CDP 身份解析：神策 ID-Mapping 與 Gleantap 的確定性比對

CDP 身份解析在做什麼：把碎掉的 ID 拼回一個人

Gleantap 對 CDP 的描述是跨裝置解析身份、建立單一且持續的顧客 Profile，再把即時受眾與 API 交給訊息、廣告與實驗工具使用。

StackAdapt 的指南也寫到，CDP 會整合多個來源的資料，建立可用於分眾與個人化的統一顧客 Profile。

在該公司看來，Email、手機號碼、會員編號這類確定性識別碼，對會員制與零售業是硬通貨；行為資料與資料擴充有幫助，但屬於次要。

CDP first-party data is no longer optional infrastructure — it is the foundation for consistent personalization, measurement, and audience portability.

這是 Gleantap 這家行銷工具廠商的主張：第一方數據已不是可有可無的基礎設施，而是一致的個人化、成效衡量與受眾可攜性的基礎。

神策 CDP 怎麼描述 ID-Mapping

中國業者神策數據在官網 CDP 產品頁，把 ID-Mapping 列為 CDP 的能力之一，並把使用者唯一識別列為應用場景，說明是整合多源數據、以全域數據關聯的 ID-Mapping 方案實現使用者的唯一識別。

同一頁把客戶數據引擎的全景圖分成數據集成、數據模型、數據加工、數據服務四個層次，也寫到平台級即時能力，支援秒級端對端的數據流與即時數據訂閱輸出。

知乎上一篇整理自神策數據鄭瑞分享的文章寫道，One ID 是 CDP 建設的關鍵，指的是跨業務線、跨管道的同一使用者 ID-Mapping。

我們的判斷是，這些頁面說明的是神策怎麼介紹自己的產品，不足以代表整個中國市場的做法。

合併規則怎麼定：Gleantap 建議先做確定性比對

Gleantap 建議先定義確定性比對規則，用 Email、手機號碼、會員編號合併，機率性合併延後再做。

這家廠商也提醒，建了 CDP 不會自動修好資料治理，預期會遇到重複資料、過期的 Email 地址與互相衝突的同意紀錄，需要資料管理流程、少量自動化品質檢查，以及固定處理身份衝突的節奏。

只靠單一比對規則，容易在測試時好看、上線後失準；該公司的建議是分層比對：確定性比對優先，退回時採保守的機率性比對，模稜兩可的合併送進人工審核佇列，並記錄連結理由供日後稽核。

它提出的第一步是用 48 小時盤點所有顧客觸點，每個觸點回答三個問題：送出哪一種確定性 ID（Email、手機或會員編號）、同意有沒有被擷取並保存、哪一個事件若能即時啟用會改善營收或留存。

零方數據：讓身份解析有東西可拼

Omnibound 的第一方數據統計彙整，把 zero-party data 說成消費者明確提供的資料，例如偏好與問卷回覆，並稱這一塊成長最快。

同一份彙整轉引 MarketsandMarkets 的預測，CDP 部署中零方數據這一塊的年複合成長率為 36.8%。Omnibound 也提到，Email 地址是第一方識別碼，沒有第三方能讓它失效。

蒐集時要講清楚交換條件。StackAdapt 建議向受眾說明蒐集哪些資料、為什麼蒐集，以及分享之後能換到什麼，例如獨家內容、個人化優惠或會員回饋。

Agentic CDP：MarTech 怎麼描述 CDP 3.0

MarTech 內容與媒體主管 Mike Pastore 在 2026 年 6 月 22 日的文章寫到，前一週 Hightouch 發表了談 agentic CDP 願景的文章，隔天 Databricks 宣布推出 Agentic CDP 產品 CustomerLake。

文中回顧，過去幾年被收購的 CDP，例如 Twilio 買下的 Segment、SAP 買下的 Emarsys，強項在身份解析與顧客 Profile 統一。

文章的分期是：統一顧客 Profile 是 CDP 1.0，可組合式架構是 CDP 2.0，agentic CDP 是 CDP 3.0，由統一的顧客資料、AI 決策與自主執行組成。它對兩家說法的歸納是，未來的重點不是顧客 Profile，而是顧客決策。

兩家的差別在 AI 代理人在哪裡運作。Hightouch 的構想是讓代理人直接在資料倉儲裡工作、不複製資料；Databricks 則認為把 CDP 建在資料平台上有優勢，因為治理、AI 與企業脈絡已經在那裡。MarTech 的判斷是兩者可以並存，因為兩家鎖定的組織往往不同。

我們的判斷是，不論代理人在哪一層運作，它讀到的仍是身份解析之後的顧客資料，合併規則沒定好，錯誤會跟著被帶進決策。

什麼時候該買 CDP，什麼時候原生整合就夠

要不要買整套 CDP，各家說法相反。Gleantap 稱，小團隊有時會為了單一用途買下整套企業級 CDP，其實聚焦的整合就夠用；Klaviyo 代理商 Flowium 在介紹 Klaviyo 資料平台的文章中稱，每一種規模的企業都需要 CDP。

Gleantap 的判準是，需要即時、兼顧隱私的啟用與跨管道身份解析時，優先導入 CDP；主要需求若是不需即時啟用的回顧分析，只用資料倉儲也可以。它也寫到，用途若需要一分鐘內的觸發，或依管道層級執行同意設定，CDP 是務實的選擇。

採用率方面，Omnibound 轉引 Salesforce《State of Marketing》第 9 版，全球 72% 的行銷人員已經在使用 CDP，並與其他工具搭配；Omnibound 自己的解讀是，這 72% 裡多數仍在整合資料，還沒有進到啟用。

行銷工具內建的資料平台是另一條路。Flowium 稱，Klaviyo 在 2025 年冬天把 CDP 改名為 Klaviyo Data Platform（KDP），KDP 統一顧客資料、可即時啟用於行銷、客服與分析，並內建在 Klaviyo 的 B2C CRM 裡。

自建或採購是另一個選擇題。前述整理自神策數據鄭瑞分享的知乎文章認為，企業自研 CDP 業務適配度較高，但升級、維護與時間成本都較高，向供應商採購能更大程度降低成本；這是 CDP 供應商一方的看法。

銷波快觀點：先決定合併規則，再決定買什麼

網路行銷的技術可以分三層看：流量技術負責讓更多人到達銷售點、轉換技術負責在成交頁面把轉換率做起來、會員經營負責把顧客終身價值拉高，Email 行銷、CRM、CDP 都落在第三層。順序有意義。只要有一個流量技術加一個轉換技術，就已經是一套會自動收單的機制；CDP 是等前兩層跑起來、資料開始累積之後才輪到的投資。

另一個角度來自我們自己踩過的坑。以站內的 Entity 資料為例，同一批實體散在 3 個系統裡各自維護，你連「全部有哪些」都回答不了，任何盤點與稽核都做不動。後來的解法是收斂成一個唯一真相來源，其餘系統降級為快取。收斂的價值不在簡化，在讓下游自動化有一個可信賴的起點。CDP 的身份解析層要解的是同一個問題，換成客戶而已。

但收斂本身也會出錯，而且錯得很安靜。我們曾比對過近三十天的實際進料，共 1,317 筆。八個分類的群心只對上 25 筆，比例是 1.9%。分類沒壞，進料也沒壞，兩邊只是錨在不同時間點。ID 規則也一樣：三年前設計的合併邏輯，錨的是三年前的觸點組合，今天多了 LINE、多了 AI 對話，規則不重審就會愈拼愈歪。

最後補一個正在長出來的缺口。顧客在 AI 搜尋裡已經見過你，但你不知道。這類新觸點留下的訊號要接回哪一筆 Profile，答案還是回到身份解析。新的觸點會一直冒出來，合併規則就是接口。

結論：先把合併規則寫下來，再談要不要買 CDP

神策把 ID-Mapping 列為 CDP 能力與應用場景，Gleantap 建議先定確定性比對規則、機率性合併延後，MarTech 則稱過去幾年被收購的 Segment、Emarsys 等 CDP 強項在身份解析與 Profile 統一。要不要買整套 CDP，Gleantap 稱小團隊有時會為單一用途買下整套企業級 CDP，聚焦的整合就夠，Flowium 認為每種規模的企業都需要，兩說並列。

我們的判斷是，可以先照 Gleantap 提出的方式，盤點每個觸點送出的確定性 ID 與同意紀錄，把合併規則寫成文件，再回頭比較工具；這些事都不需要先簽約。

資料來源

• 神策客户数据引擎 CDP 產品頁sensorsdata.cn
• 神策數據 CDP 項目實戰及避坑指南zhuanlan.zhihu.com
• First-Party Data Strategy: Why CDPs Are More Important Than Evergleantap.com
• First-Party Data Strategy 完整指南stackadapt.com
• First-Party Data Statistics 2026omnibound.ai
• Welcome to the Era of the Agentic CDPmartech.org
• Klaviyo Data Platform: Best CDP in 2026flowium.com