CDP已死?AI正重写企业营销的数据架构

目前，CDP的主流数据架构已经不适应时代的发展了，所以，必然面临着大量的整体重构。这可能又会刺激广告主在数字营销基建上的支出，并且为整个市场的服务商带来新的机会。

我为什么要做这样的判断？很简单，因为技术总是往前发展的，更何况AI将要越来越深刻地嵌入数字营销。

一个最抽象化的示意图如下图所示：

这个结构十分清晰，也是今天CDP的标准构型了。

在这个架构下，理想状态下，消费者触点上的数字采集都是由CDP的埋点工具或者数据采集工具统一完成的，被采集的数据随之被存储在CDP的数据库中。

因为是CDP的统一埋点工具，因此，数据被采集时，其格式和结构都是按照CDP的标准来的，数据的组织和应用相对更容易实现。

不过，既然比较理想化，当然就是说实际应用时不太可能跟上面的完全一致。在企业部署CDP的时候，跟理想状况不一样的地方，也是在数据采集层。

大部分企业，它自己的网站、App或者其他各种各样的触点，都已经有了其他工具采集数据，或者因为种种原因（部门分工原因、安全原因，甚至政治原因），不允许用CDP的统一数据采集工具或统一埋点。这种情况下，CDP就需要有一个“数据整合层”，把那些能够提供数据的触点里面的数据，整合在一起，然后再存储在CDP的数据库中。

这种架构，是当今CDP的主流做法，但这个做法，在当今的时代，它的设计前提已经不成立了。

传统CDP，是为适应这个时代的如下情况设计的：

它能适应环境，但是公允地说，它也确实存在一些问题。尤其是AI来了以后，问题就更明显了。

AI的能力是什么，不仅仅是处理数据的效率提升，更是“处理方式”的改变。过去是基于规则与预定义结构的计算，AI则转向基于学习与推理的建模。这使得系统能够直接在高维、非结构化的数据中进行理解与决策，而不再依赖人工预先定义的标签体系。

所以，相对于过去，AI这种能力不是成百倍成千倍的提升，而是天上地下的差别。比如，大熊国和小熊国打架，据说每天会收到大量来自各种渠道的信息，甚至包括老百姓拍的照片、摄像头的视频，这些信息会铺天盖地般的源源不断地进入指挥部，人去看去处理根本没办法搞定，但AI在很短的时间内就能够给出很具体的结论和建议。这些结论和建议会被提供给执行单位——地面单位、火炮、无人机或者导弹。

随着技术的发展，CDP要么也需要具备类似的能力，要么直接被AI取代。未来的CDP这个事物如果还能存在，那它要做的事情跟上面打架中要做的事情没有本质上的区别，都是快速（甚至实时地）获取海量信息与数据（尤其是非结构化的），然后迅速给出结论（结论就是细分人群），并且将人群提供给执行单位——广告、短信、邮件、社交媒体等。

但传统的CDP架构方式做这个并不太在行，主要在数据的架构和处理上，有天然的缺陷：

你会问，写这么多，太技术，看不懂。你就一句话告诉我为什么传统CDP会不行了。

这么说吧，以前是“先分好人群再做营销”，但现在AI来了，可以提供更高级的“边看数据边做决策”的能力，而传统CDP跟不上这个节奏了。今天，我们已经变成“由数据流和AI实时推理驱动”的系统，CDP这种“营销神经中枢”当然更不可能例外，它反而应该是最早实现这种能力的！

为了具有真正的营销神经中枢的能力，传统CDP需要进行三个方面的重构。

第一，数据库必须升级为数据仓库。也就是说，CDP必须是配原生数据仓库的。

为什么要用数据仓库，因为新CDP要处理的问题——全量行为分析、特征计算与模型驱动决策——已经超出了传统业务数据库的能力边界。只有数据仓库才能做到。典型的数据仓库如snowflake。

但你会接着问，数据仓库不是很慢吗？你刚刚才说要实现“由数据流和AI实时推理驱动”的系统，数据仓库又没有办法实时。

对，所以我们需要有第二个东西。

第二，实时数据流能力。

用户的每一次点击、浏览、停留、互动、离开，这些行为都会通过实时数据流，传输给数据处理层，一部分进入数据仓库用于后续分析，一部分直接参与实时计算与决策，由CDP的AI引擎立即处理。

通常会结合流式处理能力来实现，比如Kafka、Flink这一类体系。

另外，为了能够确保实时的数据流能力，数据采集也必然发生变化。过去的那种在各个触点上各采各的，然后在数据整合层进行整合的方式，不能再被采用。所有触点，都建议尽可能统一数据采集方式，否则实时与一致性会被破坏。也就是，最好利用我们前面说的，那种理想状态下的数据采集架构。

第三，AI驱动的处理能力和决策能力。

过去CDP做决策，本质上是规则驱动的。先定义标签，再定义人群，再配置触达规则。整个过程是离散的、静态的，是“先分好人群，再做营销”。

而现在，决策方式发生了根本变化。系统不再去依赖人工定义的标签去判断，而是通过模型来理解用户。它会同时看三件事：这个用户过去做过什么，这个用户此刻在做什么，以及与他相似的人通常会如何行动。在此基础上，系统给出的结果，不是一个“人群”，而是针对每一个个体进行的判断：下一步应该做什么。并且，这个判断会持续发生，而不是一次性搞定了就结束了。

那么，基于这三个方面的重构，新的CDP的架构应该是什么样呢？

在这个架构中，关键的逻辑上的变化集中在三点。

这些变化共同指向一个核心：各个环节不再是独立处理后再传递，而是围绕数据流动形成闭环，使计算与决策嵌入在整个数据生命周期之中。

这个架构的工程实现，跟过去的CDP也不同了，主要在四点上：

总体看，新的CDP从“批处理系统”升级为“流式+实时+模型驱动”的系统，这是质变。

在这套新架构下，企业首先要分清一件事：哪些能力必须掌握在自己手中，哪些可以借助第三方完成。判断标准是，凡是涉及数据主权和核心决策的部分，一定要自己掌握；而偏基础设施和执行工具的部分，可以考虑第三方。

一定需要自己掌握的：

可以考虑使用第三方的：

厂商们升级CDP的时间到了。甚至有没有CDP这个名称都不重要了。因为，AI驱动的用户运营，以及相关能力的构建，是一个必将发生的事情。

时代的浪涌，又一次，涌来了。