人工智能 (AI) 和机器学习 (ML) 使这些技术能够跨部门孤岛访问多个数据点，从而动态地改变客户数据平台 (CDP) 分析，从而获得更准确的客户资料并能够提供实时决定。本文将研究基于 AI 的 CDP 如何在整个客户旅程中为客户提供更好的体验。

几年来，CDP 的使用一直在增长。根据 Gartner 的2019 年营销技术调查，43% 的受访品牌拥有完全部署的客户数据平台 (CDP)，31% 正在努力实施该平台。随着客户数据复杂性继续呈指数级增长，CDP 的使用将继续增加。

CDP的职能是什么?

Gartner 最近的报告《客户数据平台市场指南》将 CDP 定义为用于“集中数据收集、统一来自不同来源的客户资料、创建和管理细分市场，并在优先渠道中激活这些细分市场”。CDP 对营销人员、销售团队、客户服务代理和其他面向客户的业务职能很有用。

鉴于客户数据分布在一个品牌的所有渠道中，并且隐藏在各个部门的数据孤岛中，在不同的软件平台中，CDP 的首要功能是将所有这些数据统一到一个位置。CDP 通常具有预先构建的 2 路连接器，可将它们连接到最常见的客户数据源，例如营销云、标签管理器、计费、电子商务系统和付费媒体渠道。使用专有软件的品牌通常能够使用自定义连接器，但这需要额外的开发时间和成本。此外，CDP 促进了客户细分的创建，但它比这更进一步，可以实现客户的超细分。它使品牌能够针对非常特定的客户群，并允许品牌排除或压制其他特定的客户群，例如，他们可能对品牌提供的产品不感兴趣。例如，可能有一个特定的客户群，年龄在 20 到 35 岁之间，他们是迈阿密海豚队的粉丝并且住在迈阿密地区——但是针对该群体中的男性投放女性迈阿密海豚连帽衫的广告可能并不像有效针对同一组中的女性。

随着数据收集和分析，CDP 通常能够清理数据、删除重复和不相关的字符，将数据标准化以更有效地用于创建统一的客户数据和独特的配置文件。

BlueConic产品营销总监 Sam Ngo表示，CDP 能够驯服客户数据已经成为的野兽。“从历史上看，基于客户数据构建 AI 模型非常耗时、劳动密集，并且需要在团队和系统之间不断进行数据收集、分割和激活。通过创建连接到公司激活渠道的统一配置文件数据库，CDP 使数据科学和营销团队能够更有效地工作。”

通过使用 CDP 协同工作，不同部门能够使用统一数据收集创建自定义预测模型。“例如，数据科学家、分析和商业智能团队可以在 CDP 中导入笔记本和自定义预测模型，并将这些模型应用到第一方数据库之上。可以将模型设置为以特定时间间隔刷新，并且客户资料中的分数会自动更新，然后可用于细分，”Ngo 说。

营销人员可以通过与品牌内的其他团队合作，使用 CDP 来微调营销活动。“这些功能不仅在数据科学、BI 和营销团队之间创造了共享效率，而且还使公司能够通过缩短洞察力和激活之间的距离为客户创造更好的体验，”他说。