隨著用戶在線上花費時間的增加，新冠肺炎疫情危機進一步推動零售業(yè)向電商零售轉移這一長期結構性變化，促進線下線上零售經濟整合的趨勢。另一方面，隨著流量紅利的日漸枯竭，企業(yè)對第一方數(shù)據的重視程度也在逐步加深，新冠肺炎疫情從側面推動了企業(yè)打造第一方數(shù)據的步伐，大量的企業(yè)開始采用 CDP 為代表的企業(yè)級智能客戶數(shù)據中臺。創(chuàng)略科技聯(lián)合創(chuàng)始人兼總裁楊辰韻介紹說，在中大型本土企業(yè)中，有 10％左右的企業(yè)已經在采購、立項、招標 CDP 產品，或者將采購納入議事日程；由于 CDP 在國外興起已近十年，外資企業(yè)的行動更早一些。以 CDP 為標志，營銷技術行業(yè)迎來了井噴式的爆發(fā)。

為了助力零售企業(yè)搶占以CDP為標志的營銷數(shù)字化轉型風口，近日創(chuàng)略科技聯(lián)合營銷技術行業(yè)媒體 Marteker 重磅發(fā)布《重構企業(yè)增長勢能：2021零售行業(yè)營銷自由白皮書》，以「實戰(zhàn)派」和「技術派」的身份，結合創(chuàng)略科技多年來在數(shù)據技術領域的能力積累和實戰(zhàn)案例，創(chuàng)新解讀以CDP為起點延伸出的新工具、新技術、新場景，從0到1科學指導營銷數(shù)字化轉型路徑，從而推助零售行業(yè)數(shù)字化轉型。

零售行業(yè)全渠道營銷痛點

隨著5G、AI、云計算、大數(shù)據等新技術的應用，諸如直播、社交電商、小程序、新零售等工具與概念層出不窮，零售行業(yè)已然步入全渠道零售階段，而疫情加速了這一過程。

全渠道的核心是數(shù)據的實時交互，企業(yè)需要集中管理所有數(shù)據并產生洞察。通過這些信息和洞察，零售企業(yè)可以決定向顧客銷售哪些產品并產生復購，甚至具備連接所有渠道的技術，創(chuàng)建無縫客戶體驗。但由于數(shù)據平臺的多樣性、供應商水平的參差不齊，這對零售數(shù)據分析系統(tǒng)來說又增加了新的挑戰(zhàn)：絕大多數(shù)零售企業(yè)的線上和線下數(shù)據分開存儲在不同的數(shù)據庫中，數(shù)據無法形成統(tǒng)一的客戶畫像；零售企業(yè)缺乏一個統(tǒng)一干凈的數(shù)據中臺。而外部的第三方數(shù)據由于平臺多、格式不一，數(shù)據的合規(guī)性、完整性、穩(wěn)定性和持續(xù)性都有待考量；零售企業(yè)數(shù)據應用場景復雜，很多企業(yè)的AI算法沒有考慮到商業(yè)場景的兼容問題，導致這類AI產品雖有良好的建模能力，對使用者的要求卻非常高，使AI系統(tǒng)的輸出結果與落地應用之間尚且存在一定的距離，需要進一步的人工處理和轉化。

新工具：「AI＋CDP」重構零售行業(yè)營銷增長

為了規(guī)避以上阻礙，建立以消費者為中心的零售行業(yè)數(shù)字化運營，創(chuàng)略科技的客戶數(shù)據平臺（CDP），能夠實時連接多個來源的數(shù)據并將其轉換為業(yè)務洞察、形成解決方案，在改善零售企業(yè)營銷人員業(yè)績的同時也提升客戶體驗。

CDP是一個預先構建的系統(tǒng)，支持一對多交互，實時傳輸數(shù)據并收集數(shù)據，將所有來源的客戶數(shù)據集中起來，整合成為統(tǒng)一的客戶文檔，提供給其他系統(tǒng)，用于營銷活動、客戶服務以及客戶體驗活動。

用楊辰韻的話說，CDP 是營銷技術的數(shù)據樞紐，承載著連接大腦和軀干的作用。企業(yè)需要解決的，不再只是營銷的效率問題，而是如何實現(xiàn)與客戶的個性化交互和體驗。而傳統(tǒng)的 IT部門的人工操作的方式，如 ETL 獲取數(shù)據的方式，缺乏實時性，可能一到兩周、甚至一個月才能提供業(yè)務部分需要的數(shù)據。CDP 的大數(shù)據架構則可以較好支持數(shù)據的實時應用。

相比CRM處理的數(shù)據圍繞著交易展開，CDP可以處理的數(shù)據流來自交易或呼叫中心、網站、應用程序中的行為數(shù)據，并將他們轉換同一個身份的畫像中。「之前很多企業(yè)各個部門都有自己的業(yè)務流程系統(tǒng)，如訂單管理系統(tǒng)、經銷商管理系統(tǒng)，線上也有小程序、H5 等各種觸點，每個系統(tǒng)里都有某一部分的客戶數(shù)據，但沒有基于客戶的角度打通，形成了數(shù)據孤島。」CDP 則通過解決數(shù)據孤島的問題，實現(xiàn)全域的統(tǒng)一的客戶體驗。

創(chuàng)略的 CDP 產品在開發(fā)的過程中，與 AI 技術相結合，特別是機器學習、深度學習、聯(lián)邦學習等算法的能力，根據數(shù)據收集和分析來自動化營銷決策和行動，增強對收集到的數(shù)據的分析，將來自不同來源的大量數(shù)據實時轉化為洞察。楊辰韻表示，創(chuàng)略 CDP 是基于算法驅動的，「涉及到應用場景的時間、渠道、內容等功能，我們希望可以基于數(shù)據和算法驅動去做相應的實現(xiàn)。」例如某知名咖啡品牌的咖啡食品搭配，飲料的個性化推薦，為每個人推不同的優(yōu)惠券，預測他未來7天是否購買，預測流失的概率等，這些具體的場景都有沉淀下來的算法和模型。

而且，這些以CDP為核心，AI驅動的及輔助決策和預測性的營銷建模工作，不再涉及人工運營，就能夠完成他想要的KPI和相應的ROI。營銷人員只需要提出他需要的KPI和ROI，剩余所有工作都交給算法和數(shù)據驅動的 CDP去完成。這不僅提高了營銷人員的效率，使他們能夠將更多時間花在戰(zhàn)略上，而且還提升了 ROI。

楊辰韻同時介紹說，CDP 的應用場景并不局限于營銷領域，非營銷場景的運營決策，甚至產品制造，都可以基于 CDP 數(shù)據來完成。例如，一些企業(yè)在做新品研發(fā)的時候，會采用一些基于大數(shù)據的客戶體驗管理，與 C2M 個性化制造的方法�！笇α闶坌袠I(yè)來說，消費者是最終的用戶。基于消費者數(shù)據驅動的決策，才是能夠確�？闪炕�的 ，并為客戶創(chuàng)造價值的路徑�！�

新場景：多重算法協(xié)同的零售行業(yè)創(chuàng)新場景應用

在AI的賦能下 CDP可最大化數(shù)據挖掘與應用的價值，加之創(chuàng)略科技多年來在零售行業(yè)的深度Know－h(huán)ow設計出更指向場景與應用：

• 數(shù)據融合與打通：整合并打通線上線下的多渠道數(shù)據，把散落在各系統(tǒng)中的數(shù)據匯集在客戶數(shù)據中臺，經過清洗和識別建立多維度客戶畫像，描繪出客戶畫像標簽。

• 智能營銷決策應用：AI算法建立營銷積分模型／交叉銷售模型，針對性將商品內容、營銷活動和會員權益高效精準地分發(fā)到各類場景中，精準觸達消費者打造個性化互動體驗，實時獲取各類新鮮會員的行為數(shù)據。

• 創(chuàng)建無縫體驗：基于數(shù)據洞察微調每個客戶接觸點的優(yōu)惠和消息并實現(xiàn)個性化，同時從瀏覽和購買到訂單跟蹤，為客戶營造卓越的全渠道購物體驗，并利用近實時的洞察預測、評估和減輕供應鏈中斷，改善需求預測，管理訂單履行，實現(xiàn)客戶與潛在客戶的激活及維系。

以某美妝直銷品牌為例，其推出自有APP希望通過數(shù)據的收集，利用個性化推薦搭建起客戶和內容中間的橋梁，幫助客戶快速決策并與其建立更加長期穩(wěn)定的聯(lián)系。APP 對客戶文章行為數(shù)據沒有做過進一步挖掘、客戶數(shù)據的人物畫像情況還比較模糊，所以對于數(shù)據的動態(tài)分析就尤為重要。依托于創(chuàng)略的 CDP，對APP 內文章信息、文章分類、客戶信息、客戶瀏覽轉發(fā)行為和客戶搜索行為數(shù)據進行清洗、打通、整合，建立360度客戶視圖實現(xiàn)數(shù)據可視化，再一次認識客戶。

在了解每位客戶的畫像和喜好后，創(chuàng)略科技通過協(xié)同過濾推薦、標題相似性推薦、分類興趣推薦、搜索關鍵詞推薦的四種算法協(xié)同重構進行評估分析，最終推薦結果對每個客戶ID生成指定數(shù)量的推薦文章 ID＋推薦系數(shù)＋推薦途徑的列表，營銷人員可以根據此進行準確操作。精準的個性化內容推薦包括了基于客戶歷史興趣的再延伸，以及基于客戶角色的行為探索，一方面使客戶收獲良好的體驗，另一方面也能使企業(yè)挖掘出客戶的潛力，使得客戶的每一個潛在需求都推導為業(yè)務轉化，實現(xiàn)數(shù)據資產化管理。

新技術：可用不可見的聯(lián)邦學習

如何賦能零售行業(yè)多方數(shù)據營銷

在數(shù)據隱私管理規(guī)范越來越嚴格下，零售企業(yè)需要解決的另一項問題，是如何在不侵犯用戶權利的情況下為營銷人員提供他們需要的數(shù)據。對此，創(chuàng)略科技在行業(yè)率先采用了「聯(lián)邦學習」技術。

聯(lián)邦學習是兼顧數(shù)據合作與隱私保護的去中心化協(xié)作機器學習技術。傳統(tǒng)的中心化AI往往是把所有的數(shù)據匯聚到一個云或者數(shù)據中心，基于處理后的數(shù)據進行大量的計算，產出預測，從而運用到具體的應用場景中。聯(lián)邦學習從某種意義上而言正好相反，AI本身在參與方自己的設備、數(shù)據中心，或邊緣上去產出計算結果，利用本地數(shù)據訓練模型，將需要更新的參數(shù)同步回到一個中心節(jié)點，在平均其模型結果后，再將新的訓練模型分發(fā)到各個不同的參與者。在聯(lián)邦學習的機制下，參與者不需要犧牲底層數(shù)據隱私，就可以同時實現(xiàn)比較大規(guī)模的AI、機器學習的應用場景。

最近，由于諸多因素，聯(lián)邦學習的應用正在加速增長，「首先是消費者數(shù)據的所有權意識增強了，即數(shù)據所有權屬于消費者，只是在具體的場景里授權給企業(yè)�！鼓敲慈绾卧谙�費者授權的前提下，做到數(shù)據本身不用流通而實現(xiàn)數(shù)據價值的交互？這些因素正在推動聯(lián)邦學習的新范式，即通過跨本地計算節(jié)點或設備訓練模型實現(xiàn)去中心化AI，而非目前流行的集中聚合 AI 模型的方式。

聯(lián)邦學習作為分布式機器學習范式，可以實現(xiàn)各方在不公開各自數(shù)據的情形下，協(xié)同完成模型訓練，解決一系列AI應用落地面臨的數(shù)據安全和隱私障礙，以及創(chuàng)造一個健康的數(shù)據價值協(xié)作新模式，是人工智能領域發(fā)展的必然趨勢。楊辰韻介紹說，創(chuàng)略科技將 AI、聯(lián)邦學習等技術與 CDP 結合在一起，通過 AI 技術逐步實現(xiàn)用基于訓練集和測試集的算法去取代人工憑經驗設置標簽和規(guī)則，通過聯(lián)邦學習技術在合規(guī)的前提下，延展到整個行業(yè)里和市場上下游的各類數(shù)據源，從而最終將分散的觸點上的行為數(shù)據、交易數(shù)據、會員數(shù)據打通，形成統(tǒng)一的 360 度的用戶畫像和 One ID，為營銷自動化和個性化營銷工作乃至非營銷場景提供支持。

零售行業(yè)正在掀起變革浪潮，大數(shù)據的使用可以隨時隨地無形沉淀顧客行為數(shù)據，直接把握顧客需求并直觀展示給商家。企業(yè)需要學習如何采用數(shù)據管理工具收集、管理和分析海量的客戶數(shù)據，最終實現(xiàn)消費者信息的數(shù)字化、商品信息的數(shù)字化和營銷推廣信息的數(shù)字化。這也是《重構企業(yè)增長勢能：2021零售行業(yè)營銷自由白皮書》呈現(xiàn)給讀者的價值。