业务层面讲，标签体系的搭建主要解决的两大业务目标：精准触达（营销目的，广告目的，搜索目的）和精细化运营。面对行业背景、业务角色（比如产品运营，销售，市场等）、业务目的差异等，形成了多种不同的产品形态，如推荐系统、广告系统、CRM、智能运营平台等。

本文就选择两个比较有代表性的平台，聊下下标签体系在行业中的具体实践：DMP(Data Management Platform 数据管理平台)和 CDP（Customer Data Platform 客户数据管理平台）。

DMP

DMP 平台主要产生于泛 TMT 内容型平台行业，比如微博、视频号、小红书等。当然也有电商/零售平台型的行业。随着短视频，直播等业态的发展，媒体行业和电商行业的融合产物“媒体电商”也在逐渐成为行业新特点，比如抖音的”抖小店”，视频号的”橱窗“…

平台的属性一边链接到大量的内容创作者、MSN 机构等，一边链接到海量的用户。这样的商业模型天然的形成了平台公司大量的用户数据、商品数据、店铺经营数据、用户行为数据、兴趣爱好数据等，这些量大品类型多的数据又是形成 DMP 平台内核“标签体系”的关键，这些数据是实现精准营销，精细化运营商业目标的基础。

此外，特别是针对在线广告行业，DMP 往往是计算广告系统生态（DSP-RTB-SSP）的一部分，重点作为 DSP 平台的支持角色，为品牌方/广告主提供人群包即人群画像，人群扩量等能力，再加上广告的素材管理一起交付给 DSP 平台，来实现精细化的广告投放。计算广告这块就不做过多介绍，这里重点讨论下 DMP 的两个行业实践案例。

某赞 DMP 架构设计

这是一个 ToB 平台型行业案例。可以看到，这是一个比较基础型的 DMP 平台设计，包含了数据挖掘（计算），数据存储，服务层，应用层。这里偏技术层面的计算和存储就不展开了，主要关注服务层和应用层。

服务层：

这一层是打通数据和业务之间的关键一层，可以看到，这里也分了三层。

数据摄入层比较关键的是 ID-Mapping，其核心将多个用户的标识（user ID/Cookie ID/IMEI/MAC 地址/手机号等）建立起映射关系。从数据层面看，这是整个数仓数据能够融合的关键；从业务层面讲这个是串联起业务各个环节的最重要一环，因为很多业务一般从属与不同的部门，业务也存在一定的隔离。

元数据管理，负责了主体数据经由标签作业任务，生成成标签的过程和管理数据，这些数据对于标签体系的查询和维护至关重要。

画像 &人群：这一层封装个标签体系能够提供最重要能力：人群圈选，此外还有用户画像，人群扩量，可视化分析等。

应用层：

这一层就就是业务层面的具体应用，提供精准营销，广告投放，个性化推荐。面向效果营销方面一般会搭配 AB 实验平台一起，也会有面向店铺长尾用户的提供用户挖掘和匹配分析，促进商店销售提升。

某拍 DMP 架构设计

来看一个 ToB/C 平台型行业案例。可以看到这个是更加简洁的三级架构设计，且应用层与业务的贴合更加紧密。

这个架构设计中 DMP 更加专注在数据服务能力的实现方面，而数据基础建设单独划到数据层，这种方式作者认为是一种不错的划分，让 DMP 更加专注于与业务的互动和支持，有利于及时的响应业务发展。

同样的服务层与应用层之间通过数据同步和 API 两种方式提供层间访问，从这里可以看到技术上比较经典的“隔离”思想，即数据和具体的应用业务隔离，这样最大的好处就是提供了数据管理、复用的能力，以及后期问题排查效率。

这里补充一个系统架构视角的标签生产流程实践，透视 DMP 平台的底层数据生产流。

业务数据、日志数据、三方数据经由离线和实时两套技术栈支撑起标签体系的生产与应用。

CDP

CDP 是由营销人管理的客户数据库，将来自不同渠道、不同场景的实时和非实时的客户数据进行采集、整合、分析和应用，以实现客户建模、设计营销活动、提升营销效率和优化客户体验的目标，从而促进企业业绩及利润的增长。

CDP 一般适用于中大型企业，或者业务体量达到一定量级之后会选择的一种平台。

一句话总结 CDP 就是，解决 5 个“合适”的问题。

这里同样以一点典型的 CDP 架构图为例来具体讨论。

通过架构的比对，可以很明显的看到在 CDP 的架构里，数据能力被放置在了底层“基础能力”层的范围里，以上三层则都是围绕业务来搭建。

客户档案层解决的是客户信息沉淀管理问题。

主要包含客户主体，线索事件，跟进管理等业务模块。

为了解用户，对用户进行精细化运营，需要采集与沉淀用户数据。这些数据包括用户线上线下逛店的行为数据、消费用户的消费数据、与用户互动数据（种草、引流、转化、裂变）等等。只有源源不断沉淀与掌握立体多维的、新鲜及时的用户数据才可以对用户洞察，知道用户从什么渠道进来、进来之后操作了什么、看了什么内容、购买了什么产品、知道用户是因为什么跳出去的，是购物体验还是产品吸引力或者是价格。有了这些数据后我们可以投其所好地与有着不同需求和偏好的用户进行高质量、频次互动；新的互动又进一步丰富用户数据。

客户分析层解决的是客户的生命周期管理问题。

• 新客：新注册的用户，需求不明朗；

• 普通客户：有特定的需求，但是具备一些不确定性；

• 会员：需求明确，同时具备确定性；

• 超级客户：提供专人跟进，差异化服务；

• 流失客户：持续跟进没有效果，多次唤醒失败；

将用户生命周期进行划分，通过转化漏斗分析生命周期中每个节点的转化率，同时结合每个阶段业务目标与运营目标优化各个节点影响因素，如在获取阶段，作为产品第一次触达用户，这是用户使用产品的起点，在这一阶段，我们运营目标是拉新获客。

营销运营层解决的是数字化的营销流程问题。

常见的营销核心五步如下。

• 方案制定：线下制定营销方案，包括营销目标、节奏、方式、客群、内容、人员、执行流程。并制造方案对应的图文内容、优惠券、邀请有礼、活动预约等。

• 客户细分：根据活动目的精准筛选客群。如通过基本属性、消费指标、会员指标等规则创建。

• 精准投放：主动推送（定时、循环）、触发推送（关注、注册）、二维码投放。

• 效果评估：全渠道客户资料收集；打开注册数量；优惠券发放领取核销事件；ROI 分析等。

• 迭代优化：通过一些业务指标进一步分析综合效果，为营销方案优化进一步赋能。

客户增长解决的是业务的精细化运营问题。

基于用户的标签体系（属性类标签、统计类标签、规则类标签与挖掘类标签），辅助业务人员快速获得用户的信息，发现显著特征，获得业务灵感，实现用户特征洞察；用户标签可以将用户群体切割成更细的粒度， 辅以短信、推送、邮件、活动等手段，执行关怀、挽回、激励等策略，从而达到精细化运营。

最后

从商业生态来讲，DMP 更多面向是的平台型的 ToC 业务公司的选择，或者说专门从事数据服务行的公司，平台的设计更加侧重围绕标签体系的数据服务能力实现，更偏数据平台；而 CDP 则更侧重面向 ToB 业务的中大型公司，标签体系属于平台的一部分，重点支持营销，市场等角色的日常业务操作，更偏业务中台。

从时间角度来看的话，DMP 平台的发展早于 CDP，作者有一个新的理解角度，CDP 也可能是 DMP 融合业务发展的一种产物，看了很多家 CDP 的业务架构，更像是一个不算整合的系统，有些甚至包含包含机器学习、数据挖掘等能力。

通过以上，大家可以对标签体系的行业实践有一个大致的了解，不必在意两个平台之间的区别，在具体的公司业务形态下，有可能以上内容都在一个大系统内，也可能分散在不同的平台中。