CDP.com：身份解析從賣點變成入場門檻
CDP.com 稱身份解析是 2016 至 2020 年間定義 CDP 的能力，到了 AI 時代已經變成入場門檻，是進場的成本，不是購買的理由。這個網站由 CDP 廠商 Treasure AI（前身 Treasure Data）經營，以下是它的立場。
身份解析（Identity Resolution）是把同一位顧客散在各系統的識別資料，例如 email、裝置 ID、會員編號、CRM 紀錄，合成單一輪廓。CDP.com 的說明是：確定性規則處理完全相符的情況，像是同一個 email、同一支手機號碼；機率模型處理模糊相符，像是相近的姓名、重疊的行為模式。
該站稱，每個認真的 CDP 現在都內建確定性與機率性比對，各平台的準確率差距已經小到單憑身份解析不足以決定買哪一家。
identity resolution is table stakes. It’s the cost of entry, not the reason to buy.
中譯：身份解析是入場門檻，是進場的成本，不是購買的理由。
可組裝式 CDP（可組裝式 CDP）把身份、決策、觸達等能力分給不同的專門廠商。CDP.com 認為這種架構的問題，和只做身份解析的平台一樣：身份在這裡、決策在那裡、觸達又在別處，整合稅（integration tax）、延遲負擔（latency overhead）與資料重複的成本會疊加。
該站主張的是混合架構：歷史交易、長期分析與合規封存這類不需要即時存取的資料放在資料倉儲，另外維持一個即時輪廓庫，供 AI 驅動的觸達使用。
為了說明速度的分量，該站舉了兩個假設平台。平台 A 身份解析準確率 99.5%，但要靠每四小時跑一次的反向 ETL 把輪廓匯出到外部 ESP，從身份解析到對顧客採取行動要 4 到 8 小時。平台 B 準確率 96%，內建即時輪廓庫與 AI 決策，同一段流程不到 5 秒。該站認為多數實際情境下平台 B 勝出。
我們的判斷是：這套論點出自 CDP 廠商經營的網站，讀的時候要把它的立場一起算進去。
可組裝、打包、混合，兩家廠商說法不一致
CDP 廠商 Nvecta 在 2026 年 4 月 27 日的趨勢文章稱，資料工程團隊強、已有 Snowflake、BigQuery 或 Databricks 等資料倉儲的品牌，越來越多轉向可組裝式；沒有這個基礎的品牌則留在打包型 CDP。
該文稱 2026 年的主流模式是混合：打包型 CDP 負責行銷觸達，資料倉儲負責分析，中間用反向 ETL 銜接。該文也預測，多數中小企業與中型市場團隊會留在打包型，因為資料工程的負擔以他們的規模算起來不划算。
成本的說法兩家不同。Nvecta 稱可組裝式在規模夠大時可以便宜 30% 到 40%，但只在資料工程能力已經到位時成立；CDP.com 則稱能力分散在多家廠商時，整合稅與延遲負擔會疊加。兩家都是 CDP 廠商，各有立場。
對身份解析本身的走向，兩家也說得不一樣。CDP.com 稱身份解析已是入場門檻；Nvecta 則預測到 2026 年底，部分廠商會把身份解析拆成獨立計價的層級，另一些廠商會把它綁在套裝裡。
人力流向是另一個參考。CDP.com 的產業統計頁引述 CDP Institute 2026 年 1 月的產業更新：可組裝式／倉儲原生（warehouse-native）廠商的就業成長 7.8%，產業平均是 1.3%；超過 25% 的 CDP 支援以資料倉儲為中心的架構。
採用率與使用深度，幾組調查不能直接相減
行銷軟體業者 Omnibound 彙整的統計頁引述 TechRT，78% 的大型企業已採用 CDP；CDP.com 的產業統計頁則引述 Gartner 2025 年 CDP 魔力象限，只有 22% 的行銷人回報高度使用。兩個數字來自不同調查、不同母體，不能拿來相減。
採用與使用出自同一份調查的數字也有。CDP.com 引述 Gartner 2024 年的 CDP 關鍵能力報告：2023 年 Gartner 行銷技術調查中，67% 的受訪者說已採用 CDP，但估計只用了可用功能的 47%，比 2022 年的 55% 還低。
Omnibound 的統計頁另外引述了兩組數字。Salesforce《State of Marketing》第九版：全球 72% 的行銷人把 CDP 和其他工具搭配使用。Supermetrics《2026 Marketing Data Report》（樣本 435）：52% 的行銷團隊不掌握自己的資料策略，只有 6% 已把資料驅動的做法完整嵌入工作流程。
以上數字都是 CDP 或行銷軟體業者轉引的調查，原始報告無法逐一核實。
市場規模的估計差距更大。CDP.com 統計頁列出的 2026 年 CDP 市場估值，Mordor Intelligence 是 45.8 億美元，Fortune Business Insights 是 40.7 億美元，Grand View Research 是 104.9 億美元。該站說明，同一年度的估值相差約兩倍半，原因是各研究機構劃定品類邊界的方式不同，引用前要先確認數字涵蓋哪些項目。Omnibound 的統計頁則寫全球 CDP 市場預計在 2026 年達到 103 億美元，沒有標示是哪家機構的估計。
2026 年 CDP 市場估值，三家研究機構從 40.7 億到 104.9 億美元不等
CDP.com
供給端方面，CDP.com 引述 CDP Institute 2026 年 1 月的產業更新：少數大型廠商已佔 CDP 就業人數的 67%、總融資的 73%。
我們的判斷是：已採用和用得深是兩個問題，評估換架構之前，先算一下自己用了多少已經買下的功能。
代理式 CDP：AI 代理人開始直接讀客戶資料
CDP 廠商 Nvecta 在 2026 年 4 月 14 日的部落格文章稱，CDP 正在變成自主 AI 代理人的基礎設施，不只是行銷團隊登入操作的工具。
代理式 CDP（代理式 CDP）在該文的描述是：AI 代理人監看統一客戶輪廓上的訊號，辨識機會或風險，提出並執行回應，再回報結果。人的角色從操作者轉為策略制定者。該文也稱，以代理架構為前提打造的平台，讓 AI 代理人可以查詢客戶資料、跑模型、觸發跨管道動作，每個決策都不需要人介入。
CDP.com 的產業統計頁引述 Gartner 2026 年 CDP 魔力象限，指出兩種新興模式：平台化（platformization），也就是 CDP 成為整合的企業應用生態系；以及代理化（agentification），也就是 CDP 成為自主 AI 代理人的平台。CDP.com 在身份解析那篇文章裡則從速度切入：AI 代理人判斷要不要介入顧客旅程時，不能等批次管線更新，輪廓必須在一秒內讀得到。
ContentGrip 在 2026 年 5 月 10 日報導了 Amperity 的更新。Recommended Actions 以白話呈現當前趨勢與建議的次佳行動；Amperity MCP Server 定位為不複製資料、把客戶情報帶進工作流程的方式；Real-time Activation 用於工作階段內的個人化，以及對棄置購物車這類行為的即時回應。
同一篇報導也提醒，導入即時 AI 助理之前要先確認資料準備度：建議的品質取決於身份準確度、事件資料的整潔度，以及顧客狀態的清楚定義。報導另外提到，即時系統可能增加運算與資料處理的支出。
我們的判斷是：代理人讀得快，不代表讀得對。身份解析這一層沒做好，速度只會讓錯誤更快送出去。
零方數據與選型，廠商建議的起手式
零方數據（零方數據）指顧客為了換取有用的東西而主動分享的偏好。Nvecta 的趨勢文章把它列為第一方資料策略的一環，收集方式包括測驗、偏好中心、需要留資料才能看的內容。
該文建議漸進式建檔：註冊時不要一次問完，隨著時間在每個接觸點問一個問題。該文也建議在接下來 90 天內，找出三個可以加入零方數據收集的地方。
這類建議常以第三方 Cookie 退場當背景，但各家說法不同。Nvecta 稱到 2026 年 Chrome 的第三方 Cookie 已經消失；凝新科技（LeadsTech）在 2025 年 5 月 21 日的選型指南寫的是第三方 Cookie 逐漸退場；CDP.com 則稱 Google 在 2025 年 4 月確認不會在 Chrome 淘汰第三方 Cookie，並在 2025 年 10 月宣布停用 Privacy Sandbox API。
選型方面，Nvecta 建議已有資料倉儲、且至少有一位資料工程師的團隊，先做可組裝式的可行性評估，拿 3 年總擁有成本和現有的打包型方案比較。
凝新科技自述是 Adobe 與 Salesforce 等平台的合作夥伴，提供 CDP 導入服務。它的選型指南建議挑 1 到 2 個高價值用例做概念驗證（POC），例如購物車遺失追蹤、會員行為分群。該文列出的五項選型因素中，身份解析與統一視角一項，問的是能否把不同裝置、管道的使用者行為關聯到單一顧客檔案。
CDP 廠商神策數據在自家 CDP 解決方案頁列出四大核心能力：全域資料採集與治理、One ID 唯一標識、客戶標籤畫像，以及資料多平台輸出。
我們的判斷是：凝新科技與神策數據都把身份解析或 One ID 列為核心項目，挑架構之前，先決定用哪個識別碼把同一位顧客串起來。
銷波快觀點：先問工具在哪一層，再問要不要換
網路行銷的技術其實只有三層：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拉高，會員經營負責提高顧客 LTV，Email 行銷、CRM 與 CDP 都落在第三層。只要有一個流量技術加一個轉換技術，就等於在網上有一個完整的自動化收單機制。CDP 從來不是第一個要補的洞，它補的是第三層。
工具的選擇按企業階段分三層。生存階段要建構第一條自動化系統，最簡單的組合就是廣告加銷售頁，用現有人力評估，不要拿現有人力再去增加新項目。品牌階段等銷售系統穩定了再談 SEO、社群、短影音。第三層才是 LTV 階段，確認 CRM 是否完整，用 LINE 或 Email 做客戶分層經營，VIP 與 VVIP 做不一樣的溝通。把可組裝式 CDP 放進這個順序看，它是第三層裡面最貴的那個選項，而不是起點。
工具選擇分三階段，CRM 分層經營排在最後
銷波快
先前在整理內部的實體系統時遇過同一種結構。三套系統各有各的清單，沒有統一的真相來源，所以連「全部有哪些」都回答不了。收斂之後才有可能做覆蓋率稽核。當時的結論是：收斂的價值不是簡化，是讓下游自動化有一個可信賴的起點。One ID 要解的是同一件事，它的價值不在整合本身，在於讓代理人與分群有一個可信賴的起點。
還有一個資料缺口比架構更值得先看。AI 工具已經能把 LLM 互動轉成可追蹤的旅程訊號，這些互動原本量不到，現在可以識別情緒、意圖與參與模式。顧客在 AI 搜尋裡已經見過你，但你不知道。這一段接觸點多數 CDP 現在還沒有欄位可以裝，所以在急著換架構之前，先確認手上的輪廓漏掉的是哪一段旅程。
結論：先把識別碼定下來，再談要不要自己組
CDP.com 稱身份解析已是入場門檻，並指可組裝式架構有整合稅與延遲負擔；Nvecta 則稱資料工程到位時，可組裝式在規模夠大時可以便宜 30% 到 40%。兩家都是 CDP 廠商，結論要回到自己團隊的資料工程能力來判斷。
TechRT 的採用率數字很高，CDP.com 引述的 Gartner 調查卻顯示使用深度偏低，這兩件事要分開看。
可以先做的事有三件：挑一個識別碼當跨管道主鍵並寫下來；盤點已啟用的用例占採購功能的比例；照 Nvecta 的建議，找出三個可以加入零方數據收集的地方。
想把工具層的判斷補齊，可以先看關於 Jayden那頁列的實作背景，再回來看自己的資料落在哪一層。
喜歡這篇？讓行銷變好懂，訂閱銷波快。
資料來源
- Identity Resolution Is Table Stakes in the AI Eracdp.com
- CDP Industry Statistics 2026: Market Size & Trendscdp.com
- First-Party Data Statistics (2026)omnibound.ai
- What Is an AI-Powered CDP? 7 Proven Wins for 2026nvecta.com
- CDP Trends 2026: AI, First-Party Data & Real-Time Engagementnvecta.com
- Amperity adds real-time AI assistants for customer data activationcontentgrip.com
- 企业必看！2026年五大最佳CDP推荐与选型指南leadstecgz.com
- 神策數據 CDP 解決方案sensorsdata.cn
