一步到位 or 量体裁衣，企业如何选择适合的 CDP 方案
近期，正在评估CDP产品的企业可能已经看到了有关传统一体化CDP全家桶解决方案以及其在企业内部技术和营销团队里实施的相关信息。这类信息不仅收获了颇多市场关注，其实也侧面反映了企业在过去几年中实施CDP时存在一些挑战和困惑。
所谓的CDP全家桶（packaged CDP）其实是一种较为传统的一体化解决方案，CDP Institute 将其定义为“可创建可访问其他系统的持久、统一客户数据库的打包软件”。这些解决方案将基础架构功能与业务应用程序相结合，旨在为收集、统一、细分、协调和激活客户数据提供端到端解决方案。
对规模不大或和部分技术能力不成熟的企业来说，CDP全家桶不仅能实现业务价值转换，还能实现客户数据赋能关键业务。在关键的个性化和客户体验案例中，他们的表现相当出色，而且设计时首先考虑了业务可用性。
不过这类方案有个短处，假如企业已经在数据的收集、统一和分析方面已经有较为完善的建设时，CDP全家桶将会与其现有堆栈的某些部分重叠。此外，由于CDP全家桶需要在数据副本上运行，因此在移动数据时会产生额外的运营成本和云成本，更不用说在云中拥有另一份数据副本所带来的额外安全风险了。
和CDP全家桶相比，可组合的CDP是一组集成工具，这里有两个关键的考虑因素：
可组合的CDP具有CDP全家桶的部分或全部功能，具体取决于其组成或组装方式
使用开源软件、开源软件托管解决方案或专有SaaS 工具组装可组合CDP
除此之外，可组合的 CDP 需要更高的数据工程能力。此外，随着 CDP 的发展，企业需要不断进行调整，以填补在集成新组件时可能出现的技能缺口。
不过，两者并不存在谁比谁更好这一说法，本质上，两者的差异是根据客户需求和使用场景来定的。
CDP全家桶的适用对象
这样看来，似乎CDP全家桶在当下的处境变得有些尴尬？其实还是得根据组织的实际能力和业务情况来看，比如，在以下情况下，CDP全家桶可能为组织带来巨大价值:
- 希望以最小的代价加快业务团队数据访问速度的品牌
- 在客户体验架构方面现有投资有限的品牌，在这种情况下，一体化解决方案可以提供必要的功能，而不需要大量的开发工作
- 拥有多个品牌且市场技术成熟度各不相同的组织，在这种情况下，CDP全家桶可以通过集中数据和受众提供直接价值
相反，在以下情况下，则建议组织不用考虑CDP全家桶：
- 具有成熟技术堆栈和深度基础设施投资的企业，CDP全家桶的引入可能稍显多余。
- 寻求最大数据安全性的高度受监管组织，在这种情况下，CDP全家桶会创建许多敏感数据副本
如何选择适合的产品？
如果企业情况适用CDP全家桶，那么在评估CDP时，就需要注意最重要的两个因素：它是为了什么而构建的，以及它是为谁设计的？
通过了解不同产品的初衷——以及它们的用户目标——可以确定它们的核心结果和它们对组织的有用性。而忽略对业务有利的受众细分和体验编排。基于这点，CDP 全家桶可以分为五类：整合来自多个系统的客户数据、管理身份、客户数据分析、个性化 Web 体验或客户数据个性化全渠道体验。
数据集成CDP
开发初衷：数据集成 CDP 用于从数字应用程序中收集事件数据，并将其实时传输到其他应用程序，以促进系统集成并实现触发式通信。
适用对象：面向 IT 内部的开发人员和数据工程师，以减少内部 API 开发。
已知身份管理
开发初衷：旨在从线上和线下渠道收集、匹配和管理客户档案，以删除重复的客户记录并创建 360°用户画像。
适用对象：专为 IT 团队的数据工程师和分析师设计，用于定义、管理和优化身份解析逻辑，并整合客户数据。
数据科学
开发初衷： 基于客户数据创建分析模型以预测行为。
适用对象： 数据科学 CDP 旨在由负责生成客户分析和预测的分析师管理。它们是为分析专家构建的，以便在没有足够的带宽用于内部模型创建时，通过预打包模型加速分析和预测的产生
网页个性化
开发初衷： 旨在为网站和移动应用程序访问者提供个性化和优化内容。
适用对象： 面向电子商务专业人士的，便于他们实现跨站点和跨应用程序管理内容，
体验编排
开发初衷： 旨在为了利用客户的完整档案历史记录，在所有在线和离线接触点上扩展个性化体验。
适用对象：主要面向营销、销售和客户服务专业人员，助力其无缝地提供跨渠道的个性化客户体验。
虽然目前市面上还是会有企业选择CDP全家桶方案，因为这些解决方案确实为那些在客户体验架构上投资有限的组织提供了价值，比如提供了一种快速而简单的方法来整合客户数据、细分数据和个性化体验，使其成为营销团队的有效工具。
但对于拥有大量基础设施投资，且对系统灵活性有高要求的企业来说，可组合的CDP方案就和企业的系统架构更加契合。
其实不管是可组合CDP产品还是CDP全家桶，这两种解决方案都是可行的。总之，当企业需要考虑CDP产品时，最终还是得基于企业的自身情况以及不同产品和企业需求的匹配度的情况来考虑。
