国内真正的CDP产品不到10%？对话创略科技创始人胡世杰
是什么导致了 CDP 撕裂分化局面出现？
直至 2022 年初，CDP 讨论度、市场热度都还非常高，不少的 MarTech 公司在那个节点都还在陆续入局，把 CDP 作为新的业务方向，恰如 ChatGPT 掀起大风后突然而至的 AI 热潮。
时间来到 2023 年，CDP 的关注度被质疑声盖过，大多聚焦于「CDP 贵且不值」。「贵」显然是由于后者造成的，而「 不值 」通常都是因为无法为企业带来成效，更加直白的话，应该是「 无法带来当初的服务商所承诺的效果」。
对于现状，创略科技创始人胡世杰直言不讳，「有一大堆的 CDP 项目都被‘做烂掉’，导致企业客户和市场开始重新评估 CDP 的可行性」。比如，不少技术公司都声称有 CDP 产品，但最后拿出来的可能是一个 SCRM 或是 CDP 的 demo 版，导致企业需要填坑。
但他还是认为，CDP 依然是刚需。
IDC 最新研究报告也显示，相比 2021 年，2022年中国客户数据平台（CDP）软件市场增长了 36.1%，达到 16.4 亿元人民币。到 2026 年，全球 CDP 市场规模或会达到 57.2 亿美元，中国 CDP 市场的增速将超过全球市场，保持高速增长。
然而实际上，CDP 从 2013 年被提出至今不过10年光景，无论是在营销技术相对发达的欧美市场，亦或是国内，整体市场不算大，市场认知也并不如预期——
一方面，CDP公司其实并不多。在 Scott Brinker 的美版营销技术全景图（Marketing Technology Landscape 2023）中仅收录了 97 家（97/10383） CDP 服务商，而弯弓研究院出版的中国营销技术生态图谱 8.0 仅收录 43 家（43/2700），IDC 测算中国 CDP 市场前 5 家公司营业额几乎占整个市场的二分之一，美国市场也是同样的状况；另一方面，Gartner 调查发现，有超过 50% 使用 CDP 的营销人员认为这只是公司的 CRM 系统。
从高热度到被质疑，这中间是误解还是逐渐清晰的真相，CDP 亟需一个被重新审视的机会。能够厘清事情本相的话，浪潮退去并非坏事。
胡世杰在加州大学伯克利分校求学时期师从图灵奖获得者 David A.Patterson ，进行数据挖掘方面的研究。他的营销技术经历从在硅谷开始，当时他正为微软等大型客户提供营销数据分析系统开发、数据挖掘及其他营销技术解决方案。
2014年左右，他回到国内，与同窗兼同事杨辰韵一起创立了创略科技。当时距离 CDP 被提出仅 1 年时间，可以说，创略科技是中国最早关注并推出 CDP 产品的公司。在 CDP 被提出的这十几年来，他们一直见证该产品在国内外数据分析市场的起伏跌宕。
从创立至今，创略科技一直专注于营销数据的分析与研究，为玛莎拉蒂、健合、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。创略科技目前已经到B+轮，占据国内 CDP 市场份额 5.9% ，并在过去几年里一直都保持 2-3 倍的稳定增长，在2023年，Q1/2 有更大的提升，而在其营收体系中，有 60% 左右来自于标准化产品 —— 在当下的市场环境而言，非常难得。
我们不妨以胡世杰与创略科技的故事为切入点，从全国市场占有率前五的 CDP 服务商的视角，一窥中国 CDP 赛道的过去、现在和将来：
当企业在采购CDP的时候，他们需要的是什么？
问题看似简单，但这里隐含了两个问题：企业为什么需要 CDP？CDP 用好了到底能如何？
不妨来个灵魂拷问：采购 CDP，显然是对客户数据分析有需求，既然可以是 CDP ，为什么不能是 SCRM、CRM...呢？
胡世杰告诉我们，在创略科技所接触的企业/同行中，关于 CDP，企业自身可能并不清楚真正需要它的原因，就连服务商自身或许也说不上来。
CDP 的认知与市场教育远不如其热度。
市面上有很多关于 CDP（Customer Data Platform，客户数据中台）的定义，而提出这一概念的 David Raab 始终只强调：「unified customer data that comes from all sources and is shared out to all sources.（数据来自所有来源，并被分享给所有来源）」
「来自所有来源」指的是 CDP 所解决的问题是把所有其他系统的所有用户数据都汇集到一个地方（各个系统都有「自己的」客户数据，比如CRM的数据是第一方客户数据，DMP的数据是用户在广告层面的数据，是第二方数据，以及来自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，不再为数据孤立而挣扎。
可能有人会说，数据仓库和数据湖也有相似的功能，这其中分辨的关键就在于，其他的系统都是为了做别的事情而设置的，在技术层面上并不适合把不同种类的数据拉到一起，并从客户的角度而不是从其他的角度进行组合，并分享给原系统。
CDP 服务商可能会告诉你一个复杂而模糊的概念以衬托自己的产品，但实际上你只需要记住：CDP 的就是集成数据与开放数据。
图源：创略科技 以创略科技的CDP 「NEXUS」为例，可以看到最底层就是数据采集，而最上层则是获取开放数据的场景
从这个角度解读，企业/ MarTech 公司布局 CDP 的时候需要考虑 3 个重点：
1、业务场景。不论是范围还是数据种类，CDP 都比任何系统更广泛和丰富，所以，作为一个统一数据的基建系统，CDP 的数据只有用在业务场景中才能发挥作用。比如，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好用户生命周期的每一步。比如，CDP 的数据可以辅助 MA 输出更为贴切的营销策略。
数据丰富度的特点也称为数据分析公司都要布局 CDP 的原因——
基于营销环境和互联网的复杂化，用户的每一次互动可能来自于越来越多的营销渠道、场景，可能使用越来越多的设备...当更多的互动走向数字化，就算没有「CDP」，也会有别的「 CDP 概念」出现。
因为企业们迫切需要通过 ONE ID更全面地了解用户，由此整体优化客户生命周期，实现精准的效果衡量。
所以，无论对于品牌企业还是技术机构，CDP 的开发落地都必须从应用场景和价值倒推，说白了，CDP 是过程指标，由算法驱动营销业务效果才是最终目的。
2、类型。基于场景性，CDP 不只需要整合数据，还会提供别的功能。例如，数据分析、活动管理，我们在《宇宙的尽头都写着 CDP 吗？》一文中也曾提到过，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，每一种类型对应解决的需求和应用场景会有所侧重，不同类型的 CDP 公司可能拥有不同的基因，可能是通用数据集成工具（数仓），也可能是营销自动化（MA）、程序化购买（DMP），这会导致每家厂商的打法会有所差异。
3、数据能力。你会发现无论是何种类型的 CDP，都无法离开「数据」，CDP 最底层的优势是数据，需要极强的数据基础。
统一分散数据和应用场景首先决定 CDP 基础框架必须拥有稳定集成多源、巨量数据的能力，企业在消费者层面的所有数据都必须接入到 CDP 中，无论是结构化数据、非结构化数据、实时数据、非实时数据，数据导入后须清洗至可应用且可关联用户，也即需要把导入的数据与业务直接关联，以最基础的用户身份识别（One ID）为例，需要打通不同维度不同触点的数据后识别出用户身份。
需要注意的是，分析过程需要多长时间对于企业而言至关重要，因为响应速度的快慢决定是否能够及时调整策略。
对于 CDP 产品而言，这需要关联到数据的大小和计算速度上，取决于文段开头所强调的——数据基础能力是否足够强，基本决定一款 CDP 产品的生死。
不过，据我们调查，市面上大多数的 CDP 产品或许还不能称之为「产品」，据业内人透露，目前大多数 CDP 项目费用，有大部分都属于服务支出。
胡世杰也同意这一说法，国内不少 CDP 产品都是半路出家，囿于技术和成本问题，不少的 CDP 都还只能算是「半成品」，他们往往在并没有完全理解营销场景的情况下，将自己定位成CDP，所做出来的产品或许还会带着该公司的主营产品的属性。比如，买的是一款 CDP，实际上它的本质是 CRM。
难道你不好奇为什么在 CDP 概念在国内兴起后，能在如此短时间内冒出了如此多的 CDP 公司吗？是因为研发产品的速度快吗？
在弯弓研究院编撰的中国营销技术生态图谱 8.0（MarTech 2700+）中，共收录了 43 家提供 CDP 产品的公司，据我们严格筛查，起码有 30 家公司并非以 CDP 为主要业务，而是从 DMP、CRM、MA、ABM、数据中台等产品的基础上新增 CDP 产品——由于这类产品与 CDP 之间多少「有点关系」，但也正因为如此造就了 CDP 市场的混乱。
当时不少的 MarTech 公司或为了满足企业的应用需求，或为了追风口，尽可能抛出「 CDP 」这一标签。
据胡世杰观察，「真正的 CDP 可能不到10%。」
对于当下大多数还在数字化进程中的中国企业而言，数据分析认知尚未对齐，复杂的数据产品也还无法单靠内部团队的力量用起来，他们需要服务商提供支持，从数据层面的实施到数据分析到客户成功，都需要协助。而且国内企业的数据源过于复杂，数据是分散的、非结构化的，还有大量藏在Excel里的业务数据并不好对付。
所以，在产品本身不足、加上企业自身双层 buff 驱使下，「国内企业更愿意为服务买单，产品本身很难拿到钱。」胡世杰表示，企业们觉得，只是一款产品要价几十万并不合算，他们天然认为贴身定制化的服务更为值钱。
客户成功确实离不开服务商的支持，但并不意味着服务商需要代工。
这让 CDP 服务商们十分难受，重服务意味着团队的重投入，低毛利、低人效，难以扩大规模。但产品的不足可能也因此定制化而被覆盖，毕竟最后如果结果是好的，过程其实并不重要。在中国 SaaS 大环境中，也常见。
只是，在互联互通、数据资产入表、营销环境复杂化的背景下，分散在互联网的不同角落、分散在不同渠道的数据孤岛会限制企业发展。CDP 会逐步成为企业数字化变革的一个不可缺的要素。这款产品必须有蓝本。
那我们该如何选择一款好的 CDP 产品？
不管从什么角度出发，贴合的业务价值点，切着业务痛点进行解决问题，定制化都是最合适的选择，但对于服务商而言，这是「没有办法的办法」—— 标准化产品很难。怎么通过 CDP 产品交付和运营，在扩大规模与营收的同时，让客户感知价值，这是 CDP 服务商们永恒的课题。
针对企业该如何选择 CDP 的问题，胡世杰给出两个判断捷径：
1、是否有能够快速部署，客户只需在实施过程中简单配置就可以上手使用（甚至不需要动代码）；
2、有无垂直行业沉淀下来的标签体系（行业 Know-how）、分析指标维度和模型场景，这能帮助企业快速走到应用场景感知价值。
举个例子：
国内某四大汽车集团车企之一找到创略科技，要求通过整合亿级用户线索数据，提高B端销售的CPL (Cost Per Leads，每个线索成本)、提升线索到到店率和提升会员活跃度（APP）等不同场景。
这里涉及业务场景规划和梳理，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），其次是采集及数据规划，并为该车企建立人-车-店-顾问的标签管理体系，最后还会对需要进行实施的业务场景进行闭环验证，确保业务场景提升价值。
汽车行业是创略科技的优势行业，他们在多年的服务经验里沉淀了大量的行业服务，并预置成行业云的标签体系等，让客户可以直接选择标签使用在对应场景上。
所以，在全量数据和字段特征导入的情况下，项目快速上线，通过数据商业智能及商业模型的构建，该车企所需优化的业务场景快速得到提升：
CPL 显著下降，费用节省23%；经销商门店线索到店率提升至15%；车主APP日活提升至25%，车主在线率达到95%。
发散思维，ChatGPT 为什么可以受到如此多的关注？1、回到了 C 端应用场景上，2、使用简单。同理，在任何 SaaS 的应用中，这两点也是最应该被企业与服务商所重视的。
需要强调的是，这两点的前提，是建立于该 CDP 拥有良好的数据基础（即前文提到的数据能力）之上，才能够在获取可使用的业务数据之后，实施数据价值挖掘，把数据变成及时或接近实时的洞察，并将洞察变成行动。
以创略科技为例，为了更帮助客户搭建更全面、更快的完成数据整合，他们从 CDP 延伸研发了数据中台，相当于双引擎辅助企业数据资产落地。
如果一个 CDP 项目黄了，那很大程度上是因为离业务场景产品化解决方案太远。我们可以在很多数据中台的项目中看到这样的例子。
除此之外，还可以加入参考标的是，产品标准化成熟度，创略科技的参数同样是一个不错的参考：
为单一客户处理的最大用户体量规模1亿+；
平均处理的交易量及行为事件量规模4800万；
平均处理及分析的用户体量规模可以渠道700万；
其算法服务提供超16种营销场景的产品化算法模型；
使用深度学习技术的算法模 型占比达到60%。
服务与产品占比也可以是一个参考值，产品占比高，一方面意味着该产品能够被企业直接用起来，产品易用性、成熟度有保障；另一方面也能够看出服务商的盈利能力与成长能力，产品（SaaS）占比越大，其实也意味着更多企业选择，拥有更多的行业经验。
比如，在创略科技的营收中，有 40% 来自服务，60% 则由产品产生。
用胡世杰的话说，「我们这个占比算是中等。」作为国内最早做 CDP 的一批厂商，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。他们的产品体系基于Hadoop搭建，其分布式的特点具有高扩展性，可以确保支持海量实时数据计算等需求。（Hadoop可以理解为一个大数据操作系统，能支持大型数据集之上的各种工作负载，包括机器学习、实时流处理等等）
尤其在机器学习算法、深度学习，以及自然语言处理方面，创略科技的投入比重逐年拉大。AI 是创略科技从 2017 年就开始的部署板块，主要用于预测模块，落到场景上，是算法驱动的预测性营销模型，不再需要依赖人的运营，例如，在用户购买决策前，通过洞察挖掘，预测此过程中的潜在变化。
拥有 AI 能力对于一个数据服务商而言，是丰富的消费者数据和业务场景为 AI 提供充足的学习材料，从而为客户建立的模型、做出的客户群预测更加精准。而且，准确性会随着 AI 的使用频率加大而越加精准。
据我们了解，创略科技目前的优势行业（场景）是汽车、零售（轻奢/母婴）、 大健康和口腔，欢迎向我们索取详细案例。
CDP市场还在早期，不过基于CDP本身的各种特点，它更像是企业的数据基础设施，随着市场逐渐成熟，「基础设置」这一定位会有更多的想象空间。
例如，开源。
通俗理解，开源 = 我做完了作业（产品），然后把作业摊开给同学抄，同学还可以在我的作业的基础上修改，甚至也许还有人不受监管把作业当成自己的作品卖出去。
国外有不少成功先例，比如 RudderStack，总融资额达到8200万美金。目前国内开源者寥寥无几，直白点，基于现当下的中国 SaaS 现状而言，比如，大部分的SaaS服务商都未实现盈利，国内开源商业化土壤并不成熟，开源不是一个好的选择。具体可以简单归结为两点考虑：
第一，开源不赚钱。对于可以自己使用开源软件的企业，开源意味着免费，任何人都可以拿源代码谋取利益；但对于不具备自己开发软件的企业而言，却要花钱购买，很显然，对于公司商业化而言是一个不利的选项。不赚钱是做生意的原罪。而开源触碰到这条红线；
第二，开源对产品的基本能力要求极高。并非所有产品都适合开源，毕竟不可能把一款半成品拿出来开源，只会坏了自己的招牌。愿意把产品开源，在一定程度上也代表该产品已经十分完善，然而这样的产品估计少之又少。
但为什么我们依旧会认为，对于CDP而言「开源」值得一提？
从另外一个角度思考，对于 MarTech服务商、企业、程序员，乃至整个市场而言，开源相当于 SaaS 领域的开卷有益。
一款产品做得好不好，技术是一个重要的考量条件，其次则是该产品是在什么场景中锤炼出来的，中国有着可能是全球范围内最复杂的商业场景，在这样的条件下出来的产品，加上开源后更多人引用——更多真实场景和用户驱动产品迭代、更新。
最终，变得与 AI 一样，不断在程序员的应用中「学习」，完成技术的革新，更快的进行排除 bug 和开发到最后或许能够完成反哺商业，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，软件未来都会失去其竞争力，开源不失为一个提高竞争力/与硅基抗衡的方式。
其次，CDP 作为一个已经可以预测其未来重要性的产品，应该被更多企业关注到，但 SaaS 产品规模化，就必须与「云」挂钩，云上的服务才能突破地域的限制（这是基于人的生意的最大的限制），而基于开源的大数据库生态，实际上可以更快地满足增长业务的需求。
对于CDP服务商而言，这是可以进行深挖的价值点。
胡世杰告诉我们，其实在近两年的接触中，可以发现一些互联网企业已经开始主动选择SaaS产品，也会选择云原生，「市场局部是有一定的变化的，比较意外。」
开源是一次冒险。但关于CDP的未来，我们可以放开想象力。
在《三体》中，黑暗森林法则的两个前提条件是「猜疑链」和「技术爆炸」。当人类从三体人的技术中看到光速飞船的可行性之后，人类将少走很多弯路，没有反反复复的验证是否可行，直接朝着这个目标前进，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可行的时候，只要用心投入一定能够到达。
*我们也希望听到更多不同的声音，欢迎有兴趣探讨 CDP 开源这一话题的伙伴加弯弓研究院企业微信探讨。
写在最后
亚里士多德在《诗学》里写有这么一句话，「 It is the function of a poet to relate not things that have happened, but things that may happen. （诗人的职责不在于描述已发生的事，而在于描述可能发生的事。）」
数据服务商们似乎就是这一「诗人」的角色。
在商业世界中并不存在单纯的偶然，企业需要在概率与规律中找寻隐藏的特殊性。
结合中国互联网的发展与企业数字化的进程，CDP 作为一个连接营销技术的数据枢纽，它的未来无需置疑，我们在期待的、在寻找的，或许只是一个更为优秀的产品。 MarTechTOP100
「内容数字化 / AIGC」 ChatGPT | AIGC应用 | 中国内容科技&AIGC生态图谱 | 图像生成应用
「品牌案例拆解」海澜之家 | 珍酒李渡 ｜卓越教育 ｜ 新瑞鹏 | 百丽 | 欧莱雅 | 屈臣氏 | 卫龙 | 支付宝｜ 谭酒 ｜ 宝尊电商 | 罗森便利店 | 百事可乐｜ 农夫山泉 ｜ 觅光美容镜 | 耐消导购 | 民生银行 | 伊利 | 星巴克 | Insta360 | 熊猫不走 | 谢谢锅 | 大参林 | 蕉内 ｜ 波司登 ｜ 泡泡玛特 | 波司登｜ 幸福西饼 ｜ 茶尖尖 ｜ 每日黑巧 ｜ 汉庭 ｜ 元気森林 ｜ 泸州老窖 ｜ 蔚来 ｜ 乌苏啤酒 ｜ 五菱宏光 ｜ 喜茶 ｜ 开山白酒 ｜ 李渡酒 ｜ 肆拾玖坊 ｜ 钱大妈 ｜ 东鹏特饮 ｜ 茵曼 ｜ 观夏 ｜ 瑞幸 ｜ 屈臣氏 ｜ 孩子王 ｜ 山姆 ｜ 海伦司 ｜ 百果园 ｜ 融创文旅 ｜ 天虹 ｜ 名创优品 ｜ 惠氏臻朗 ｜ 美的｜太二 ｜ 北鼎电器 ｜郎酒 ｜朴朴超市 ｜燕之屋 ｜ 逐本 ｜帮宝适 ｜ 作业帮 | 醉鹅娘 | Ubras
「MarTech观察」 神策数据 | BI研究（中国商业智能BI企业应用地图）| 观远数据 | StartDT | 惟客数据 | 思迈特 | 悠易科技 | Salesforce | RPA | 爱设计 | 微吼 | 企微 | 奇点云 | Whale帷幄 | Convertlab | 加和科技 | 有信科技 ｜ JINGdigital ｜ 爱点击 ｜ 米多 ｜ 景栗科技 ｜ 微伴助手 ｜ 有赞 ｜ 赛诺贝斯 ｜ 美云智数 ｜特赞｜兔展｜233Digital｜GrowingIO｜ 易企秀 ｜ 快决测 ｜ 筷子科技｜ 迈睿 ｜ 数说故事 ｜ 云徙数盈 ｜ 观远 ｜ 艾客 ｜ 探马 ｜ 百应 ｜ 安客诚 ｜ CDP | MA | 架构思维 | 低代码 | 群脉