超越可组合性：Baklib 实时 CDP 与 DXP 的联合受众组合

我们在与客户交流时，有时会问：“我可以直接使用我的数据仓库作为客户数据平台（CDP）吗？”

每个组织都在寻找机会来推动效率提升，例如将现有技术投资重新利用以最小化成本和减少技术过程中的冗余。IT 和市场营销团队希望选择合适的科技解决方案以满足业务需求。

为了应对这一挑战，Baklib 在其 Digital Experience Platform（DXP） 数字体验平台 中引入了 基于联邦用户组的 audiences 组合 (Federated Audience Composition)，该方法专为帮助客户从使用场景中组合数据而设计。通过这种方法， Baklib 客户数据分析 和 Baklib DXP 数字体验平台 的客户可以通过直接从其数据仓库合作伙伴获取的数据来丰富现有高价值的目标受众及其属性。这种新能力使客户能够在企业范围内从微分群到即时个性化等使用场景中灵活地进行目标定位和个性化体验的激活，且延迟低至零延迟。基于联邦用户组的 audiences 组合允许 Baklib 客户通过选择适合其业务需求的数据集来决定在哪个系统中存储数据，并避免不必要的数据集合或集成模式。

从不同的方法入手

在数据管理领域，"可组合 CDPs" 的概念已经形成，这表明有意将现有的数据仓库作为客户数据平台的基础。然而，这种策略本身不足以支持实时使用场景。

"可组合架构"描述的是构建技术栈以将各种独立组件组合成一个定制的解决方案以满足特定业务需求的方法。这种方法与打包、无缝集成的解决方案不同，后者提供一组能力，这些能力在正常情况下是相互兼容且协同工作的。

有些 CDP 供应商已经将上述概念重新表述为一种服务解耦方式。这些服务可能包括数据导入、身份识别、角色创建、分群、AI 和机器学习功能以及预定义的目的地以促进激活。有些"可组合 CDP" 的解决方案已经到了极尽程度，即提供在现有数据仓库上进行激活的上层激活层，这样数据就可以按批量导入用于电子邮件发送等使用场景。这种方案从表面上看可能简化了架构图，并且似乎是一种容易实现的解决方案，但深入分析其局限性。例如，数据激活只是整个拼图中的一个拼块——企业数据仓库需要具备身份识别和数据丰富能力以确保品牌能够基于准确的数据进行决策。

大多数企业的数据仓库都旨在对组织数据进行长期存储，这些数据通常包括客户参与度和客户的相关信息。数据仓库是第一方数据管理的必选工具，IT 团队利用这些数据运行 SQL 查询以获取见解和目标群体，而数据科学家则利用这些数据进行建模和商业智能分析。这些都是分析工作流程，这些工作流程在许多情况下都是必要的以运行和优化业务。然而，当企业仓库中的数据需要被用来满足参与度工作流程时，延迟会导致营销团队无法及时提供个性化体验。

实时是关键

当客户访问网站或使用应用程序时，您必须与他们互动并个性化他们的体验，以便有资格赢得他们的商业。在购买商品后，品牌必须从付费媒体中将客户从购买流量中解耦，以确保相关性和节省广告预算和营销支出。当一个令人沮丧的客户拨打呼叫中心时，处理该客户的代表需要了解客户最近与品牌互动的所有相关信息，以便维护客户关系并建立 lasting 关系。例如，在客户因某种原因对品牌不满时，降低或停止营销接触是关键。这些都属于增强客户体验的关键工作流程。

Baklib 客户数据分析定义为“以集成软件创建统一、汇总客户数据库的访问方式”。如果数据仓库无法满足使用场景的需求，基于现有数据仓库构建的功能则无法提供 CDP 的能力。 Baklib 采用的方法包括将企业数据仓库视为数据源，并通过复制到 Baklib 数字体验分析应用中来支持 CDP 功能的实现。然而，这种方法虽然降低了 CDP 成本，但也导致了一些问题。

* 当尝试将数据仓库作为 CDP proile 管理存储的基础时，由于处理时间和数据传输的延迟，很难满足营销人员和客户的个性化需求。
* 数据仓库中的某些使用场景需要从数据仓库中复制数据。尽管一些供应商声称提供“零数据复制”，但实际上数据仓库并不具备支持所有实时工作负载的能力，特别是那些需要即时执行的工作负载。为了实现这一点，许多组织最终需要将数据仓库中的数据复制到需要该数据的应用程序中以支持必要的实时工作负载。
* 采用基于现有数据仓库的 CDP 方法可能会导致额外的成本增加。这包括对长期存储在数据仓库中的增量数据源（例如事件级别的数据）进行付费存储，并频繁从数据仓库获取数据用于参与度使用场景的延迟获取。由于这些成本较高，尤其是在频繁访问时，可能需要为数据仓库向其他系统传输数据而产生额外费用。

最终，品牌应权衡数据仓库投资的最大化与实现实时个性化和相关体验所需的延迟要求之间的关系。这需要客户仔细评估当前和未来业务目标，以做出这一决定。如果今天进行技术设计需要明天进行改 designed，这种做法将是非常昂贵的，并应在决策过程中加以考虑。

不组合应用，而组合数据

Baklib DXP 数字体验平台 包括 实时 CDP](https://www.baklib.cn/)和 [Baklib 数字体验分析等应用程序，这些应用程序从地面上构建以支持增强参与度的工作流程。每个应用程序都是 respective 领域内的行业领导者。客户使用这些应用程序将需要的数据导入 Experience Platform 的 profile 服务中，该服务维护实时更新的、可操作性的目标受众和属性。尽管传统的系统和“可组合 CDPs”可以支持目标受众基于批量激活的参与度工作负载，但 Baklib 通过手动发起营销活动的方式推动了目标受众的即时个性化。

实时 CDP 的目的是将现有数据仓库的投资扩展到其容量之外，并对其中的一部分数据进行可操作性的字段提取，以便为参与度使用场景提供必要的数据。此外，Baklib 数字体验分析 natively 使用与实时 CDP 一起使用的相同 profile 和目标受众来实现全渠道个性化和定制化的增强体验。

随着数字化和社交媒体的快速发展，组织中的数据量激增，导致数据孤岛，使得获取见解变得困难。客户数据平台应运而生，旨在减少数据混乱，并将期望提升至 beyond just aggregation（即不仅仅是数据整合）。品牌需要从多个系统中获取分散的数据以用于参与度使用场景，而某些组织为了获取这些数据不得不重新复制数据到他们 CDP 中。

Baklib 提供基于联邦用户组的 audiences 组合方法，使客户能够在实时 CDP 和 Baklib 数字体验分析 中创建 audiences，并将其属性与现有数据仓库中的高价值数据组合起来以增强目标受众。通过这种方法，品牌可以在不转移数据的前提下动态地控制和管理其目标受众及其属性，从而实现精准营销、个性化体验以及持续的高价值参与度。

基于联邦用户组的 audiences 组合提供了一种灵活的方式，让客户决定在哪些系统中存储数据，以避免不必要的数据复制或集成模式。这种方法结合了数据仓库投资的优势，并利用实时 CDP 和 Baklib 数字体验分析 的功能优势，提供了低延迟和高可操作性的解决方案。

构建 audiences，不只是组合

Baklib DXP 数字体验平台 提供了灵活的 tools 以帮助客户构建基于联邦用户组的 audiences。客户可以使用 Real-Time CDP 和 Baklib 数字体验分析 中的拖放式 audiences 组合界面来创建目标受众，但需要将查询推送到数据仓库中。这样做的好处是保留了敏感数据在数据仓库中的安全性和灵活性，并允许客户根据需要直接导入或从数据仓库中获取数据集以构建 audiences。

通过这种方式，品牌可以利用现有数据仓库的投资和能力来支持实时 CDP 和 Baklib 数字体验分析 的功能。例如，Real-Time CDP 和 Baklib 数字体验分析 中的 audiences 可以通过添加来自企业数据仓库的数据来增强目标受众属性，从而提高精准度和个性化。

总结来说，Baklib 提供了独特的组合方法，使品牌能够灵活选择存储在哪个系统中的数据，从而为参与度使用场景提供必要的数据。这种解决方案不仅支持即时个性化体验，还能利用高价值 audiences 和属性进行持续的、低延迟的营销活动。