数据中台 CDP 标签体系设计:从口径统一到业务可用
企业 CDP 与数据中台的标签体系设计方法:OneID、标签分层、计算架构、标签服务、治理与验收清单,附常见失败原因。
先说结论
CDP 能不能用,不看标签数量,看三件事:
- OneID 有没有打通:同一个人在不同系统里是不是同一个人
- 口径有没有统一:同一个“活跃用户”,运营、财务、技术是不是同一个定义
- 标签有没有被用起来:能不能圈人、能不能 API 输出、能不能解释
很多项目做完变成“标签仓库”:标签几百个,业务还是靠 Excel 取数。问题不在技术,而在设计顺序反了。
正确顺序是:先定业务问题和口径 → 再做 OneID 和数据模型 → 再做标签 → 最后做服务化。
一、先定业务目标
CDP 常见的三类目标:
| 目标 | 典型场景 | 成功标准 |
|---|---|---|
| 营销转化 | 人群圈选、分层触达、活动复盘 | 转化率、复购率、触达成本 |
| 运营分析 | 用户画像、漏斗、留存 | 取数效率、口径一致性 |
| 客户服务 | 360 视图、权益、风险 | 响应速度、信息完整度 |
目标不同,标签体系差别很大。不要一上来就建“全量标签”,先做 2–3 个能闭环的场景。
二、OneID:CDP 的地基
1. 常见 ID
- 手机号、邮箱
- 微信 OpenID / UnionID
- 会员 ID、客户号
- 设备 ID、Cookie
- 企业统一社会信用代码(B2B)
2. ID 映射
建立 id_mapping 表,记录不同来源 ID 的关联关系和置信度:
one_id | id_type | id_value | source | confidence | updated_at
规则示例:
- 手机号相同 → 高置信度合并
- 微信 UnionID 相同 → 高置信度合并
- 设备 ID + 登录行为 → 中置信度
- 仅浏览行为 → 低置信度,不强行合并
3. 不要追求 100% 打通
匿名流量、多设备、家庭共用账号,永远有噪声。目标是把“可识别的核心客户”打通,并保留置信度和合并来源,方便回溯。
三、数据模型
至少分四层:
| 层 | 作用 | 示例 |
|---|---|---|
| ODS | 原始数据 | 订单、会员、行为日志 |
| DWD | 明细宽表 | 用户、订单、商品、门店 |
| DWS | 主题汇总 | 用户日/月汇总、品类偏好 |
| ADS | 标签/应用 | 标签宽表、人群包、API |
标签不要直接在 ODS 上算,否则口径和性能都会失控。
四、标签分层
1. 事实标签
直接从数据里取,不加工或轻加工:
- 性别、年龄、城市
- 注册时间、首单时间、最近登录时间
- 会员等级、所属门店
2. 统计标签
按时间窗口聚合:
- 近 30 天订单数、近 90 天消费金额
- 近 7 天活跃天数
- 客单价、退货率
- 品类偏好 Top3
3. 规则标签
由业务规则计算:
- 高价值客户:近 12 个月消费 ≥ 5000 且订单数 ≥ 3
- 流失预警:近 90 天未登录且历史有订单
- 新客:首单在 30 天内
- 风险客户:退款率 ≥ 30% 且客单价低于均值
规则要可配置、可追溯,不要硬编码在 SQL 里。
4. 模型标签
用模型预测:
- 购买倾向
- 流失概率
- 生命周期阶段
- 推荐品类
模型标签要有版本、训练时间、特征列表和效果指标。没有评估的模型标签不要上线。
五、标签定义模板
每个标签必须有一份“说明书”,否则半年后没人知道它怎么来的:
name: 近30天高活跃用户
code: active_30d_high
entity: user
type: statistic
definition: 近30天内登录天数 >= 10 且有效行为次数 >= 50
source: dwd_user_behavior
window: 30d
update: daily 02:00
owner: 数据运营-张三
sensitivity: L2
lifecycle: 长期
最少包含:名称、编码、实体、类型、口径、数据源、更新频率、负责人、敏感级别、生命周期。
六、计算架构
1. 批处理
- Hive / Spark / Doris / ClickHouse
- 适合日级/小时级标签
- 注意分区、幂等、重跑
2. 实时
- Kafka + Flink
- 适合实时行为、实时人群
- 实时标签不要太多,优先核心场景
3. 存储与服务
- 标签配置:MySQL
- 标签结果:ClickHouse / Doris / HBase
- 检索:Elasticsearch
- 人群圈选:ClickHouse / Doris + 位图(Bitmap)
- API:统一标签服务,不要把数据库直连给业务
七、标签服务
至少提供四类能力:
- 查询:按用户查标签
- 圈选:按标签组合圈人群,返回人数和人群包 ID
- 输出:人群包推送到短信、企微、广告平台
- 解释:这个标签为什么命中的,数据来自哪里
API 示例:
POST /api/tags/query
{
"one_id": "U-10001",
"tags": ["active_30d_high", "high_value", "churn_risk"]
}
圈选接口要限制组合复杂度,避免一次查几十个标签把库拖垮。
八、治理:决定能活多久
- 指标字典:名称、口径、负责人、更新频率
- 血缘:标签来自哪张表、哪个字段、哪个规则
- 质量:空值率、枚举分布、波动监控
- 成本:每个标签的存储和计算成本,定期下线无用标签
- 权限:按部门/角色控制标签可见性,敏感标签单独审批
- 生命周期:临时标签设过期时间,避免无限膨胀
九、常见失败原因
- OneID 没打通:同一个人三个 ID,标签各算各的。
- 口径不统一:运营的“活跃”和技术“活跃”不是一个定义。
- 标签只建不用:没有圈选、没有 API、没有业务闭环。
- 全量重算:每天全量跑几亿行,成本高还慢。
- 没有负责人:标签错了没人认,最后全部下架。
- 敏感数据裸奔:手机号、身份证直接进标签表。
- 一开始追求大而全:做了 500 个标签,业务只用 10 个。
十、验收清单
- OneID 覆盖率和置信度可解释
- 核心指标口径有唯一文档
- 标签分层清晰,命名规范
- 每个标签有负责人、更新频率、敏感级别
- 批处理/实时链路有幂等和重跑机制
- 圈选性能满足业务要求
- 标签 API 有鉴权和限流
- 敏感字段脱敏,权限可审计
- 标签血缘可查
- 至少 2 个业务场景闭环并有数据复盘
FAQ
Q:CDP 和数据中台是什么关系?
A:CDP 更偏客户数据和营销应用,数据中台是更宽的数据能力底座。CDP 可以建在数据中台之上,也可以独立先做。
Q:标签越多越好吗?
A:不是。标签要有使用场景、负责人和维护成本。没有使用的标签就是负债。
Q:OneID 一定要做到 100% 吗?
A:不可能。重点是核心客户可识别、合并规则可解释、置信度可追溯。
Q:实时标签有必要吗?
A:只有实时营销、实时风控等场景需要。大多数运营标签日级/小时级足够。
