Eine Customer Data Platform (kurz: CDP) bezeichnet eine softwarebasierte Plattform, die Kundendaten aus verschiedenen Quellen in einer einheitlichen Kundendatenbank zusammenführt. Ziel ist es, individuelle Kundenprofile in Echtzeit zu erzeugen. Diese Profile stehen Marketing, Vertrieb und Service zur Verfügung.
Grundprinzip und technische Funktionsweise
Das Kernprinzip einer Customer Data Platform besteht darin, Daten aus unterschiedlichsten Systemen zu erfassen und zu vereinheitlichen. Dazu gehören Website-Tracking, CRM-Software, E-Mail-Marketing-Tools, Point-of-Sale-Systeme und mobile Apps. Alle Informationen werden in einem zentralen Profil je Kunde zusammengeführt. Dieser Prozess heißt Identity Resolution: Verschiedene Datenpunkte — E-Mail-Adressen, Cookie-IDs, Gerätekennungen — werden einem realen Nutzer zugeordnet.
Die Datenerfassung erfolgt typischerweise auf drei Ebenen. First-Party-Daten stammen direkt vom Kunden, etwa aus Formular-Eingaben oder der Kaufhistorie. Second-Party-Daten liefern Partnerunternehmen. Third-Party-Daten kommen von externen Datenanbietern. Im Zuge der EU-Datenschutz-Grundverordnung (DSGVO) rücken First-Party-Daten klar in den Vordergrund.[1]
Die technische Architektur einer CDP umfasst vier Kernkomponenten: einen Datenerfassungs-Layer (Connectors/APIs), eine Datenvereinigungs-Engine, eine Profil-Datenbank sowie eine Aktivierungs-Schicht. Über Letztere werden Segmente und Profile an nachgelagerte Systeme ausgespielt.
Customer Data Platform im Überblick: Datenfluss und Architektur
Der typische Datenfluss beginnt mit der Rohdatenaufnahme aus angebundenen Quellsystemen. Es kommen serverseitige und clientseitige Tracking-Methoden zum Einsatz. Nach Bereinigung und Normalisierung entstehen sogenannte Unified Customer Profiles. Sie bündeln alle bekannten Attribute und Verhaltensweisen einer Person. Diese Profile werden fortlaufend aktualisiert, sobald neue Ereignisse einlaufen.[2]
Abgrenzung zu verwandten Systemen
Die Customer Data Platform wird häufig mit anderen Datenmanagementsystemen verwechselt. Eine klare Abgrenzung ist jedoch für das Verständnis essenziell.
Ein Customer Relationship Management System (CRM) verwaltet primär vertriebsrelevante Interaktionsdaten. Dazu zählen Angebote und Kontakthistorien. Mitarbeiter pflegen diese Daten überwiegend manuell. Eine CDP hingegen erfasst Verhaltensdaten automatisiert — auch von anonymen Besuchern.
Eine Data Management Platform (DMP) verwaltet anonymisierte Zielgruppensegmente für programmatische Werbung. Sie basiert meist auf kurzlebigen Third-Party-Daten. Eine CDP speichert dagegen identifizierbare, persistente Profile auf First-Party-Basis. Diese Unterscheidung gewinnt durch den Rückgang von Third-Party-Cookies an Bedeutung — ein Kontext, den das Konzept des Multi-ID-Targeting adressiert.
Ein Data Warehouse oder Data Lake speichert große Datenmengen für analytische Auswertungen. Es ist jedoch nicht auf Echtzeit-Aktivierung ausgelegt. Der Zugriff erfordert in der Regel technisches Fachwissen.
| System | Datentyp | Primärer Zweck | Echtzeit-Fähigkeit |
|---|---|---|---|
| CDP | First-, Second-, Third-Party | Unified Customer Profile, Aktivierung | Ja |
| CRM | First-Party (manuell) | Vertrieb, Kontaktmanagement | Eingeschränkt |
| DMP | Third-Party (anonym) | Programmatische Werbung | Ja |
| Data Warehouse | Alle Typen | Analyse, Reporting | Nein |
Einsatzbereiche und Anwendungsszenarien
CDPs werden branchenübergreifend eingesetzt. Besonders verbreitet sind sie im E-Commerce, im Finanzdienstleistungssektor, in der Telekommunikation sowie im Medien- und Verlagswesen. Typische Anwendungsszenarien lassen sich in drei Kategorien gliedern:
- Personalisierung: Inhalte, Produktempfehlungen und Angebote werden individuell auf den Kunden zugeschnitten — kanalübergreifend und konsistent.
- Segmentierung: Marketingteams definieren dynamische Zielgruppensegmente. Diese aktualisieren sich automatisch, wenn sich das Kundenverhalten ändert.
- Kampagnensteuerung: Die Plattform fungiert als „Single Source of Truth“. Sie steuert, wann und über welchen Kanal ein Kunde angesprochen wird — ein zentraler Baustein einer Omnichannel-Strategie.
Darüber hinaus unterstützen CDPs die Messung des Customer-Lifetime-Value. Auch die Vorhersage von Abwanderungswahrscheinlichkeiten (Churn Prediction) und die Optimierung von Werbeausgaben gehören zu den Einsatzfeldern.
Customer Data Platform und Datenschutz
Der Betrieb einer CDP ist untrennbar mit datenschutzrechtlichen Anforderungen verbunden. Da die Plattform personenbezogene Daten im Sinne der DSGVO verarbeitet, müssen Unternehmen einiges sicherstellen. Dazu gehören eine valide Rechtsgrundlage für die Verarbeitung, die technische Umsetzung von Betroffenenrechten sowie regelkonforme Datentransfers in Drittländer.
Moderne CDP-Lösungen bieten deshalb integrierte Consent-Management-Funktionen. Sie erfassen Einwilligungen (Opt-ins) auf Basis des Cookie-Banners. Nur datenschutzkonforme Daten fließen in die Profilbildung ein. Dies ist besonders relevant im Kontext des Social Selling, wo Kundendaten aus sozialen Netzwerken verarbeitet werden.
Die Einbindung von Consent-Management-Plattformen (CMP) gilt als unverzichtbarer Bestandteil eines DSGVO-konformen CDP-Betriebs in der EU.
Markt und verbreitete Lösungen
Der Markt für CDP-Software hat sich seit dem Aufkommen des Begriffs um das Jahr 2013 stark entwickelt. Der Begriff wurde maßgeblich durch den US-amerikanischen Analysten David Raab geprägt. Er gründete 2016 das CDP Institute — eine Vereinigung, die Standards und Definitionen für die Branche erarbeitet.
Marktführende Lösungen stammen von Unternehmen wie Salesforce (Data Cloud), Adobe (Adobe Real-Time CDP), Segment (Twilio), BlueConic, mParticle und Tealium. Daneben existieren zahlreiche spezialisierte Anbieter sowie Open-Source-Alternativen. Auf Fachmessen wie der DMEXCO nehmen CDP-Lösungen regelmäßig einen prominenten Platz ein.
Analysehäuser wie Gartner und Forrester Research beobachten den Markt und veröffentlichen regelmäßige Bewertungen. Kriterien sind Datenintegrationstiefe, Echtzeit-Fähigkeit, KI-Unterstützung und Datenschutz-Compliance.
Grenzen und Herausforderungen
Trotz ihres Potenzials ist eine Customer Data Platform kein universelles Allheilmittel. Die Einführung erfordert erheblichen Aufwand. Datenquellen müssen aufbereitet und angebunden werden. Datenqualität und -konsistenz sind zu sichern. Zuständigkeiten zwischen Marketing, IT und Datenschutz müssen klar geregelt sein.
Ein häufig unterschätztes Problem ist die Datenqualität. Duplizierte Einträge, veraltete Kontaktdaten oder fehlerhafte Verknüpfungen beeinträchtigen die Güte der Profile. Die Identity Resolution ist technisch anspruchsvoll — besonders wenn Kunden auf mehreren Geräten agieren. Automatisierte Zugriffe können Kundenprofile zusätzlich verzerren, was auch Systeme der Bot Detection berücksichtigen müssen.
Zudem erfordert der Betrieb dauerhaften Ressourceneinsatz. Datenmodelle müssen aktuell bleiben. Schnittstellen sind bei System-Updates anzupassen. Für kleinere Unternehmen stellt der Einstieg daher eine substanzielle Investition dar.
Eine Customer Data Platform entfaltet ihren vollen Mehrwert erst dann, wenn sie in eine kohärente Datenstrategie eingebettet ist und alle relevanten Quellen angebunden sind.
Literaturempfehlungen
- David Raab: Customer Data Platforms: Use People Data to Transform the Future of Marketing Engagement. Wiley, Hoboken 2021.