流量时代，营销的争夺聚焦在数据资源，更加强调数据的低成本获取和精准触达。对于企业的B2C营销人员来说，争夺客户数据是一项艰巨的任务。随着O2O的深入推进，品牌生态系统逐步建立，客户接触点的成倍增长，但是获取客户数据变得越来越困难。
首先，消费者更加注重隐私的保护，各大平台也都严防隐私泄露。这无疑增加了数据获取的复杂性。根据Forrester的全球调查，有25%的B2C营销人员表示，获取数据是难点，管理数据是最大的挑战。
面对如此的局面，「执牛耳」建议：营销员“十羊在望不如一羊在手”，必须有效利用现有的客户数据，充分利用CDP是一个不错的开端。有了良好的数据应用基础，才能更进一步通过DMP增加客户资本的价值，最终获取有效的营销解决方案（Method）。
1
CDP可用，但不够
CDP集中了多个来源的客户数据，并使其可用于洞察和参与系统。CDP平台会整合用户数据，直接可以应用到现有的营销技术之中，让营销人员感到十分的便捷，也是CDP最大的一个优势：见效快。数据变得更大、更快、更复杂，营销人员必须通过更多的工具来使用数据。CDP的快速上手会带给营销人员信心，让他们认识到现代的数据结构技术可以支持现有的营销系统。
「执牛耳」调研发现，目前市场上的CDP平台供应商一般可以归结为以下四种类型：
| 供应商类型 | 主要功能 |
| 数据渠道 | 为品牌商提供一个数据获取渠道，利用已有的数据库搜集和聚焦相关数据，将数据整理、编辑后提供给用户 |
| 用户资源 | 通过提供用户画像和人群分类，帮助品牌商圈定目标人群。供应商提供平台接口，让用户和品牌商可以互相沟通与交流，做到需求获取、消费行为定位和产品推介 |
| 营销推广 | 平台可以执行品牌商的营销推广方案，平台具有方案设计和执行的能力，可以通过发短信、邮件、定向推送等功能，自动实现营销推广 |
| 计量分析 | 平台通过监测推广结果和客户数据，建立营销模型，预测ROI和消费趋势，能为品牌商制定战略规划提供参考 |
以上四种类型的供应商涵盖了数据产业链的全部上下游，从数据获取、挖掘到执行，再到改进建议，基本覆盖了执行PDCA闭环。当然，有实力的平台通过海量数据和信息技术可以做到“CDP综合体”，提供完整的数据服务。注意，我们在这里说的是数据服务，而不是文章开头强调的整体解决方案，为什么？
因为，CDP平台目前尚不足以支撑“整体解决方案”这个目标。最主要的原因是CDP供应商的资质并不统一。根据Forrester在2017年的市场调查，在114份CDP的客户咨询中，21家供应商数据来自最终用户，可以提供较为完整的数据分析和预测。
「执牛耳」分析认为，CDP目前主要存在以下几方面短板：
一、缺少市场重点。CDP供应商背景复杂，水平各异，更为主要的是，各家供应商的行业背景并不一致，多数是从IT技术公司和互联网公司转型而来。凭借技术优势抢占了CDP行业的滩头，但是在营销领域并没有过多的积累，行业定位也不清晰。所以，会出现“胸口碎大石”的现象——什么行业数据都能做，你要哪个行业数据都可以。
二、缺乏关键数据和技术。用户画像和消费行为监测是营销活动核心，是衡量CDP数据有效性的重要依据。目前能提供用户身份解析高级功能，如二次概率匹配和可定制的匹配规则的供应商数量较少，已有的供应商能多到的深度也是参差不齐，主要原因是两个方面“数据和技术”。
三、CDP效果低于市场预期。既然缺乏关键数据和技术，CDP的最终效果很难满足用户预期。一位零售业的CMO曾经抱怨：我们的CDP供应商缺乏对客户终身价值的关键分析，我们需要在不同的CDP平台提供的结果中间进行细分，以满足最终的解决方案。
没错，CDP平台技术目前只是与现有营销手段协同工作，而不是完全替代。这就增加了营销人员操作时候的技术门槛和甄别的难度。到底是相信CDP还是相信已有的经验？他们难以确定CDP是不是真的管用，要不要为CDP买单。
CDP的短板归结起来是数据和技术造成。缺少海量多元化的数据和信息，是否具有效的分析技术，难以达到市场营销的预期。对于品牌商来讲，想要破解这一难题——找到海量、多元化数据和分析技术，DMP是下一个选择。
2
DMP有效，未来仍需提升
相比于CDP，DMP在数据源、处理技术和输出结果方面都有很大的提升。DMP是整合了三方的数据（用户、平台方和供应商），然后把所有数据进行标准化处理，结构化管理；通过这些数据沉淀出来的目标用户进行挖掘和洞察，从而产生策略性的方案，输出给自媒体和垂直媒体。而这其中，数据建模是DMP区别于CDP的最为重要的特征。
DMP数据源范围比较广泛，收集的数据既包含Media的数据，也包括CDP的数据，基础的功能都会对用户做细分、做建模，包括归因模型，价值评估模型，更多的可能是RFM模型，也会有生命周期的模型。
以RFM模型为例，RMF模型是DMP输出的典型的数据分析模型之一，也是最为流行的分析模型。通过对数据的收集，管理、分析和标签化。对用户价值进行分层，通过R（Recency最近一次购买）、F（Frequency消费频次）、M（Monetary Value消费金额）三个维度对消费人群进行分类和评估，据此来定义客户属性，甄别客户价值，为后续的营销和推广提供决策依据。
在咨询界广为流程的“波士顿矩阵”经常被用来评估用户价值、细分客户群体，而真正用于实际营销时候营销人员都会问同样一个问题，该如何划分四种不同类型客户的临界点？
DMP可以有效地解决这个问题。利用平台的海量数据，DMP可以聚类分析数据的相似性，从而圈定相似群组。通过对聚类客户相似性的分析，找出分组的上限、下限、均值、中位数等有意义数据，最终决定哪一个能代表分组的特点。不仅如此，经过DMP处理的数据呈现的不再是静态模型的“硬边界”，是可以呈现“循序渐进的演变规律的动态数据模型。借助于回归分析，DMP可以勾画出数据的演变规律。
通过对数据群组的分类，可以看出不同类型的客户群体是如何演进，例如：从潜客->金牛->明星的渐进式演变或潜客->明星的跳跃式的提升。在整个数据管理的过程中，有一个很重要的问题叫做触达，现在我们看到的企业，不管是以平台数据为主还是以媒体数据为主，几乎都是希望能够多维度触达：如通过微信公众号、短信、官网、Media等来触达，这也正是DMP的必要性所在。
几乎没有企业能够依靠某一方面的数据（CDP）做到精准触达，都需要和外界数据打通，既有CDP的碎片化数据，也有规律性的群组数据。
而DMP正是用来解决此类问题的痛点，像典型的媒体路径分析，消费者路径分析等等，这样的管理过程单纯依靠一方数据是做不到的，必须依赖外部的生态环境才能做到，这也就是DMP的必要性。
从CDP到DMP是数据管理和应用的提升，在这个过程中营销得到的是什么呢？
这取决于营销人员的最终目的。CMO、CEO们深知数据的重要和平台的能力，但是他们想要的是有效的营销解决方案。
基于CDP数据分析和DMP数据管理后得到的营销解决方案，通过数据精准触达目标客群，实现销售增长和ROI目标预期。通过对海量数据的处理，形成深度的市场洞察和生动的用户画像，以及关联类目的分析，最终锁定了目标人群；通过精准的出大和传播，针对目标人群进行有目的营销推送，启到“知客户所想、如客户所愿、助客户所动”的产品定制化的效果。
DMP的数据管理还能实现对目标客群的全场景拦截。不论网络页面、生活场景、线下推送，都可以预先埋下触点。通过精准推荐与用户期望进行匹配，最终促成用户购买，有效提升转化率。
在今天大家都是关注增长的时代，CDP和DMP力图提供全链路的解决方案（Method），优化品牌和消费者之间的互动，不论是CDP还是DMP，需要解决的都是一个“数据影响力”的问题。数据对于商业决策有多大的影响力，也就说明了从CDP到DMP平台的价值和意义。
