01 背景
1.1行业背景
互联网下半场，流量红利过后，流量获取成本越来越昂贵，企业纷纷数字化转型，以期通过大数据的能力充分挖掘流量价值，实现用户与营收的增长。近两年很多行业受疫情冲击严重，比如OTA业务，海外严重萎缩，国内出游也深受时不时爆发的疫情的困扰，增长放缓只能勒紧裤腰带，开源节流了，一分钱当一块钱十块钱花。业务运营方面，需要更加精细化、精准化，提升运营的ROI以及流量的利用效率。
1.2业务场景
用户分析：了解用户群体特征，产品设计或营销投放充分考虑目标用户的特点，设计出更贴合用户需求的产品功能，或投放更精准的用户群，例如中秋活动预热启动期，种子人群的选取及投放。
实时触达：在用户行为路径中，增加触点交互，提升用户交互体验，并促进用户转化。例如用户在浏览多个商品都没有下单时，弹出优惠券刺激下单转化。
流量分发：基于不同群体属性或兴趣偏好的用户，差异化展现产品形态，比如对于学生、务工、商务、出游等不同用户群体，提供更符合对应用户习惯的产品风格或服务。
用户运营：对于生命周期处于预流失、已流失等阶段的用户，进行短信推送、AppPush等，通过红包激励手段，召回流失用户。
客户关怀：生日关怀、会员福利、服务受损用户关怀，通过用户标签圈选目标用户后，进行站内触达或短信推送。你身份证生日当天，是不是也收到了各家银行或航空公司的祝福短信了呢?
02 精细化运营的主要痛点
用户分层能力弱：标签迭代速度跟不上业务发展速度，用户画像偏基础通用标签，对特定业务场景的个性化需求支撑能力不够，例如：要对近期参与裂变分享的用户进行激励，已有标签体系很难覆盖该需求。
标签生产周期长：新增标签需求需要业务提需求给数据PM，数据PM转化后提交数据开发(离线、实时)，开发按照业务逻辑清洗好数据后，导入平台，若没有做标签上线流程的配置化，此时还需要前端开发介入，整个流程耗时长，平均需求产生到上线一周左右。
业务运营靠经验：一般精准营销平台强调基于标签圈人的能力，什么样的用户适合推什么样的产品，提供什么样的服务，靠运营同学人工操作，基于经验或数据分析，确定特定场景下的人群标签条件，圈选后进行后续营销动作。
数据服务出口多：对于数据部门会提供各种各样的用户或订单维度的API、Kafka、Hive表等数据服务，服务出口多，这些服务的业务价值、接口调用情况监管困难，上游数据及下游业务应用的血缘链路缺失，带来服务下线、异常管理困难，经常会出现一个接口不知道谁在调用，也一直不敢下线，最后成为僵尸接口。
03 CDP平台的解决方案
3.1 精细化运营的一般流程
精细化运营的本质是利用大数据能力，实现人货场的精准匹配，这一过程的主体是“人”，包括我们的潜在用户、访问用户、消费用户等。以酒店预定后推荐周边景区的交叉推荐场景为例，转化成标签需求就是，近X天有酒店待入住订单，且无景区成功单，红包卡券账户中无未使用优惠券。明确了人群需求后，数据的流程主要包括：
- 数据源准备： 圈选目标人群所需要的标签数据从哪里来?火车票订单、酒店订单、红包卡券数据
- 标签生产： 按照场景人群逻辑，清洗加工标签
- 人群圈选： 以标签为限定条件，从全量用户中过滤圈选出目标人群
- 用户触达： 将用户数据传输到营销通道，对用户进行触达
- 效果评估： 回收效果数据，持续优化人群圈选条件
3.2 CDP产品架构
CDP(CustomerDataPlatform)是基于用户实时数据标签，精准圈选目标用户并快速输出数据服务的数据产品，充分融合了低代码、中台化的核心思想，以“精准”、“高效”为目标。产品功能架构如下图：
(1)数据源管理
在CDP、DMP、CRM都是什么?一文中详细介绍过，CDP主要特征之一是数据源丰富，可以包括一方数据、CRM数据以及外部的三方数据导入。数据源管理模块为多方数据源的快速接入提供配置化的能力。集成实时数据(Kafka)、离线数据(hive)的注册导入流程，联动数据中台的数据资产模块，通过可视化IDE配置的方式，实现数据源的装载、元数据维护以及数据的初始化动作。可以包括：业务订单、页面浏览轨迹、行为事件点击、用户权益及促销等实时 离线数据源，可覆盖日常的标签配置需求。新增数据源时，流程化的配置，接入时间成本可控制在小时内。
(2)标签管理
标签资产的建设和管理是CDP平台的核心部分，没有标签再顺畅的流程、丝滑的体验，也不会有业务使用。
标签生产过程可视化配置，非技术人员可以直接基于数据源及标签逻辑，配置所需标签，并实时预览标签覆盖用户。提供从标签配置、数据测试预览、标签监控、应用场景统计等完整的标签资产管理及治理能力。
CDP定位是服务于全集团，除了公共的数据标签外，需要支持不同业务条线基于自身业务属性参与标签共建，标签目录及元数据公开，申请权限后方可进行人群圈选。根据不同业务条线数据权限审批流程，自定义标签审批工单步骤。
标签列表
标签生产
(3)场景管理
运营场景的构建是将业务运营动作拆解成数据标签、人群圈选需求，基于标签和判断条件，将用户划分成一个个精细化的人群包，不同人群承接差异化的运营策略。相比较传统的单人群圈选模式，流程化的场景构建基于人群、判断节点、过滤节点、营销策略等不同组件构建一个流程图，覆盖访问用户的各种精细化分群目标，可以更好地支撑多元化的运营需求。以实时交叉营销场景为例，用户进入小程序后，实时判断用户是否有待出行订单，订单业务线(火车还是飞机还是汽车)，不同出行方式用户在推荐酒店产品和优惠券时，文案和优惠金额是差异化的，这个业务过程涉及到多个人群，场景模块的产品设计要能比拆分多个单人群更高效。此外，从业务端人群接口接入角度，多人群场景也只需要接入一次，而传统单人群场景也要每个场景都进行一次接口调用。
CDP平台支持实时场景、离线场景、延迟场景三种类型，
- 实时场景： 用户进站实时判断用户所属人群分类，不同人群进行实时触达，例如进入小程序后，浏览景区详情页5次以上但没有下单，触发红包弹窗，刺激用户下单。
- 离线场景： 数据截至T-1，例如对预流失用户进行短信推送或语音电话召回。
- 延迟场景： 退出小程序后5分钟，或者飞机起飞前1小时，进行相关的防疫政策关怀以及营销策略推送。
(4)人群画像
不同人群的用户画像构成是怎么样的，不同特征的用户，对运营转化的效果是否相同呢?人群画像的应用价值一是人群圈选过程中确定是否满足运营需求，二是事后效果分析时，不同特征用户进行对比分析。例如，双十一大促活动期间，分析活动用户群体，在新一轮双旦来临，目标人群选择时，可以更加定向的进行流量分发，提升流量利用效率。
(5)服务输出
场景构建完毕后，场景人群以数据服务的方式输出到产品端或营销触达平台，根据实时接口调用与离线批量短信或PUSH发送的场景不同，数据输出形式包括：
- Kafka： 人群数据以Kafka消息队列方式，输出给下游应用端进行消费处理
- API接口： 业务端直接调用接口，传入用户id等基本参数后，即可输出用户对应的场景、人群、标签，针对不同场景或人群，匹配产品端千人千面的承接策略。
- HDFS文件： 离线数据同步到HDFS，进行批量的短信发送或APPpush处理。
CDP对外输出的核心场景接口只有一个，调用方需要在系统内进行调用token的申请，方便统一管理接口的输出。此外，单个标签或标签组也支持直接以API的方式输出，例如传入用户id，输出新老客标签，判断是否是集团新客，从而进行新客大礼包的发放。
(6)用户触达
精细化运营最终的落脚点是对用户的触达，人群数据服务输出后，对接产品端或营销系统，实现分群到触达的数据流程和业务流程的贯通。CDP是属于数据中台的产品范畴，应该更聚焦于数据服务化能力的输出，因此，其自身没必要重复造轮子，搭建各种触达通道，主要和公司内部现有的营销工具充分对接，实现数据的顺畅流转以及效果分析即可。
- 外部广告： 脱敏、匿名化的数据与腾讯dmp平台对接，在微信公众号、朋友圈等广告位进行曝光，获取用户增量。
- 短信、App push、公众号推送、小程序订阅消息
- 产品运营资源位配置后台：如红包弹屏、气泡浮层
已有的触达方式完成接入后，新业务只需在平台内配置场景、人群，在各个运营触达系统申请运营资源位置后，直接选择CDP平台的人群即可实现一次运营动作。
3.3 CDP核心能力总结
(1)全流程配置化
数据源接入、标签生产流程配置化，通过低代码的方式减少开发人员参与，缩短生产流程，单场景上线时间可从2周缩短至小时级。
(2)标签丰富扩展方便
CDP实现了跨域、跨系统的数据汇聚，加上标签的配置化生产，可以快速地上线一个标签需求。丰富的标签资源是产品的核心优势之一，覆盖用户基本属性、行为轨迹、营销属性、消费属性、实时定位属性、以及算法预测六大类标签。标签时效性包括实时标签以及离线标签。
(3)算法赋能
基于人的经验的规则运营终究会遇到经验或者资源的瓶颈，而算法则是破局的方法之一。利用算法挖掘的能力，构建的算法预测类标签，如生命周期标签、意向城市、意向项目、意向产品、价格敏感度等标签，可以从更多的特征维度，充分计算用户的意向概率，利用AI，实现人货场的智能匹配。
(4)场景易扩展
CDP人群数据服务化输出形式灵活多样，不同的运营场景可以通过接口调用、数据消费等常规方式快速对接上线，实现人群数据互通。
(5)安全高效
标签处理逻辑等元数据信息公开，申请权限后才可以进行人群圈选，标签审核步骤自定义、全流程工单化，保证数据安全的同时，方便不同业务线间的交叉营销。
04 应用案例
CDP作为集团公共的数据驱动的精细化运营平台，服务于各个业务线的精细化运营需求。典型的应用案例有：
4.1 学生用户认证活动
寒暑假是学生流动的高峰期，学生群体的精细化运营不仅可以创造当下的业务价值，忠诚度培养起来毕业后也是旅游消费的主力军。暑期时，业务推进学生认证的运营场景，按照年龄区间、实时定位POI属性为POI周边等人群圈选条件，找出适龄未认证的学生用户群体，进行学生卡优化曝光。用不到一半的流量，就完成了开卡的KPI，单个学生的认证成本远低于其他认证方式，且用户群体准确度更高。除业务ROI收益外，更精准的活动曝光，大大提升了流量利用效率以及用户体验。试想，你是一个白领用户，每次打开App都看到让你去认证学生身份的活动，是不是不仅不感兴趣，还有可能引起反感呢。
4.2基于算法的内容推荐
用户运营的常用手段是各种弹窗或短信推送，但并不所有用户都喜欢这种方式，甚至有人会认为被过度打扰，这也是为什么很多年轻人开始喜欢“适老版”的APP。业务人员在用户运营时，为了吸引用户进站活跃、复购，会定期进行短信营销，主要基于业务规则或经验从里程抵现、会员权益、红包卡券等众多的内容中进行人工选择。承接的内容要么千人一面的通用文案，要么是多人一面的通用承接策略。基于算法能力对过往营销内容的效果分析建模，以机器学习的方式给出每个客户最佳的营销内容，建设内容偏好的算法标签。实现每一个客户的个性化的内容营销，仅对有需要的人进行营销，并且是他所需要的内容，从而实现用户体验与业务KPI的双赢，提升客户收到短信之后的进站率、下单率。
05 未来规划
精细化运营的日常功能需求CDP平台已基本覆盖，内部产品的路子一般是从先能用再好用。所以在产品体验细节以及偏个性化功能上还需要不断与业务部门一起持续扩展。另外，标签除服务于精细化运营的人群圈选外，还可以有更丰富的应用场景，例如作为算法模型的特征输入，进一步提升标签的复用能力。迭代的方向：
- 场景效果数据分析精细化，目前主要从触达用户以及进站后的访问、订单转化率角度评价场景效果，实际上拉新、留存等不同运营目标，场景效果的评价需要更加多元化。
- 标签维度扩展，在现有支持用户ID维度的基础上，扩展商品资源维度，在场景配置上，业务自助实现人与商品的规则匹配。
- 人群拓展，基于目标的种子用户，利用算法模型进行人群扩展，提升运营效率。
- 算法标签生产流程提效，与机器学习平台联动，提升算法挖掘类标签的生产效率，在人群圈选上更多的发挥AI的价值。
- 数据安全策略兼容，个人信息保护法生效后，精细化运营需要给用户提供不再推送的选项，把这部分用户处理前置化，避免出现人群圈选100W，实际触达20W的情况(触达端过滤)。
