。

然后是解决方案方面的延展。我们一直认为,研发出一款领先的CDP产品并不是最终目的,终极目标是基于业务部门的实际需求,实现场景应用的落地,切实解决了业务部门的问题和痛点,最终实现KPI。因此,在解决方案层面,更加关注各领域的行业know-how,结合丰富的行业标杆客户经验,沉淀各行业的标签体系、分析维度、指标以及模型场景等应用,从汽车出行到零售、旅游、教育培训,再到去年因为疫情原因比较火爆的跨境电商等各领域,都形成了先进、成熟的行业解决方案。

最后是应用场景方面的延展。基于大数据架构的CDP,一大特点就是可以支持与融合AI技术的应用。在应用场景层面上,我们也有一套自研的营销引擎ME,也称为营销中台。且我们的产品不仅仅是局限于纯粹的营销自动化,除了千人千面的个性化营销和推荐,也有基于数据做客户体验的管理,比如智能客服以及C2M等等以客户数据为中心的一些非营销场景。

爱分析:那么近一两年创略科技研发了哪些具体的功能模块呢?

杨辰韵: 智能客户数据中台CDP可以说是我们产品矩阵的底座,然后我们2017年推出了IQ,也就是我们的机器学习算法模块,这是一个结合深度学习和机器学习的预测性营销建模的算法组合。

随后我们增加了数据中台DP,可以实现数据治理或者数仓之类的功能,把底层的数据治理和数据开发的相应功能也丰富到了我们的产品矩阵。

到2018年我们推出了DC模块,也就是行为数据埋点标准化工具,以及PRISM模块——可以将文本类或者评论类的客户数据,进行结构化,转变成相应的标签字段,再进行应用。

另外,我们的ME,也就是营销自动化和营销中台(或者叫营销引擎),在2018年已经迭代到3.0版本。所以我们的产品矩阵主要包括CDP、DC, ME、DP、PRISM等。当中跟算法相关的,包括IQ预测性的建模部分,以及计算源处理技术的PRISM模块部分。

爱分析:现在很多企业都在做CDP,但是其实每个企业对CDP的定义好像都不太一样,创略科技是如何界定CDP呢?

杨辰韵: CDP从技术层面上来讲是基于大数据架构,可以支持AI模块的应用。核心是帮助B2C企业打通各个系统或者触点上的客户的数据,最终基于CDP支持个性化营销、个性化推荐等,实现高效的、个性化的、智能化的营销。

当然,并不是说所有做CDP的公司都拥有AI能力,做CDP和有AI能力并不存在因果关系。只是我们一直致力于将AI算法技术赋能到CDP中,是因为除了数据的采集和打通,CDP更重要的是可以结合AI技术辅助营销部门做决策。我们也一直专注以算法驱动营销决策,也就是不需要人工设置,而是通过算法去完成相应的A/B测试和策略的实时调整、优化。

爱分析:您觉得要做好CDP,最核心的是哪些方面呢?

杨辰韵:首先是标准化产品的成熟度。很多中台类公司,涉及的场景较多,定制化程度就必然较高。而创略就更加专注营销场景解决方案,在产品层面的专注程度就会更高。在业务系统里面,要避免大量的定制化开发,否则产品和技术必然不够专注,并且在项目过程中分散注意力,造成人效降低。对于技术公司,很关键的一点就是要基于明确的战略路线去做产品和技术的延展,而要避免过于分散精力。

其次就是产品性能问题。有的企业客户数量达到亿级别甚至十亿级别,且需要秒级或者分钟级别的速度来完成计算结果,对大数据的性能要求非常高。

另外很关键的一点,就是对行业know-how的理解和应用,包含了行业的标准体系、分析维度、模型场景等。并且在全域数据打通后,能否基于营销的各个场景和行业know-how组合模型,在每个场景以AI驱动去进行分群和营销触达。

我们认为这几个方面是考察CDP厂商或者供应商能力的几个关键维度和因素。

爱分析:我之前看我们的资料,了解到我们可以对一方数据、二方数据和三方数据进行整合、打通管理。那么我们不同的数据源,如何做匹配并应用呢?

杨辰韵:在数据的整合应用范畴内,将多触点、多终端以及多方数据打通,通过ID匹配,实现One ID,是帮助企业实现精细化运营以及提升客户营销体验的重要手段。对于确定性的ID匹配,可以根据不同数据源的某一确定性指标进行匹配,实现数据的统一性;而针对不确定性的不同来源数据,创略科技智能客户数据中台可以基于图计算的AI模块做相应的匹配,这也是创略科技AI赋能的CDP产品特有的功能优势。

需要特别注意的是,如果需要打通、整合、应用的数据包含第三方数据时,其合规性是首要前提,也就是这些数据的使用必须是经过消费者授权的。尽管很多客户对于企业获取其信息进行活动推送的行为可以接受和理解,但也明确表示需要在保障隐私的前提下进行。

因此,创略科技计划通过联邦学习建模或者是隐私计算建模的方式来保障数据的隐私性及合规性。其优势是拥有数据的各方不需要进行数据交换,而是在安全屋上进行相应的建模,然后把建模的结果直接应用到各具体的场景中。比如,基于这些数据建模了解购物车的意向概率、复购概率或者流失概率等,联邦学习的各方之间不需要流通数据本身,而只对数据洞察结果进行交换和应用。这必然是未来数据应用的大势所趋。

爱分析:我们都知道标签是客户洞察的基础,越来越多的客户通过CDP构建标签体系,那么创略科技是怎么进行标签体系的构建和设置的呢?

杨辰韵:标签本质上对于CDP而言,可以支持到业务部门。基础标签在最初做某个行业解决方案的时候,需要根据客户数据源的现状,以及业务部门基于业务痛点的需求,梳理出来。然后在不断做同行业解决方案的时候,这个标签体系会逐渐沉淀被复用到更多的同行业客户。

标签体系分为两类,一是基于规则的标签,也就是人工设置规则。另外就是基于算法的标签,包括深度学习、组合算法模型的预测性标签等。经过积累沉淀的标签体系一般会既包含基于人工设置规则的标签,也包含基于算法驱动的标签。

爱分析:那么我们建立标签体系之后,如何对业务做支撑呢?

杨辰韵:CDP对业务的支撑主要是两方面,一是分析的场景。比如在营销场景里面的漏斗分析,观察转化的每一个步骤、客户的生命周期、客户画像以及归因分析、营销渠道、营销结果的分析等。另外就是多维管理、多维分析,基于分析来做洞察,实现最后的营销触达。实现这一功能的就是我刚提到过的营销引擎,是CDP延展出来的应用场景模块,可以基于不同的人群、不同的条件在不同的时间、不同的渠道推送不同的内容,实现营销自动化触达。

爱分析:我们营销自动化和CDP之间,如何分工? CDP如何对营销自动化做支撑?

杨辰韵:CDP的核心功能,是行为数据的埋点采集。如果要做数据的可视化和分析场景,这是CDP本身的功能就可以实现的。如果是要做营销触达,就需要在ME的模块里面去实现。也就是说,我们的CDP会有接口对接到ME的模块,ME的模块主要是进行营销自动化的规则设置,并且对接所有可能会触发的营销渠道,这些是属于营销中台的范畴。

另外,我们的CDP完全支持跟客户已经在使用的、其他品牌的ME或者MA这样的工具的对接,除非客户想实现端到端的产品统一,否则我们并不一定要客户换掉正在使用的其他工具。

爱分析:现在营销领域人人推崇的“千人千面”,我们能做到吗?

杨辰韵:“千人千面”我们当然可以做到,这就是我们说的个性化营销,其中就包括个性化推荐,这是其中的一个必要功能。但我认为,营销的目的并不是追求千人千面,而是最后的KPI到底能否完成,而这取决于精细化运营的程度。是否要做个性化推荐、纯粹的精细化运营是根据企业的实际情况而定。在这个过程中,投入成本、费用和收益能够达到平衡,最终提升ROI,就是正确的方法和策略。

爱分析:您刚才一直提到了ROI的概念,其实相对来说很多企业我们了解到之前说投资数据中台或者是客户数据中台,短期内不一定能看到明显的效果。那么您是怎么看待这个问题的?

杨辰韵:综合型的数据中台和客户数据中台本身是两个不同的体系。综合性数据中台,本身是基于IT部门的平台,其很难有具体的场景应用,开始基本只能实现数据可视化,或者是IT运维的优化。而CDP它是一个营销技术MarTech里面的定位,跟一般综合性数据中台的区别是有明确的应用场景,是营销层面的应用,相对而言结果是可量化的。

之所以我们的很多客户可以从2017年一直与我们持续保持合作,主要就是因为应用场景上的价值体现,并且这种价值可以在应用场景上持续延展。这就是营销场景跟其他场景的关键区别。

以我们的春秋航空这个客户为例,我们在为其搭建好CDP后仅用了两周时间,就实现了第一个痛点场景的ROI提升。我们对该航司数百万会员进行数据分析,对机票高购买意向客群进行特征提取,得出航线机票个性化推荐模型,模型整体准确率高达90%以上,并且在后期不断的积累下,这一模型准确率上升到了98%以上。

爱分析:我们了解到很多甲方客户是从营销端去理解CDP,那么在搭建好CDP后,对于客户的广告投放,会有帮助吗?

杨辰韵:肯定会有帮助的,现在就已经有客户把广告投放的预算也交给我们来管理。传统的广告投放是基于纯粹的创意和媒体购买,随着消费升级和客户偏好愈加个性化和多变性,广告投放策略必然转变为基于潜客和已有客户的画像进行指导。还有一些客户的广告投放定向是基于CDP或者其他系统输出的客户洞察。而从数据的层面,也有基于隐私计算或者联邦学习的广告定投的新技术出现。

爱分析:跟业务中台相比,咱们的营销中台在场景方面,具有什么样的优势呢?

杨辰韵:业务中台的定义比营销中台更广泛,也就是说营销是业务中台的业务场景之一。很多中台类的公司,涉及的场景较多,其定制化程度一定是较高的。创略科技就更加专注于从营销场景切入,并将营销场景做得更加深入。我们相较于业务中台的公司而言,在产品上的专注程度就会更高。

创略的技术壁垒在于客户数据中台,包括大数据、AI能力等。在业务系统里面,要避免大量的定制化开发,因为过量的定制化开发会使得人效降低,并且在项目过程中分散注意力,对于产品和技术不够专注。

爱分析:我们现在帮助企业部署CDP,是部署到本地还是云端呢?

杨辰韵:CDP的部署在本地和云端都可以,行业头部客户大多选择本地部署,腰部的或者外资的客户会选择云端部署。因此我们和几乎所有的云厂商都有合作,最早是亚马逊,后来2017年创略科技入选微软加速器、微软云,包括阿里云以及我们2019年入选腾讯加速器,所以与腾讯云肯定就有合作。

爱分析:创略科技是怎样建设行业生态体系的?有哪些合作伙伴?

杨辰韵:我们的生态体系是由各类合作伙伴共同建立的,比如云厂商;还有集成商这一类是销售层面的;另外还有一些上下游的合作伙伴,如CRM厂商, CMS厂商等;未来可能还会有专门的代理商去覆盖中小型客户,还可以发展运营和实施层面的合作伙伴、第三方机构等辅助我们提供相应的服务,以及在广告层面和媒体端形成相互配合的合作方式。

爱分析:您之前讲到我们现在做头部品牌、头部客户,之后再做中小客户,不同类型的客户需求和服务有什么区别?

杨辰韵:各行业数据的准备和需求肯定是从头部客户开始的。今年年底或者明年,中小企业应该才逐渐有CDP的需求。行业标杆客户沉淀下来的痛点需求和行业knowhow,对于我们是非常关键的,具有很重要的行业参考价值。

另外,对不同类型的客户,服务提供的方式会有些差别。头部客户我们会基本按照所有的数据源接入和场景来交付,但中小客户可以按照逐个场景提供服务。

爱分析:咱们的ME和其他公司的MA有什么区别吗?

杨辰韵:就像刚刚说的,创略科技从数据源、One ID到人群的预测和选择等场景的落地应用,我们在国内都是做得比较早的,技术和产品已经很成熟了。我们与其他公司最核心的区别其实就是我们对于AI技术的重视程度以及融合应用。营销自动化的核心点在于如何在各行业沉淀营销方法论,创略一直致力于基于AI实现这种沉淀,并且希望营销活动不需要人工创建,而是基于算法驱动最终的预测性营销。所以逻辑上来讲,我们的最终目标是客户只要明确他的投资回报率和营销KPI,而人群、时间、渠道以及内容等一切具体条件的选择和设置都通过算法驱动完成,这是创略的独特优势。当然,首要前提是我们也是支持人工设置规则的。

爱分析:您之前一直强调说我们CDP产品的标准化程度比较高。我们的头部的客户,肯定是有一些自己的个性化需求,他们定制化开发能占到什么样的一个比例?

杨辰韵:我们的客户一般在功能层面会直接使用到我们的标准化产品。定制化的部分主要是数据源的接入,也就是需要接入数据源的多少问题,工作量并不会太多,根据数据源接入量,交付周期也从一周到两三个月不等。这其实也印证了我们产品的标准化程度是比较高的。

爱分析:对于未来两到三年,我们有什么具体规划吗?

杨辰韵:从产品技术层面上,除了2020年底推出的数据中台产品,就是我们的营销中台部分,在我们的3.0版本里面,产品的功能已经非常丰富。还有就是刚才提到延展到非营销场景,一些客户体验或者客户洞察的场景。但是我刚才也提到,我们最关注的核心其实是AI技术的应用,复制我们通过CDP进行人群选择的成功经验,到营销的组合、时间、渠道的触发条件,沉淀为一个产品类的算法驱动的营销。这对于未来投入到中小企业的运营也很关键,可以帮助中小企业极大程度地降低运营门槛。

目前,在数据源的拓展层面,创略科技正在规划从第一方延展到更多的基于隐私计算和联邦学习的数据源。在加入联盟和联邦学习的情况下,可以不做数据互换而共享第三方的数据分析结果,形成交叉销售。

在业务层面或者一些行业层面,除了刚刚提到的在广告投放的相关场景会有延展,另外就是基于跨境电商,我们开始做全球出海的CDP解决方案,核心是帮助国内的企业做国际化布局,这从市场的规模层面上来讲是比较重要的一个规划。