是什么造成了CDP撕裂分化的局面？

直到2022年初，CDP的讨论和市场热情仍然很高，很多公司还在那个节点入局，把CDP作为新的业务方向，就像一阵大风过后突然出现的AI热潮一样。

时间来到2023年，人们对CDP的关注已经被质疑所掩盖，大部分集中在“CDP贵，不值得”。 “贵”显然是后者造成的，而“不值”通常是因为不能给企业带来成果。 说白了，应该是“无法带来原服务商所承诺的结果”。

对于现状，创略科技创始人胡世杰直言，“有很多CDP项目已经‘烂’了，导致企业客户和市场开始重新评估CDP的可行性。” 例如，很多科技公司声称有CDP产品，但最终拿出来的可能是SCRM或CDP的演示版，这就导致企业填坑。

但他仍然认为CDP仍然是刚需。

IDC最新研究报告还显示，与2021年相比，2022年中国客户数据平台（CDP）软件市场将增长36.1%，达到16.4亿元。 到2026年，全球CDP市场规模或将达到57.2亿美元，中国CDP市场增速将超过全球市场，保持高速增长。

但事实上，从2013年CDP提出至今，也不过10年的时间。无论是在营销技术相对发达的欧美市场，还是在中国，整体市场都不大，市场认知度并不高。正如所料——

一方面，CDP公司并不多。 Scott美国版《营销技术全景图（2023）》中仅收录了97家（97/10383）CDP服务商，而弓研究所出版的中国营销技术生态图集8.0中仅收录了43家（43/2700）家。 IDC估计，中国CDP市场前5名公司的成交额几乎占据了整个市场的一半，美国市场也是如此； 另一方面，调查发现，超过50%使用CDP的营销人员认为这只是公司的CRM系统。

图片来源：

从高人气到被质疑，无论是误会还是逐渐明朗的真相，CDP都迫切需要一个重新审视的机会。 如果事情的真相能够查清，潮水退去也未尝不是一件坏事。

胡世杰在加州大学伯克利分校学习时，师从图灵奖获得者David A.学习数据挖掘。 他的营销技术经验始于硅谷，当时为微软等大客户提供营销数据分析系统开发、数据挖掘等营销技术解决方案。

2014年前后，他回国与同学兼同事杨晨云共同创立了创略科技。 当时距离CDP提出仅一年时间。 可以说，创略科技是国内最早关注并推出CDP产品的公司。 CDP提出的十年间，他们见证了该产品在国内外数据分析市场的起起落落。

创略科技自成立以来，一直专注于营销数据的分析和研究，为玛莎拉蒂、剑河、长安汽车、施华洛世奇、星巴克咖啡、春秋航空、中国银行等企业提供CDP产品和服务。 创略科技现已达到B+轮，占据国内CDP市场5.9%的份额，并在过去几年保持2-3倍的稳定增长。 2023年Q1/2会有较大提升，其他收入体系中约60%来自标准化产品——在当前市场环境下非常罕见。

让我们以胡世杰与创略科技的故事为切入点，从全国市场份额排名前五的CDP服务商角度，我们可以一窥中国CDP赛道的过去、现在和未来：

01 也许我们都误判了CDP市场的受欢迎程度

企业购买CDP时，需要什么？

这个问题看似简单，但这里隐藏着两个问题：企业为什么需要CDP？ 如何用好CDP？

不妨来一次灵魂拷问：购买CDP显然需要客户数据分析，既然可以是CDP，为什么不能是SCRM、CRM……？

胡世杰告诉我们，在创略科技接触的企业/同行中，对于CDP，企业自己可能并不知道自己真正需要它的原因，甚至服务商自己也可能无法解释。

CDP 的意识和营销教育远没有现在那么热门。

市场上对CDP（Data，客户数据平台）的定义有很多种，但提出这个概念的David Raab始终只强调：“data that comes from all and is out to all。”（数据来自所有来源，并且是共享给所有来源）”

“来自所有来源”意味着CDP解决的问题是将来自所有其他系统的所有用户数据汇集到一个地方（每个系统都有“自己的”客户数据，例如CRM数据是第一方客户数据，该数据DMP的数据是广告层面的用户数据、第二方数据、电商平台的第三方数据……），打破各个系统/平台之间的数据孤岛，不再为数据而苦恼隔离。

也许有人会说，数据仓库和数据湖也有类似的功能。 区分它们的关键在于，其他系统是为了做其他事情而设置的，它们不适合在技术层面拉取不同类型的数据。 放在一起，并从客户的角度而不是从其他角度结合起来，并与原来的系统共享。

CDP服务商可能会告诉你一个复杂而模糊的概念来衬托自己的产品，但实际上你只需要记住：CDP是关于集成数据和开放数据的。

图片来源：创略科技 以创略科技的CDP“NEXUS”为例，可以看到底层是数据采集，顶层是获取开放数据的场景

从这个角度来看，企业/公司在部署CDP时需要考虑三个关键点：

1.业务场景。 无论范围或数据类型如何，CDP 都比任何系统更广泛、更丰富。 因此，CDP数据作为统一的数据基础设施系统，只能在业务场景中发挥作用。 例如，CRM可以利用CDP的数据分析结果，更精准地帮助企业管理和服务用户生命周期的每一步。 例如，CDP数据可以协助MA输出更合适的营销策略。

数据丰富的特点也被称为数据分析公司必须部署CDP的原因——

基于营销环境和互联网的复杂性，每次用户交互可能来自越来越多的营销渠道和场景，可能使用越来越多的设备……当更多的交互走向数字化，即使没有“CDP” ，还会有其他“CDP概念”出现。

因为企业迫切需要通过ONE ID更全面地了解用户，从而整体优化客户生命周期，实现精准的效果衡量。

因此，无论是品牌企业还是技术机构，CDP的开发和实施都必须从应用场景和价值来推演。 说白了，CDP是一个流程指标，算法驱动的营销业务效果才是最终目标。

2. 键入。 基于场景，CDP不仅需要整合数据，还提供其他功能。 比如数据分析和事件管理，正如我们在《CDP是写在宇宙尽头吗？》一文中提到的，目前的CDP产品大致可以分为3种类型，数据型、分析型和营销型，每种类型类型会侧重于相应的需求和应用场景。 不同类型的CDP公司可能有不同的基因，可能是通用数据集成工具（数据仓库）、营销自动化（MA）、程序化购买。 （DMP），这会导致各个厂商的玩法不同。

3.数据能力。 你会发现，无论是什么类型的CDP，都离不开“数据”。 CDP的底层优势是数据，需要强大的数据基础。

统一分散的数据和应用场景，首先决定了CDP的基础框架必须具备稳定整合多源、海量数据的能力。 企业消费者层面的所有数据，无论是结构化数据还是非结构化数据，都必须接入CDP。 、实时数据、非实时数据，数据导入后必须进行清洗，直到适用并可以与用户关联，即需要将导入的数据直接与业务关联起来。 以最基本的用户身份识别（One ID）为例，需要连接不同接触点的数据维度后，识别用户的身份。

需要注意的是，分析过程需要多长时间对企业来说至关重要，而响应速度决定了企业能否及时调整策略。

对于CDP产品来说，这需要与数据的规模和计算的速度有关，这取决于文章开头所强调的——基础数据能力是否足够强，这基本上决定了生死CDP 产品的。

但根据我们的调查，市场上的大多数CDP产品可能都不能称为“产品”。 业内人士表示，目前CDP项目费用大部分是服务费用。

胡世杰也同意这一说法。 中国很多CDP产品都是半路出家。 由于技术和成本问题，很多CDP只能算是“半成品”。 他们经常在没有完全了解营销场景的情况下出售它们。 把自己定位为CDP，你做的产品也可能带有公司主打产品的属性。 比如说你买了一个CDP，其实它的本质就是CRM。

难道你不知道为什么CDP概念在中国出现后，在这么短的时间内就出现了如此多的CDP公司吗？ 是因为产品开发速度快吗？ 万工研究院编制的中国营销技术生态图8.0（2700+）中，共收录了43家提供CDP产品的公司。 根据我们的严格筛选，至少有30家公司不以CDP为主营业务，而是以DMP、CRM、MA、ABM、数据中心为主。 新的CDP产品是在其他产品的基础上增加的——因为这些产品和CDP之间存在“某种关系”，但也正因为如此，CDP市场才会混乱。

当时很多企业为了满足企业的应用需求或者是为了追赶潮流，都尽可能地抛出了“CDP”的标签。

根据胡世杰的观察，“真正的CDP可能还不到10%”。

对于大多数仍处于数字化进程中的中国企业来说，数据分析认知尚未统一，复杂的数据产品无法仅靠内部团队的力量来使用。 他们需要服务提供商的支持，从数据层面实施从数据分析到客户成功，都需要帮助。 而且国内企业的数据来源过于复杂，数据分散、非结构化，Excel中还隐藏着大量业务数据，不易处理。

因此，在产品本身缺乏和企业自身双层buff的推动下，“国内企业更愿意为服务付费，而产品本身却很难拿到钱”。 胡世杰表示，企业还是觉得一个产品就几十万不划算，自然认为定制服务更有价值。

客户的成功确实离不开服务商的支持，但这并不意味着服务商需要OEM。

这让CDP服务提供商非常不舒服。 强调服务意味着团队投入大，毛利低，人效低，规模难以扩大。 不过，产品的缺点也可能通过定制来弥补。 毕竟，如果最后结果好的话，过程其实并不重要。 这在中国SaaS环境中也很常见。

然而，在互联互通、数据资产入表、营销环境复杂的背景下，分散在互联网不同角落、不同渠道的数据孤岛将限制企业的发展。 CDP将逐渐成为企业数字化转型不可或缺的要素。 这个产品必须有一个蓝图。

02 CDP市场需要标准化产品支撑

那么我们如何选择好的CDP产品呢？

无论从哪个角度来看，定制都是贴合业务价值点、根据业务痛点解决问题的最合适的选择，但对于服务商来说，这都是“没有办法”——标准化产品非常困难灾难。 如何通过CDP产品交付和运营让客户感知价值，同时扩大规模和收入，是CDP服务提供商面临的课题。

对于企业如何选择CDP的问题，胡士杰给出了两条判断捷径：

1、是否可以快速部署，客户在实施过程中只需配置即可上手（甚至无需动代码）；

2、是否有垂直行业积累的标签体系（行业Know-how），分析指标维度和模型场景，可以帮助企业快速走向应用场景感知价值。

例如：

国内四大车企之一联系创略科技，要求通过整合亿级线索数据，提高B端销售的CPL（Cost Per Leads，每线索成本），提高线索到店率、增加会员数量用户。 （APP）等不同场景。 这涉及到业务场景的规划和梳理，比如线索（精准投放、线索分配、线索培育、到店、ADP订单……）、会员和积分商城（APP\小程序），其次是采集和数据规划，以及为车企建立人-车-店-顾问标签管理体系，最终对需要落地的业务场景进行闭环验证，确保业务场景增值。

汽车产业是创略科技的优势产业。 他们在多年的服务经验中积累了大量的行业服务，并将其预设到行业云的标签系统中，以便客户可以直接选择标签在相应的场景中使用。 因此，在全量数据和现场特征导入后，项目很快启动。 通过数据商业智能和商业模型的构建，快速完善车企需要优化的业务场景：

CPL大幅下降，成本节省23%； 经销商店引店率提升至15%； 车主APP日活跃度提升至25%，车主在线率达到95%。

来源：创略科技车企各种场景

发散思维，为何能受到如此多的关注？ 1.回到C端应用场景，2.简单易用。 同样，在任何SaaS应用中，这两点应该是企业和服务提供商最看重的。

需要强调的是，这两点的前提是CDP有良好的数据基础（即上面提到的数据能力）。 只有获得可用的业务数据后，我们才能实现数据价值挖掘，将数据转化为及时或近实时的洞察，并将洞察转化为行动。

以创略科技为例，为了帮助客户构建更全面、更快速的数据集成，他们开发了CDP的数据中台，相当于双引擎辅助企业数据资产落地。

如果一个CDP项目失败了，很大程度上是因为它离业务场景的产品化解决方案太远了。 我们在很多数据中心项目中都可以看到这样的例子。

另外，还可以添加参考指标，产品标准化成熟度，创略科技的参数也是很好的参考：

单个客户最大处理用户数1亿+； 平均交易量和行为事件量为4800万； 平均处理分析的用户量可达700万渠道； 算法服务提供超过16个营销场景的产品化算法模型； 采用深度学习技术的算法模型占比60%。

服务和产品的比例也可以作为参考值。 产品占比高意味着产品可以直接被企业使用，产品的易用性和成熟度得到保证； 盈利能力和成长能力，产品（SaaS）比重越大，其实也意味着更多的企业有更多的选择，有更多的行业经验。

例如，创略科技的营收中，40%来自服务，60%来自产品。

用胡世杰的话说，“我们的比例算中等”。 作为国内最早一批做CDP的厂商，创略科技在产品上有一定的先发优势，这给了他们优化的空间。 他们的产品体系是基于架构的，其分布式特性具有较高的可扩展性，可以保证海量实时数据计算等需求的支持。 （可以理解为一个大数据操作系统，可以支持大数据集上的各种工作负载，包括机器学习、实时流处理等）

尤其是在机器学习算法、深度学习、自然语言处理方面，创略科技的投入比例逐年增加。 AI是创略科技从2017年开始的部署部分，主要用于预测模块。 它落在现场。 它是一种算法驱动的预测营销模型，不再需要依赖人类操作。 例如，在用户做出购买决定之前，通过洞察挖掘来预测这个过程中潜在的变化。

对于具备AI能力的数据服务商来说，丰富的消费者数据和业务场景为AI提供了充足的学习素材，使得为客户建立的模型以及对客户群体的预测更加准确。 而且，随着AI使用的更加频繁，准确度也会变得更加准确。

据了解，创略科技目前的优势行业（场景）为汽车、零售（轻奢/母婴）、大健康、口腔。 详细案例请向我们询问。

03 CDP的未来？

CDP市场还处于起步阶段，但基于CDP本身的各种特点，它更像是企业的数据基础设施。 随着市场的成熟，“基建”的定位将有更多的想象空间。

例如，开源。

通俗理解，开源=我做完作业（产品），然后把作业摊开让同学抄。 同学们还可以在我作业的基础上进行修改，甚至有的人可能会在没有监督的情况下将作业当作自己的作品出售。 。

国外有很多成功先例，例如融资总额达到8200万美元。 目前国内开源开发者很少。 不客气地说，以目前中国SaaS的现状为例，大部分SaaS服务商都没有实现盈利。 国内开源商业化土壤还不成熟，开源并不是一个好的选择。 可以归结为两点考虑：

首先，开源不赚钱。 对于可以自己使用开源软件的企业来说，开源就意味着免费，任何人都可以使用源代码来盈利； 但对于没有自己开发软件的企业来说，就得花钱购买。 显然，对于公司的商业化来说，Words是一个不利的选择。 不赚钱是做生意的原罪。 而开源触及了这条红线；

其次，开源对产品的基础能力要求极高。 并非所有产品都适合开源。 毕竟半成品是不可能开源的，只会损害自己的品牌。 愿意将产品开源，也意味着该产品在一定程度上已经很完善，但这样的产品估计很少。

但为什么我们仍然认为“开源”对于CDP来说值得一提呢？

换个角度思考，对于服务商、企业、程序员乃至整个市场来说，开源就相当于翻开SaaS领域的书籍。

一个产品好不好，技术是一个重要的考虑因素，其次就是产品锤炼的场景。 中国拥有全球最复杂的商业场景。 在这样的条件下，产生了产品，加上开源后更多的参考——更多的真实场景和用户驱动的产品迭代和更新。

最终变得像AI一样，在程序员的应用中不断“学习”，完成技术创新，更快地消除bug和开发。 最终或许能够完成业务反馈，为企业提供更成熟的产品。

随着越来越强大的人工智能系统的出现，未来软件将失去竞争力，而开源是提高竞争力/与硅竞争的一种方式。

其次，CDP作为未来重要性已经可以预见的产品，应该被更多企业关注，但SaaS产品的规模必须与“云”挂钩，让云上的服务能够突破地域限制（这个基于人们业务的最大限制），而基于开源的大数据库生态，其实能够更快地满足业务增长的需求。

对于CDP服务商来说，这是一个可以深入挖掘的价值点。

胡世杰告诉我们，其实在这两年的接触中，我们可以发现一些互联网公司已经开始积极选择SaaS产品，同时也会选择云原生。 “市场出现了一些变化，这是比较出乎意料的。”

开源是一次冒险。 但对于CDP的未来，我们可以放下想象。

《三体》中，黑暗森林法则的两个前提是“嫌疑链”和“科技爆炸”。 当人类从三体的技术中看到光速飞船的可行性时，人类就会少走很多弯路，无需反复验证是否可行，直接朝着这个目标迈进，最终得到光速飞船。 这就是技术爆炸：当你知道一个技术方向是可行的，只要你用心去做，就一定能达到。

（也希望听到更多不同的声音，欢迎有兴趣讨论CDP开源话题的伙伴加入万工研究院微信讨论）

写在最后

亚里士多德在《诗学》中写下了这样一句话，“It is the of apot to not that have , but that may .（诗人的职责不是描述已经发生的事情，而是描述可能发生的事情。）”

数据服务商似乎就是这个“诗人”的角色。 商业世界中不存在纯粹的机会，企业需要在概率和规律中寻找隐藏的特殊性。 结合中国互联网的发展和企业数字化的进程，CDP作为连接营销技术的数据枢纽，其未来是毋庸置疑的。 我们期待和寻找的可能是更好的产品。