共计 2873 个字符，预计需要花费 8 分钟才能阅读完成。
数字化浪潮中，企业曾经学会利用数据驱动营销，依据数据做出决策，但大多数企业没有充分利用他们的数据。 企业在利用古代营销栈晋升营销效率的同时，营销栈的构造却导致了大量的数据碎片。随着企业收集的数据越来越多，拼凑和治理这些数据变得越来越艰难，更重要的是，企业难以实时应用这些数据来创立更好的营销流动， 这意味着企业把钱留在桌上没赚。
客户数据中台（CDP）的呈现，突破了现有的 SaaS 营销栈格局。 要理解当初，必须理解过来，明天，小编带大家理解，CDP 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治理客户分割信息，所有操作均为手动。
7 年后，也就是 1993 年，Tom Siebel 认为能够将外部销售应用程序作为独立产品发售，Siebel 就将此应用程序提炼进去，并将其与联系人治理解决方案软件相结合，于是有了第一个 CRM。
直到 4 年后才呈现了一个新的蠢才突破了 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老本效益的办法， 让中小型企业可能依据十分具体的市场需求构建 CRM，并在新的垂直细分市场中建设统治位置。
数字营销的倒退期间：营销自动化的诞生
2000 年初，集体计算机的遍及扭转了用户做出决策的形式，而传统买卖双方关系再次发生了变动。Mark Organ 在曾经十分拥挤的 CRM 行业看到了一个商机，并创建了最晚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，它可能组织多渠道营销流动、细分受众群体和散发个性化内容，营销自动化的呈现让这些营销工作忽然变得前所未有的轻松。
在此之后，不到几年的工夫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，营销自动化曾经成为整个数字营销畛域的最大子集。
当然，正如咱们明天所知，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晚期时代，世界以网络为核心，当初状况齐全不同了。与十年前相比，当初的用户以更加简单和多样的形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减少，导致 SaaS 产品栈须要在具备特定需要的特定市场上垂直拓展。
具备特定性能产品的完满组合不仅节省成本，而且与传统的一体化解决方案相比能够确保更好的品质。
SaaS 产品栈为公司提供了疾速适应需要的灵活性，但它们也是造成微小数据碎片的起因，有价值的客户数据暗藏在这些断开连接的工具中。
数据是每家公司里许多部门胜利的基石，营销也不例外。企业的 SaaS 产品栈越简单，在不同工具上积攒的客户数据就越多，企业就须要更多工夫来重新组合系统的客户拼图，以取得残缺正当的画像。这示意数据碎片将随 SaaS 的复杂性呈指数级增长。
黄色的是“个性化曲线”，即企业理论利用的数据量。可见，随着 SaaS 产品栈复杂性和数据碎片减少，企业真正利用起来的数据简直在同一个级别上，变动不大。 蓝色穿插局部就是“数据损失量”，也就是企业领有但无奈应用的数据。
营销“最佳实际”疲劳
Nathan Konty 曾指出一个十分广泛的问题，战术“疲劳”存在于许多畛域，如人类美学、书面语、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步隐没，这种状况始终产生在广告中。
营销自动化中这种状况更加显著。当每个公司的每个营销 / 产品团队，对每个行业都利用雷同的“最佳实际”时，营销就逐步失去了效率。 两位心理学家用下图解释了这种“疲劳”。
当咱们正在解决相对的离奇事物时，会感触到高兴。这种刺激的特征值被视为一个函数，回升到峰值（X1，特征值的最佳程度），而后逐步会降落到破灭阶段（X2）。刺激的成果被认为与它的新颖性间接相干。 市场营销须要一直的翻新模式来使刺激成果尽可能高，如下图所示。
PQL 逐步取代 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，这些客户曾经筹备好与销售进行互动。营销和销售部门对 MQL 的定义是十分统一。PQL（高质量产品线索）齐全不同于传统的 MQL 模型。
MQL 优先思考用户的属性，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？他在公司中表演什么角色？”
而 PQL 优先思考用户的行为和产品采纳程度，如“他试过产品吗？他先尝试了什么性能？”等。
换句话说，PQL 模型所统计的是对产品感到称心的客户，所以PQL 模型面临的真正挑战是如何深度吸引指标用户。
然而，当波及到产品指标数据时，传统的营销自动化平台无奈间接获取这些数据，只能通过人工从产品后盾采集。
营销自动化平台善于“培养和提供个性化内容”，但在数据买通、取得首单并逐步让新用户测试和尝试您的产品性能方面做得不好。
数字营销蓬勃期间：CDP 挑起时代重任
总结上文所述，扭曲的、谬误的、偏颇的或不存在的数据，只会导致扭曲的、谬误的、偏颇的或不存在的行为。
于是，CDP 顺应时代而生。 首先，它与企业应用的每个 SaaS 产品栈无缝集成，成为获取数据的次要形式。另一方面，它具备先进的自动化性能，可理论运行营销策略。
CDP 能做什么
- 连贯： 即连贯企业 SaaS 产品栈中的所有应用程序，突破数据壁垒。
- 整合： 归一整合所有客户数据，造成残缺客户画像，以细分市场和受众群体。
- 口头： 依据企业的营销状况，提供自动化旅程，或提供决策倡议。
- 洞察： 提供全面、多元、实时的数据分析报表，把握营销成果。
为什么 CDP 会扭转游戏规则
CDP 将以三种重要形式填补以后的技术差距：
1. 最大水平升高数据失落量
通过对接，CDP 可能把握 SaaS 工具的确切配置。因而，即便 SaaS 产品栈越来越简单，数据碎片也不会减少，数据失落缩小，个性化曲线遵循的轨迹和红线非常相近。
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备很高的转换老本，但 CDP 却可能用较低的老本让古代公司随着业务的倒退随时扭转 SaaS 产品栈。这使得公司能够十分疾速地更改其团队应用的技术，同时不会失落要害数据。
3. 解决营销策略疲劳
CDP 可能解决用户在应用产品时领有的有限数量的接触点和交互，当企业的营销栈变得更简单时，企业反而能够通过更多渠道更轻松地创立不寻常的用户旅程。企业越理解客户，就越能提供难忘的体验。
以后企业面临的下一个重大挑战是，如何将越来越多的数据与对该数据采取行动的能力分割起来。CDP 正在填补这一空白，因而如果企业放心数据失落、战术疲劳、复杂性或可扩展性问题，请将 CDP 视为潜在的解决方案 。
欢送关注 LinkFlow 的专栏，喜爱本文或 LinkFlow 分享其余文章请点赞、评论、转发，一键三连~
如您对全域客户经营感兴趣，想理解更多 CDP 能力与实操案例，欢送搜寻 LinkFlow 或间接拜访 www.linkflowtech.com 进入官网，获取更多干货常识。
