可组合 CDP：它们与打包解决方案有何不同？

“可组合的 CDP 不是一个东西。 可组合架构是，”我的同事 Craig Howard 之前在一封内部邮件中写道。 他解释说，当组织无法实施自己的云原生客户数据存储并且可以购买商业的现成解决方案——“打包”CDP——时，客户数据平台 (CDP) 获得了吸引力，这可以帮助他们实现收益通过管理他们的客户数据来使用云技术。

但最近情况发生了变化：

• IT 组织已经围绕云技术发展和构建技能。
• 数据集成需求往往超过了 CDP 的能力。 许多 CDP 都在努力管理复杂的数据结构或处理回答有关数据的复杂问题。
• 政策和拼凑而成的全球法律在隐私、同意和数据驻留方面带来了复杂性。

品牌现在正在使用云原生身份解析、数据集成和数据存储功能来创建他们的单一客户视图。 CDP 正在适应这种范式、数据云和由此产生的可组合架构模式，称自己为“可组合 CDP”。

打包与可组合

可组合的 CDP 基于锚定在客户数据云数据存储上的架构。 在可组合的情况下，CDP 成为一个编排平台——管理受众和旅程并激活客户数据。

然而，决定使用可组合还是打包的 CDP 并不简单。 首先，如果您要购买其中任何一种，那么您的头脑就在正确的地方。 跨渠道激活第一方数据是未来。 如果您的决定是可组合还是独立，那么有很多东西需要拆开。

收敛

2021 年，人们不得不在反向 ETL（可组合）或 CDP 之间做出选择。 今天，这个选择并不明确。 许多 CDP 和营销技术可以查询数据库。

例如，Lytics、ActionIQ、mParticle、Blueshift 和其他公司已经在本地连接到客户端数据仓库和存储在其中的有价值数据方面取得了长足的进步。 人们可以有效地练习与一些以前被认为是打包的 CDP 的可组合性。

执行

这听起来很简单——在现有数据仓库上应用一个反向 ETL。 是的，“可组合”可能更容易实现。 如果您具备以下条件，实现价值的时间通常会更快：

• 在您的数据仓库中可以轻松访问所有关键数据流。
• 身份解析策略制定出来。
• 敬业的分析或企业数据团队。

因此，可组合的 CDP 将依赖项推送到客户端数据仓库。 如果您不符合上述标准，CDP 可能会提供可比或更优的价值实现时间。 例如，身份解析策略是在使用许多打包的 CDP 的入职期间建立的。

此外，电子邮件平台和其他营销技术的通用连接器可能会为客户提供以前未存储的数据集。 这种新数据和身份解析策略为许多客户提供了“客户 360”作为增值。

深入挖掘：CDP 应该放在您的营销技术堆栈中的什么位置？

可组合与打包的 CDP 用例

在可组合方法中实现的用例与打包的 CDP 没有根本区别。 也有例外——诸如 Lytics 和 BlueConic 之类的 CDP 提供简单的站点个性化。

如果基于细分的数据对于营销目的是可靠的，并且身份解析策略允许在给定渠道中激活，则用例仅受使用该工具的团队能力的限制。 但是，打包的 CDP 可能具有内置机器学习 (ML)、报告和实时支持，可组合从业者可能需要单独解决这些问题。

身份解析

可组合的解决方案不会创建身份解析。 可组合架构依赖于预先存在的连接键、不同数据集的云原生身份解析或具有所有相关细分标准的预先存在的客户表。

CDP 可以使用预先存在的身份解析策略，类似于可组合架构——或者他们可以为客户创建身份解析策略作为其实施的一部分。 通常，有一种混合方法，其中 CDP 利用客户预先存在的身份解析策略，然后将新的渠道和数据流映射到该身份解析策略中。

深入挖掘：陌生的身份解析新世界指南

分割

许多打包的 CDP 提供无 SQL 前端，可组合的反向 ETL 解决方案在这方面取得了进展。 同样，并非所有 CDP 的创建都是一样的，有些 CDP 会给最终用户带来更多的技术负担。

一些 CDP 需要展平或映射数据以限制复杂的连接。 这是为了限制数据的维度并提供实时响应。

这种架构的实时性可能对某些人来说是一个优势。 但是，它确实限制了对数据提出复杂问题的能力。 如果实时很重要，打包的 CDP 可能会有优势。 如果复杂的问题和实施中不那么繁重的数据映射至关重要，那么组合式可能更适合您。

数据治理

对于可组合架构与打包的 CDP 决策，许多决策者最关心的是同意、数据存储、数据驻留和访问/删除权的复杂法律要求。 在这方面，可组合性具有优势。

Composable 将数据仓库置于营销领域的中心。 云数据仓库为同意和数据驻留提供灵活的控制。 可组合的解决方案可以在预先存在的治理框架内工作，包括多区域支持、数据过期和列级保护。

打包的 CDP 通常会在 CDP 管理的环境中重新创建客户数据的关键方面。 这会为与 GDPR 和 CCPA 相关的请求等产生流程问题。 他们还被迫使用客户提供的同意属性或与第三方同意平台集成。 一些 CDP 试图通过“本地”安装他们的 CDP 来缓解这种情况。

价值实现时间

价值实现时间因客户而异。 如上所述，从理论上讲，如果满足某些组织标准，可组合的价值实现时间会更快。 如果不满足这些标准，打包的 CDP 具有一些结构优势。

然而，CDP 不能总是声称成功。 我们已经看到在短短 30 天内实现价值的时间，不幸的是，我们被要求挽救多年的努力，但几乎没有提供任何价值。 但是，如果你有一个多年没有成功的问题，那么问题可能不是技术，而是你的用例策略、你采用新技术的过程或者你的员工缺乏技能、可用性或连续性。

数据科学和机器学习

可组合方法依赖于企业为数据集带来自己的智能或同类最佳解决方案。 许多 CDP 提供开箱即用的数据科学。 根据我们的经验，CDP 提供的功能仅限于使用该平台的团队。 如果团队很先进，他们可能能够从数据科学功能中提取价值。

我们认为数据科学应该根植于营销活动中。 如果您的团队没有发现他们拥有的 ML 功能的实用性，那么您的团队或流程有误。 如果您的团队没有 ML 功能，请与可以帮助您实现营销流程现代化的专家合作。

深入挖掘：衡量 CDP 的采用：一个综合框架

使用可组合 CDP 之前要考虑的关键问题

使用可组合或打包的 CDP 的决定是非常微妙的。 这些区别是重叠的，并且品牌的数据仓库、补充技术（BI、机器学习等）和所需用例之间存在特定的依赖关系。

在决定采用哪种方法之前，品牌应该问自己以下一些问题：

• 我要解决哪些用例？ 必须考虑删除第三方 cookie 的注意事项、实时用例的需求以及与现有 martech 堆栈的连接。
• 我的数据仓库中是否已包含所有关键数据？ 例如，我的电子邮件、网站和来自商店或其他自有渠道的关键数据是否在客户层面可用？ 我是否可以将这些数据集结合在一起以获得相当可靠的客户视图？
• 我的报告和分析能力有多成熟？ 他们能否轻松支持报告我打算建立的受众、我打算部署的用例以及与这些工作相关的投资回报率？
• 我是否拥有支持我的受众基于 ML 的决策所需的工具？

当我们与部署 CDP 的公司合作时，我们的团队通常会做出大规模部署第一方数据的组织承诺。 这种固有的承诺有助于加快 CDP 部署的速度并取得成功。

现在判断反向 ETL 解决方案将如何影响第一方客户数据的大规模部署还为时过早。 然而，对于快速实现价值的应用程序以及允许数据驻留和隐私问题的能力来说，未来是光明的。

获取营销技术！ 日常的。 自由的。 在您的收件箱中。

企业电子邮件地址

订阅 加工...

见条款。