皇冠hga038安卓版客户端下载 皇冠hga038安卓版客户端下载 皇冠hga038安卓版客户端下载

【长文干货】3年后的今天,CDP能做什么?

指数增长模型在人口预测上的应用价值_模型预测控制 陈虹_现在预测模型有哪些

前言:这次我们来评测一个CDP+MA的智能解决方案。三年来,CDP从最初的混战经历了市场考验,进入了从概念竞争到更贴近实际业务的阶段。

这背后是供应商技术能力的不断分化(越强越强)和企业成熟度的提高。此外,行业数据生态的巨大变化(围墙花园和个人信息保护法)也导致企业在营销系统应用方面的成熟度进一步加深。这些都推动了数字营销系统工具的进一步发展。

以深研智能出品的工具AlphaData为例,我们一起来分析一下,目前的工具到底是怎么回事?

评价大纲:

1.什么是AlphaData?

2. AlphaData的主要功能

三、申请建议

什么是 AlphaData?

AlphaData是企业用户全球数据智能管理平台,支持全渠道、全链路、全生命周期的智慧消费运营。它的核心定位是CDP,但不仅仅是CDP。

现在预测模型有哪些_模型预测控制 陈虹_指数增长模型在人口预测上的应用价值

AlphaData的主要特点

从操作界面来看,AIphaData 似乎与传统的 CDP 差别不大。但是如果我们从业务的角度和应用的角度来看,还是有不少区别的。

从它的整体结构来看,它与传统的CDP有着明显的不同。传统的CDP一般是数据采集、数据组织和数据应用。AlphaData分为四层:基础数据层、数据治理层、应用数据层和业务应用层。如下所示:

指数增长模型在人口预测上的应用价值_现在预测模型有哪些_模型预测控制 陈虹

基础数据层:支持多数据源接入,包括线上线下全球数据接入以及从广告投放到转化、售后的数据接入;

数据治理层:在传统的基础数据层和应用层之间,增加了一个数据治理层。围绕最常见的业务应用提前对数据进行深度建模和处理,使数据的能力适应更广泛的营销应用场景;数据治理层是这个工具系统中的一个重要结构。这也是主要亮点之一;

应用数据层:这是CDP中最基本也是最核心的功能:标注和人群选择;

业务应用层:在客户洞察和自动化营销功能模块中加入智能模型,将行业智能模型存入系统,帮助业务人员实现更高层次的运营。智能是其重要特征和亮点之一。

下面我们分别来看看各个关卡的具体特点。

1.基础数据层

1.1。访问全局数据

CDP的主要数据源有以下六类。从不同来源获取数据的难度不同,访问系统的难度也不同。以业务场景最复杂的汽车和零售行业为例,它涉及到线上线下的各种数据源,包括:消费者数据、汽车/产品/销售人员数据、线下门店数据、POS机数据,以及行业内的多个系统。企业数据等

指数增长模型在人口预测上的应用价值_模型预测控制 陈虹_现在预测模型有哪些

但无论以上哪种数据源,AIphaData都可以通过监控代码、客户端SDK、数据仓库连接等方式采集全领域数据。它还支持直接访问各种类型的数据源。

指数增长模型在人口预测上的应用价值_模型预测控制 陈虹_现在预测模型有哪些

上图:AIphaData DataFoundation的数据管理中访问数据源的接口

指数增长模型在人口预测上的应用价值_现在预测模型有哪些_模型预测控制 陈虹

上图:AIphaData DataFoundation 数据管理中的管理数据源接口

2.数据治理层

2.1。面向业务的数据模型

一般数据接入后,IT同学会进行相应的数据建模工作,但对于商科同学来说,还是一个数据黑匣子:我还是不知道自己用的是什么数据。那么AIphaData是如何解决这个问题的呢?数据访问后,IT同学可以在AIphaData的数据管理界面进行配置。从基础表中提取字段,根据具体应用场景创建文件表和事件表,并对使用的表和数据字段添加文字说明,方便业务人员查看和理解使用的数据。

指数增长模型在人口预测上的应用价值_模型预测控制 陈虹_现在预测模型有哪些

其中,文件表的结构为ID+属性,如公众号的粉丝关注表和CRM中的会员表;并且事件表的结构也是ID+属性,比如注册表或者订单。乍一看,文件表和事件表有相似的结构,那为什么会有两种数据结构呢?

现在预测模型有哪些_模型预测控制 陈虹_指数增长模型在人口预测上的应用价值

模型预测控制 陈虹_指数增长模型在人口预测上的应用价值_现在预测模型有哪些

上图:AIphaData 事件表示例

指数增长模型在人口预测上的应用价值_模型预测控制 陈虹_现在预测模型有哪些

上图:AIphaData 文件表示例

CDP的特点是构建以人为中心的数据洞察,但AlphaData的产品经理发现在实际业务中从人的维度入手是不够的。比如在汽车行业,你可以针对某款车型建立洞察:这款车型的哪个配置更好卖,这款车型的成交周期是多久,这款车型的哪些特点更受消费者关注,哪些方面更受消费者关注。类型的消费者更有可能出售。关注这个模型等等,是从“货”的角度看的;而对于线下门店数量较多的企业来说,要从门店的角度去了解单店的销售情况,这也是从“市场”的角度。因此,AIphaData'

因此,要将以人为核心的数据结构扩展为以人、货、场为核心的多维数据结构,就需要采用并行数据结构。即“ID+属性”和“ID+行为”并存。其中,“ID+属性”可以很好地覆盖“商品”和“字段”的数据描述需求。

纵观以下应用场景,我们更能体会到上述数据结构所带来的商业价值:

在汽车主机厂的售后业务中,我们希望对潜在的换车车主进行针对性的营销。那么就需要根据每辆车的行驶里程、维修记录等数据建立一个预测模型:即每辆车被更换的可能性有多大。而这个预测模型是基于汽车的尺寸。以此为基础,针对更换概率高的车主进行精准营销,实现“绕车找人”的场景。

在景区游乐园的业务中,也有类似的需求。相比单一消费者的单次消费,还需要了解年卡用户的激活和使用数据。而这需要从卡片维度进行数据查看和分析。

模型预测控制 陈虹_现在预测模型有哪些_指数增长模型在人口预测上的应用价值

上图:AIphaData 创建组界面

2.2. 一证产品化

OneID通过ID映射将用户的设备ID、微信UnionID、手机号等映射成统一的用户ID。但是在实际操作中会发现匹配率低、属性冲突等问题。

匹配率低。一方面,需要通过数据源的质量控制来解决。另一方面,也依赖于更好的OneID合并算法,比如图计算法,比单纯选择某个ID作为主键打通要好。更好的匹配率。AIphaData提供基于多维消费者ID自建规则的ID自动访问能力,同时也支持所有这些ID访问算法。

面对打开ID时的属性冲突,AlphaData支持灵活的自定义合并规则。

比如用户A的性别同时出现男性和女性属性值,CRM中显示男性,小程序中显示女性。基于CRM数据源优先级较高的合并规则,当发生冲突时,属性合并结果为男性。

模型预测控制 陈虹_现在预测模型有哪些_指数增长模型在人口预测上的应用价值

上图:AIphaData数据管理中的ID设置界面

此外,在我们服务的客户中,发现OneID开通仍存在业务盲点。一般公司的OneID接入主要由IT人员实施,接入的效果取决于技术能力,接入规则对业务来说完全是一个黑匣子。用的时候才吐槽:为什么最后只圈了3个合格的人?有多少数据是开放的?

AIphaData基于多个行业客户的经验,构建了较为丰富的OneID集成策略积累,并将其全面产品化为AlphaData。这意味着企业可以直接使用AIphaData现有成熟的OneID解决方案,无需进行代码开发,然后开箱即用灵活配置。ID融合的质量和交期有保障,规则对业务人员也是可见的。

上图:AIphaData中的OneID配置界面

3. 应用数据层

CDP的主要功能是识别、管理和影响人。其中,标签引擎和人群选择是最基本但也是最重要的功能。

3.1。标签引擎

AIphaData 的标注引擎有两个有趣且有用的地方:

首先,除了传统的“人”标签外,还可以标注“商品”和“田地”。如下图所示,汽车行业已经为客户和车辆建立了独立的标签体系。

指数增长模型在人口预测上的应用价值_模型预测控制 陈虹_现在预测模型有哪些

上图:AIphaData标签系统界面

之所以能够标注“商品”和“字段”,是因为我们在面向业务的数据模型中提到的 AIphaData 的特殊数据结构。

另一个亮点功能是智能标签,这是其AI引擎Sherlock Holmes应用的背后。

一般来说,业务人员都是强烈的以GMV为导向的运营思路,导致实际运营场景非常有限:

大促引流:选择近期访客或未购买用户,推送优惠券;最近购买的用户会做相似的并将他们放在媒体上。

推广老客户:向近期未到访的用户推送优惠券。

指数增长模型在人口预测上的应用价值_现在预测模型有哪些_模型预测控制 陈虹

无论什么样的营销方案,其基本逻辑都是变相的访问和购买的结合,因为这是判断用户购买倾向的最佳特征。智能标签为企业提供了更多的数据参考维度。

以快速消费品行业为例,智能标签可以预测用户的复购倾向、复购周期、流失概率、折扣偏好甚至到达偏好,并生成智能标签。帮助企业形成更高层次的运营,而不仅仅是围绕访问和购买的广泛运营。

指数增长模型在人口预测上的应用价值_现在预测模型有哪些_模型预测控制 陈虹

上图:AIphaData模型管理界面

目前,智能模式沉淀的行业包括:汽车、美妆、快消品、保险、零售等。

那么智能标签究竟是如何生成的呢?

方法一:将认证模型直接导入AIphaData,设置特征值后即可使用;

现在预测模型有哪些_指数增长模型在人口预测上的应用价值_模型预测控制 陈虹

上图:AIphaData模型管理中的导入模型界面

方法二:基于技术设定的基本特征值,使用AIphaData的【模型管理】选择特征,设置模型参数进行训练和验证。验证成功后,即可输出智能标签。

现在预测模型有哪些_模型预测控制 陈虹_指数增长模型在人口预测上的应用价值

上图:AIphaData模型管理新增模型操作界面

如果功能到此结束,它仍然是面向技术的逻辑。对于业务人员来说,由于算法参数的设置,未来似乎还是需要依靠技术支持。

AIphaData新增【模板库】功能。库中的模板均来自已被证明可供相应行业客户使用的模型。企业可以通过拖放模板和根据业务经验修改功能来创建自己的智能标签。

指数增长模型在人口预测上的应用价值_现在预测模型有哪些_模型预测控制 陈虹

上图:从 AIphaData 模型管理中的模板创建模型

生成的智能标签在自动化营销中有更深入的应用,后面将在具体应用中结合实际案例详细介绍。

3.2. 人群选择

“你不知道商圈规则有多奇葩。” 这是我最近从IT学生那里听到的关于商业圈选拔要求的真实抱怨。可见,一套支持各种业务场景的众选工具并不像看上去那么简单。现实情况是,很多客户发现业务人员仍然需要单独向IT发送需求,依靠SQL代码实现人群选择。

从AIphaData的自定义分组功能的实现可以看出,有很多业务沉淀的痕迹。支持各种条件(属性、事件、标签、组)的自由组合,条件之间可以设置AND/OR关系,灵活应对业务场景的实现。

现在预测模型有哪些_模型预测控制 陈虹_指数增长模型在人口预测上的应用价值

上图:AIphaData中的自定义组设置界面

AIphaData的业务灵活性仅从日期过滤的功能就可以看出:普通的日期过滤是基于指定的日期或日期范围。而对于会员的生日营销,AIphaData支持只看月/日,按照生日时间对用户进行分组,从而实现提前N天到达促销信息的场景需求。对于月度广告系列,您可以圈出年/月而不指定具体日期。以及一些零售行业的每周X会员日活动,也可以按照订单发生的周数进行过滤。

上图:AIphaData中的自定义组设置界面

以上是基本功能,还有更高级的能力:

AIphaData可以基于自定义模型圈人,同时根据实际业务的需要增加更多的灵活性,RFM模型的应用如下:

R:一段时间内最近的订单来自天猫

F:一定时间内下单的天数。现实中存在拆分订单等场景,导致一天内有多条订单记录。只有次数不能反映业务需求,所以支持按天去重。

M:一段时间内多笔订单金额的总值,平均值、最大值和最小值也可根据需求计算

您还可以对值进行排序并选择特定人群。例如,在去年下单的用户中,选择总金额在前30%的用户。

上图:AIphaData中的自定义组设置界面

除了圈人,还可以圈出其他实体:在汽车行业,需要向最近一段时间内被车辆和车主报警的车辆发送4S店维修券短信。可以通过如下过滤来实现

指数增长模型在人口预测上的应用价值_现在预测模型有哪些_模型预测控制 陈虹

模型预测控制 陈虹_现在预测模型有哪些_指数增长模型在人口预测上的应用价值

上图:AIphaData中的自定义组设置界面

更高级别的应用程序可以指定在指定时间范围内完成指定行为路径的人。过去一年完成APP注册,下单A产品,然后下单B产品的人,最后一次下单是7天前。

现在预测模型有哪些_指数增长模型在人口预测上的应用价值_模型预测控制 陈虹

上图:AIphaData中的自定义组设置界面

选择群组后,不仅可以实时查看预估人数,还可以查看对应群组的分析报告,包括用户画像分析、事件分析和属性分析,帮助业务人员了解群组信息新创建的组更直观。

模型预测控制 陈虹_现在预测模型有哪些_指数增长模型在人口预测上的应用价值

上图:组的AIphaData分析设置界面

4.业务应用层

4.1。自动化营销

AIphaData 带有 MA 模块,它不需要额外的工具支持。MA模块已升级到MA2.0阶段。与SCRM的MA1.0阶段相比,具有全球化、智能化、端到端的特点。简要说明:

全球:主要指从数据出入的突破,实现全球运营

数据录入:可从线上线下全渠道获取数据

数据输出:打通公域广告、智能客服、企微等公私领域触点

智能:个性化触达策略的制定已从依赖人类经验转向算法智能推荐

端到端:基于前端到后端运营的全链路数据连接,自动生成多维数据分析报告

自动化营销的基本逻辑是在正确的时间和正确的地点向正确的人推荐正确的事物。对应系统级别,即:触发事件、访问通道、目标群体和内容配置。

现在预测模型有哪些_模型预测控制 陈虹_指数增长模型在人口预测上的应用价值

4.1.1。营销任务

对于单行触发逻辑,不需要额外做条件判断,可以使用AIphaData【营销任务】。

例如,在新品上市一周内,向所有会员发送短信邀请参与新品活动的营销任务。

现在预测模型有哪些_指数增长模型在人口预测上的应用价值_模型预测控制 陈虹

上图:AIphaData 中新的营销任务界面

4.1.2. 营销画布

对于一个有多个触发条件路径的营销事件,需要【营销画布】来实现。体验过AIphaData的【营销画布】,你才能真正感受到行业技术的进步。

一是触达渠道更加丰富。常规的触达方式包括短信、邮件、APP推送、站内消息、公众号模板消息、小程序订阅消息等。在此基础上,AIphaData新增了企业微信私信、企业群发消息、微信群发消息、抖音私信和抖音企业号消息推送,以及公共领域广告推送。接入渠道的增加,拓宽了与用户互动的场景。

其中,广告推送渠道包括媒体平台、电商平台等主流媒体平台,围绕用户实现全渠道运营不再局限于私域。

指数增长模型在人口预测上的应用价值_模型预测控制 陈虹_现在预测模型有哪些

上图:AIphaData营销画布中的广告推送触发设置界面

第二个连接是AI智能的应用。我们在标签中提到的智能模型在画布中也有很强的应用。例如,智能模型预测用户到店的概率:低、中、高。在画布中,我们可以针对三类用户制定不同的营销策略。

目前短信的到达率比较低,很多情况下很难保证策略实施后的效果。而智能渠道优化可以在一定程度上提高到达效率。现在不仅基于商家的主观判断,还根据用户的渠道偏好选择最佳的到达方式。

模型预测控制 陈虹_现在预测模型有哪些_指数增长模型在人口预测上的应用价值

上图:AIphaData Marketing Canvas 中的智能渠道优化设置

三是在画布上加入AB测试,针对同一组客户设置不同的自动化营销方案。使用 AB 测试看看哪个效果更好。实验数据实时更新,方便业务查看对比数据,随时调整。

模型预测控制 陈虹_现在预测模型有哪些_指数增长模型在人口预测上的应用价值

模型预测控制 陈虹_现在预测模型有哪些_指数增长模型在人口预测上的应用价值

上图:在 AIphaData Marketing Canvas 中查看 AB 测试的实时数据

四是智能推荐与画布相结合,简化了画布流程。如果没有智能推荐,我们该怎么办?共有三种 ABC 产品。首先,创建三个对ABC产品感兴趣的人群,然后进行推荐。如果要推荐的产品数量增加,相应的组数也会增加。现在,您只需要在画布中添加智能推荐节点,并选择推荐的型号和对应的产品,非常适合业务。

模型预测控制 陈虹_现在预测模型有哪些_指数增长模型在人口预测上的应用价值

上图:AIphaData Marketing Canvas 中的智能推荐设置

当然,智能推荐的功能不仅限于此,我们后面会详细介绍。

4.1.3。智能推荐

除了营销画布中的上述应用外,智能推荐还可以用于网站、APP、小程序的产品推荐。对于一些自己没有推荐引擎的公司,接入后可以使用该功能。但是对于有自己推荐算法的公司来说,需要比较谁的效果更好。

不同的推荐位置可以选择系统中预设的推荐模型,也支持灵活的操作设置。比如有些产品现在缺货,可以设置排除;而一些新产品需要更多的流量,他们可以设置为顶部。此外,还有频率控制和互补策略的设置。

可以为流量分配设置推荐位。对于想要和自己的推荐算法对比效果的企业,只需要接入AIphaData的推荐功能,设置分配的流量即可对比效果。如果效果好,可以增加流倾角或者直接使用AIphaData推荐的算法。

现在预测模型有哪些_模型预测控制 陈虹_指数增长模型在人口预测上的应用价值

指数增长模型在人口预测上的应用价值_模型预测控制 陈虹_现在预测模型有哪些

上图:点流量在AIphaData推荐中设置

作业界面和结果显示界面

4.2. 数据分析

AIphaData的数据分析模块具有很强的实际业务针对性。

现在CDP的profile分析支持定义维度的选择,但是在实践中你会发现每次都重新创建分析板很麻烦。AIphaData的【人像分析】结合实际应用场景增加了【人像模板】功能。也就是说,您可以创建一个肖像模板。在分析不同群体的画像时,只需要套用这个模板,然后根据需要调整个别指标或呈现形式。

现在预测模型有哪些_模型预测控制 陈虹_指数增长模型在人口预测上的应用价值

上图:AIphaData中的人像模板创建界面

另一个非常有用的功能是【属性分析】。基于下图中的数据层次结构,标签是由单个或多个属性或事件组成,所以一般CDP系统都是从ID+tags的角度来使用和分析的。

指数增长模型在人口预测上的应用价值_现在预测模型有哪些_模型预测控制 陈虹

如果要查看属性报告,需要先将属性转换为标签,然后查看标签的分析报告。在AIphaData中打破惯性思维,根据业务应用场景增加属性分析功能:无需生成标签即可直接查看分析报告,简化了操作流程。

模型预测控制 陈虹_现在预测模型有哪些_指数增长模型在人口预测上的应用价值

上图:AIphaData属性分析界面

这种“务实”的精神也体现在事件分析功能上。如果您使用过 Google Analytics 等用户行为分析工具现在预测模型有哪些,那么您对事件分析并不陌生。但是,在CDP的工具中添加事件分析,除了AIphaData,目前还没有发现其他类似的产品。

那么您可以在 CDP 中使用事件分析做什么呢?

首先要明确一点,这里的事件分析不仅仅是人+事件,还有商品+事件和领域+事件。业务人员可以使用事件来定义指标,使用事件属性和人的属性/标签来定义分析维度,从而可以不依赖工程师来配置业务报表。

例如,在零售行业,您需要查看各个类别的销售额。您可以在【事件分析】中选择要分析的指标,如:订单数量、订单总金额、客户单价等,并选择分析维度为商品类别,快速生成对应的事件分析报告。

现在预测模型有哪些_模型预测控制 陈虹_指数增长模型在人口预测上的应用价值

上图:AIphaData 中的新事件分析

并选择分析指标

你应该熟悉【漏斗分析】和【路径分析】这两个功能。AIphaData的优势在于从前端公域上线、到业务转型、甚至到售后,都可以访问数据。漏斗分析和路径分析的使用范围可以扩展,同时具有更多的业务指导意义。整个环节的数据应用不仅限于此,还体现在【报表分析】中。

AIphaData的【报表分析】提供全链路效果数据分析,从事件到达,到中间环节的优惠券收集分析,再到最终的交易转化。覆盖完整的用户生命旅程,定位关键节点的转化损失。

现在预测模型有哪些_模型预测控制 陈虹_指数增长模型在人口预测上的应用价值

指数增长模型在人口预测上的应用价值_现在预测模型有哪些_模型预测控制 陈虹

上图:AIphaData 中的活动绩效分析报告

此外,AlphaData还可以作为量化营销效果的验证工具。

例如,AlphaData 中大大扩展了 AB 测试功能。过去,AB 测试主要强调单一场景下的单页面或多页面布局的测试,但在新的 CDP 中,AB 测试可以测试相似人群在不同营销方案中的表现。

最常见的就是利用AlphaData按照一定的规则和标签过滤出一组目标人群,然后将目标人群中的人分成两组,用一组以某种方式进行营销推广(比如在A 过程)。用A优惠券促销)和另一种方式的群体营销促销(如B流程和B促销),然后比较两者的效果。

可以通过AlphaData跟踪两组人的晋升方式,从而充分展示各个过程及其效果差异。

此外,还强调了验证系统的科学性。比如通过AB测试等模型置信度验证;运营结果数据还提供了进一步的挖掘能力,可以扩展 AB 测试的价值。这些价值体现在提高标签丰富度、增强模型置信度、丰富更精细的用户分析等方面。

AB 测试也不只是被动测试。营销人员还可以设置一个选项,让 AlphaData 根据 AB 测试的实时结果自动将流量吸引到效果更好的营销活动中。本质上,这与上面提到的智能推荐非常相似。不再。

4.3. 数据输出

AIphaData除了自身的系统功能外,还可以作为客户数据源服务于其他系统。不仅支持C端应用,还支持B端应用。比如在汽车行业,可以将AIphaData数据推送到经销商的DMS系统,为经销商赋能。

具体实现方式主要有两种。第一种方法是通过上面提到的API直接调用,比如调用个人级别的用户画像数据。

第二种方法是新建一个任务,选择要输出的平台(提前配置好),具体要输出的组数据不仅是组包,还有OneID、属性、标签等数据. 以单一或周期性的方式输出。

指数增长模型在人口预测上的应用价值_模型预测控制 陈虹_现在预测模型有哪些

上图:AIphaData数据输出设置界面

4.4. 提高一方 CDP 的数据质量

AlphaData不仅可以管理一方的现有数据,还可以对一方的数据进行管理和处理,并输出到企业内部系统应用程序中。AlphaData还可以凭借与媒体的深度合作以及自身的建模能力,为一方CDP拓展更多的应用场景。

例如,AIphaData通过与京东的联合建模,帮助客户端数据对京东中的数据进行建模和匹配,并对京东内外的潜在高意向群体进行广告打分。

现在预测模型有哪些_指数增长模型在人口预测上的应用价值_模型预测控制 陈虹

上图:AIphaData与京东联合联合建模

原理图,示意图

你觉得这个工具怎么样?

总的来说,深研开发的AIphaData让我们看到了CDP从概念到实际应用的多点进化。这些演变代表了未来 CDP 的几个非常核心的演变趋势:全球、端到端和智能。

整个域有几个层次。第一层是数据的来源和应用的输出,可以覆盖几乎所有的数字渠道。第二个层次是指在线和离线连接的能力。

端到端意味着CDP必须能够打通消费者数据和业务数据,甚至围绕“人货场”三个维度实现一个以各自为核心视角的系统。

智能化,应该成为CDP的底层基础设施,这意味着CDP不仅将人工定义的人群包输出到营销工具中进行营销,而且成为指导各种营销工具发挥协同价值的“大脑”层中枢系统.

与 Adob​​e Experience Cloud 强调的“现代基础”类似,AlphaData 以客户数据接入、统一数据模型、标签引擎等 CDP 产品模块为平台底层能力,基于“客户运营”。包括人群选择、自动化营销、数据分析等,构建运营商“标签-人群-营销触达-数据分析”的闭环能力,同时模型能力体现在工作流中“水”,支持智能客户运营。

但与Adobe和Salesforce不同的是,AlphaData集成或内置了更多符合国内企业业务特点的模型、流程和算法,与国内数据生态和营销生态有更好的关联和绑定能力。

AlphaData的另一个不同之处(这里的区别也和国内很多其他工具不同)是AlphaData的另一个设计理念是“把专业的事情交给专业的人”,底层数据模型是由沉岩专业开发的。交付运营团队执行,客户业务人员主要使用业务应用层的功能,不需要特别关注底层数据的实现。

CDP的这些演进也将使企业一侧的数据在业务领域发挥更大的作用,同时使企业能够以自身数据为基础驱动更多的外部数据和资源现在预测模型有哪些,从而创造更多的应用和价值。

居住

直播/广播/预告/公告

时间

7月27日星期三16:30-17:30

谈话主题

《从CDP产品评价看CDP发展趋势》