以 CDP为起点重构零售企业营销增长势能
随着用户在线上花费时间的增加，新冠肺炎疫情危机进一步推动零售业向电商零售转移这一长期结构性变化，促进线下线上零售经济整合的趋势。另一方面，随着流量红利的日渐枯竭，企业对第一方数据的重视程度也在逐步加深，新冠肺炎疫情从侧面推动了企业打造第一方数据的步伐，大量的企业开始采用 CDP 为代表的企业级智能客户数据中台。创略科技联合创始人兼总裁杨辰韵介绍说，在中大型本土企业中，有 10％左右的企业已经在采购、立项、招标 CDP 产品，或者将采购纳入议事日程；由于 CDP 在国外兴起已近十年，外资企业的行动更早一些。以 CDP 为标志，营销技术行业迎来了井喷式的爆发。
为了助力零售企业抢占以CDP为标志的营销数字化转型风口，近日创略科技联合营销技术行业媒体 Marteker 重磅发布《重构企业增长势能：2021零售行业营销自由白皮书》，以「实战派」和「技术派」的身份，结合创略科技多年来在数据技术领域的能力积累和实战案例，创新解读以CDP为起点延伸出的新工具、新技术、新场景，从0到1科学指导营销数字化转型路径，从而推助零售行业数字化转型。
零售行业全渠道营销痛点
随着5G、AI、云计算、大数据等新技术的应用，诸如直播、社交电商、小程序、新零售等工具与概念层出不穷，零售行业已然步入全渠道零售阶段，而疫情加速了这一过程。
全渠道的核心是数据的实时交互，企业需要集中管理所有数据并产生洞察。通过这些信息和洞察，零售企业可以决定向顾客销售哪些产品并产生复购，甚至具备连接所有渠道的技术，创建无缝客户体验。但由于数据平台的多样性、供应商水平的参差不齐，这对零售数据分析系统来说又增加了新的挑战：绝大多数零售企业的线上和线下数据分开存储在不同的数据库中，数据无法形成统一的客户画像；零售企业缺乏一个统一干净的数据中台。而外部的第三方数据由于平台多、格式不一，数据的合规性、完整性、稳定性和持续性都有待考量；零售企业数据应用场景复杂，很多企业的AI算法没有考虑到商业场景的兼容问题，导致这类AI产品虽有良好的建模能力，对使用者的要求却非常高，使AI系统的输出结果与落地应用之间尚且存在一定的距离，需要进一步的人工处理和转化。
新工具：「AI＋CDP」重构零售行业营销增长
为了规避以上阻碍，建立以消费者为中心的零售行业数字化运营，创略科技的客户数据平台（CDP），能够实时连接多个来源的数据并将其转换为业务洞察、形成解决方案，在改善零售企业营销人员业绩的同时也提升客户体验。
CDP是一个预先构建的系统，支持一对多交互，实时传输数据并收集数据，将所有来源的客户数据集中起来，整合成为统一的客户文档，提供给其他系统，用于营销活动、客户服务以及客户体验活动。
用杨辰韵的话说，CDP 是营销技术的数据枢纽，承载着连接大脑和躯干的作用。企业需要解决的，不再只是营销的效率问题，而是如何实现与客户的个性化交互和体验。而传统的 IT部门的人工操作的方式，如 ETL 获取数据的方式，缺乏实时性，可能一到两周、甚至一个月才能提供业务部分需要的数据。CDP 的大数据架构则可以较好支持数据的实时应用。
相比CRM处理的数据围绕着交易展开，CDP可以处理的数据流来自交易或呼叫中心、网站、应用程序中的行为数据，并将他们转换同一个身份的画像中。「之前很多企业各个部门都有自己的业务流程系统，如订单管理系统、经销商管理系统，线上也有小程序、H5 等各种触点，每个系统里都有某一部分的客户数据，但没有基于客户的角度打通，形成了数据孤岛。」CDP 则通过解决数据孤岛的问题，实现全域的统一的客户体验。
创略的 CDP 产品在开发的过程中，与 AI 技术相结合，特别是机器学习、深度学习、联邦学习等算法的能力，根据数据收集和分析来自动化营销决策和行动，增强对收集到的数据的分析，将来自不同来源的大量数据实时转化为洞察。杨辰韵表示，创略 CDP 是基于算法驱动的，「涉及到应用场景的时间、渠道、内容等功能，我们希望可以基于数据和算法驱动去做相应的实现。」例如某知名咖啡品牌的咖啡食品搭配，饮料的个性化推荐，为每个人推不同的优惠券，预测他未来7天是否购买，预测流失的概率等，这些具体的场景都有沉淀下来的算法和模型。
而且，这些以CDP为核心，AI驱动的及辅助决策和预测性的营销建模工作，不再涉及人工运营，就能够完成他想要的KPI和相应的ROI。营销人员只需要提出他需要的KPI和ROI，剩余所有工作都交给算法和数据驱动的 CDP去完成。这不仅提高了营销人员的效率，使他们能够将更多时间花在战略上，而且还提升了 ROI。
杨辰韵同时介绍说，CDP 的应用场景并不局限于营销领域，非营销场景的运营决策，甚至产品制造，都可以基于 CDP 数据来完成。例如，一些企业在做新品研发的时候，会采用一些基于大数据的客户体验管理，与 C2M 个性化制造的方法。「对零售行业来说，消费者是最终的用户。基于消费者数据驱动的决策，才是能够确保可量化的 ，并为客户创造价值的路径。」
新场景：多重算法协同的零售行业创新场景应用
在AI的赋能下 CDP可最大化数据挖掘与应用的价值，加之创略科技多年来在零售行业的深度Know－how设计出更指向场景与应用：
数据融合与打通：整合并打通线上线下的多渠道数据，把散落在各系统中的数据汇集在客户数据中台，经过清洗和识别建立多维度客户画像，描绘出客户画像标签。
智能营销决策应用：AI算法建立营销积分模型／交叉销售模型，针对性将商品内容、营销活动和会员权益高效精准地分发到各类场景中，精准触达消费者打造个性化互动体验，实时获取各类新鲜会员的行为数据。
创建无缝体验：基于数据洞察微调每个客户接触点的优惠和消息并实现个性化，同时从浏览和购买到订单跟踪，为客户营造卓越的全渠道购物体验，并利用近实时的洞察预测、评估和减轻供应链中断，改善需求预测，管理订单履行，实现客户与潜在客户的激活及维系。
以某美妆直销品牌为例，其推出自有APP希望通过数据的收集，利用个性化推荐搭建起客户和内容中间的桥梁，帮助客户快速决策并与其建立更加长期稳定的联系。APP 对客户文章行为数据没有做过进一步挖掘、客户数据的人物画像情况还比较模糊，所以对于数据的动态分析就尤为重要。依托于创略的 CDP，对APP 内文章信息、文章分类、客户信息、客户浏览转发行为和客户搜索行为数据进行清洗、打通、整合，建立360度客户视图实现数据可视化，再一次认识客户。
在了解每位客户的画像和喜好后，创略科技通过协同过滤推荐、标题相似性推荐、分类兴趣推荐、搜索关键词推荐的四种算法协同重构进行评估分析，最终推荐结果对每个客户ID生成指定数量的推荐文章 ID＋推荐系数＋推荐途径的列表，营销人员可以根据此进行准确操作。精准的个性化内容推荐包括了基于客户历史兴趣的再延伸，以及基于客户角色的行为探索，一方面使客户收获良好的体验，另一方面也能使企业挖掘出客户的潜力，使得客户的每一个潜在需求都推导为业务转化，实现数据资产化管理。
新技术：可用不可见的联邦学习
如何赋能零售行业多方数据营销
在数据隐私管理规范越来越严格下，零售企业需要解决的另一项问题，是如何在不侵犯用户权利的情况下为营销人员提供他们需要的数据。对此，创略科技在行业率先采用了「联邦学习」技术。
联邦学习是兼顾数据合作与隐私保护的去中心化协作机器学习技术。传统的中心化AI往往是把所有的数据汇聚到一个云或者数据中心，基于处理后的数据进行大量的计算，产出预测，从而运用到具体的应用场景中。联邦学习从某种意义上而言正好相反，AI本身在参与方自己的设备、数据中心，或边缘上去产出计算结果，利用本地数据训练模型，将需要更新的参数同步回到一个中心节点，在平均其模型结果后，再将新的训练模型分发到各个不同的参与者。在联邦学习的机制下，参与者不需要牺牲底层数据隐私，就可以同时实现比较大规模的AI、机器学习的应用场景。
最近，由于诸多因素，联邦学习的应用正在加速增长，「首先是消费者数据的所有权意识增强了，即数据所有权属于消费者，只是在具体的场景里授权给企业。」那么如何在消费者授权的前提下，做到数据本身不用流通而实现数据价值的交互？这些因素正在推动联邦学习的新范式，即通过跨本地计算节点或设备训练模型实现去中心化AI，而非目前流行的集中聚合 AI 模型的方式。
联邦学习作为分布式机器学习范式，可以实现各方在不公开各自数据的情形下，协同完成模型训练，解决一系列AI应用落地面临的数据安全和隐私障碍，以及创造一个健康的数据价值协作新模式，是人工智能领域发展的必然趋势。杨辰韵介绍说，创略科技将 AI、联邦学习等技术与 CDP 结合在一起，通过 AI 技术逐步实现用基于训练集和测试集的算法去取代人工凭经验设置标签和规则，通过联邦学习技术在合规的前提下，延展到整个行业里和市场上下游的各类数据源，从而最终将分散的触点上的行为数据、交易数据、会员数据打通，形成统一的 360 度的用户画像和 One ID，为营销自动化和个性化营销工作乃至非营销场景提供支持。
零售行业正在掀起变革浪潮，大数据的使用可以随时随地无形沉淀顾客行为数据，直接把握顾客需求并直观展示给商家。企业需要学习如何采用数据管理工具收集、管理和分析海量的客户数据，最终实现消费者信息的数字化、商品信息的数字化和营销推广信息的数字化。这也是《重构企业增长势能：2021零售行业营销自由白皮书》呈现给读者的价值。
