CDP 選型第一問：先做資料源盤點
CDP 選型的第一個判斷題會直接問你，手上有幾個彼此不相通的客戶資料來源。致遠互聯 2026 年 CDP 選型指南寫過一句話。CDP 帶來直接收益的前提是企業觸點已經足夠多且數據分散，觸發點是複雜度而非規模。這句話回答了很多台灣品牌問錯的問題。
典型的台灣中小品牌手上有三到五個系統。官網、蝦皮或 momo 的第三方電商後台、Meta 廣告後台、LINE OA、Email 電子報工具。這些系統各有各的顧客識別碼。email、手機號、LINE ID、廣告平台的 pseudo ID 各自成籍。同一個顧客會在這五個系統各留下一筆紀錄。你有沒有能力把它們串到一起？這才是要不要買 CDP 的第一個問題。
如果答案是「沒需要串，或串起來也用不到」，那 CDP 就是超前投資。如果答案是「串起來會有明顯的行銷動作可以做，但現在做不到」，這時 CDP 才進入評估範圍。順序反了，等於買了一台跑車卻沒有駕照。
接下來的問題是，這樣的複雜度該用什麼方式滿足？
CDP 選型三問：資料、身份、啟動的判斷框架
把致遠互聯與 GrowingIO 兩份選型指南疊在一起，可以歸納出三個具體的自問題目。三題不需要 IT 主管在場，行銷負責人自己就能回答。
第一題是資料來源整合廣度。你希望 CDP 接進來的資料源清單有幾個？超過三個且分屬不同介面，CDP 的整合價值才開始成立。
第二題是身份統一方案。cookie、device ID、手機號、email、社群 ID，你的顧客會在哪些識別碼之間切換？CDP 的核心技術壁壘就在這裡，GrowingIO 稱之為 OneID 融合能力。
第三題是下游系統啟動能力。CDP 整合完的分眾要送到哪裡？Meta、Google Ads、LINE OA、Email、客服系統，能夠雙向串接的通路數量決定投資報酬率。
三題都答得出具體場景，才開始比較品牌。台灣市場能買到的 SaaS 選項包含 Segment、mParticle、Bloomreach 等英文品牌，也有 Tealium、Treasure Data 這類有代理商的方案。簡中市場則有神策、GrowingIO 與 LinkFlow。GrowingIO 的核心觀點值得記下來：「CDP 要解決的核心問題不是收集更多數據，而是讓分散的數據認識彼此。」
選型的順序不能倒過來。先看有多少現成連接器再挑品牌，那是廠商業務教你的問法。先確認自己需要串起哪些通路再挑品牌，那才是採購該有的問法。兩者在英文市場的用詞差異是「connector count」vs「activation fit」，簡中市場則說成「接得多」vs「用得到」。
Composable CDP：用現代數據棧重組出的新路線
2026 年英文市場最熱的 CDP 討論已經從功能多寡轉向要不要繼續買一體式 CDP。Composable CDP（可組裝式 CDP）用現有的資料倉儲當底層，再搭配輕量的啟動工具，把傳統 CDP 拆成三塊組合而成。閱讀 Composable CDP 的完整詞條。這條路線代表傳統一體式 CDP 的護城河正在被開源工具侵蝕。
三層架構分別如下。
| 層 | 功能 | 代表工具 |
|---|---|---|
| 資料層 | 存放所有第一方資料 | BigQuery、Snowflake、Databricks |
| 計算層 | 做顧客 ID 拼接、LTV 分層、流失預測 | dbt、Spark |
| 啟動層 | 把分眾結果推送到廣告、Email 工具 | Census、Hightouch |
知乎上一篇被廣泛引用的分析寫:「組裝式 CDP 不是妥協方案，而是未來主流，傳統 CDP 廠商的護城河正在被開源數倉快速侵蝕。」對台灣中小品牌而言，這條路線的意義是門檻降低。原本要新台幣百萬起跳的 CDP 專案，改用 BigQuery 加 Hightouch 的組合，年費可能落在原本的十分之一。
前提是你的公司已經有人會用 dbt 或 SQL。沒有這個前提，Composable CDP 對台灣多數品牌來說也只是概念。這是為什麼英文市場已經在辯論 Composable 與 Packaged 的優劣，台灣行銷圈連 CDP 這個詞都很少出現在正式討論裡。
Agentic CDP：Databricks CustomerLake 進場的訊號
2026 年 6 月的 Data + AI Summit，Databricks 發表 CustomerLake，把「CDP」這個詞往前推了一大步。它把身份解析、受眾建立、行銷活動自動化全部塞進 Lakehouse 底層，主打Agentic CDP：讓 AI 代理人自主完成整個行銷循環，超越被動的資料倉庫角色。閱讀 Agentic CDP 的完整詞條。
核心產品概念叫 Infinity Campaigns。Databricks 的說法是持續運行的代理人循環，每天可執行十億次一對一個人化互動。目前是 Private Preview 階段，早期客戶包含 HP、Circle K、AB InBev 與 Getnet by Santander，鎖定的是企業級大客戶市場。這款產品把「行銷」變成 Databricks 平台的下一個競爭主場。獨立 CDP 供應商如 Segment、Salesforce CDP 從今以後多了一個 Lakehouse 底層的挑戰者。
Agentic CDP 值得台灣品牌認識，但不見得該現在跟進。LayerFive 一份 2026 年報告寫得清楚。76% 行銷人員已在使用某種形式的 AI，但只有 13% 達到代理式自動化，主要瓶頸來自數據碎片化，模型能力已經不是問題。翻譯成白話，連 OneID 都還沒解決，就先講 AI 代理人是走錯步驟。
台灣的順序應該倒過來讀。先看你的資料源盤點，再看要不要 CDP，最後才看要不要 Agentic。跳步的成本比慢一拍高很多。
CDP 投資回收：市場規模與啟動落差的訊號
如果你的品牌真的走到需要 CDP 的階段，兩組整體訊號可以拿去跟 CFO 說明預算。不用單挑一份研究，看整個市場往同一個方向長，代表基礎設施的需求已經被驗證。
市場規模層面，全球 CDP 市場 2026 年預計達 103 億美元，數位廣告支出有 70% 以上將以第一方數據策略為燃料。兩個數字都出自 Sci-Tech Today 2026 年第一方數據統計。當一整個賽道往同一個方向長，代表基礎設施的需求已經被驗證，不再是少數先進品牌的實驗。
啟動落差層面，前面提過 LayerFive 的一組數字。76% 行銷人員已在使用 AI，只有 13% 達到代理式，主要卡點是數據沒有整合起來。翻譯到 CDP 選型的脈絡：整合完的資料如果不能自動化行動，投資報酬率永遠會被打折。
Nvecta 2026 年趨勢報告補上另一組觀察。第一方數據能力強的企業，行銷 ROI 可以達到未啟動企業的多倍水準。台灣市場能拿到的公開數據來源有二，一是英文，一是簡中。兩邊的共通點是收集資料不等於發揮價值，中間那道啟動能力才是差距。
這幾個數字放在一起讀有一個意義。買 CDP 卻沒接對啟動工具，等於買了倉庫卻沒開門做生意。這正好對應到選型三問的第三題，也就是下游啟動能力。
銷波快觀點：台灣慢英文市場三年這件事，其實是機會不是落後
台灣的 CDP 討論慢英文市場至少三到五年，這件事有兩種讀法。廠商業務會告訴你這是落後，銷波快讀出來的是另一件事。慢一拍反而是優勢。可以直接跳過幾個階段，那幾個階段別人已經踩過雷。英文市場走了「傳統 CDP 到 Composable CDP 再到 Agentic CDP」的完整路徑，台灣品牌可以直接從資料源盤點做起，選一條符合自己複雜度的路走進去，不用重演一次別人買錯的過程。
要記得，行銷技術本來就分三層：流量技術、轉換技術、會員經營。CDP 是會員經營層的工具，前提是流量與轉換兩層已經穩了。台灣多數中小品牌卡在轉換率、卡在廣告投報率，這些問題不是 CDP 解得掉的。先把每一層各自做對，再談整合。
整合本身的價值是有的，但那個價值來自「唯一真相來源」四個字。原本三個系統各報各的數字，同一個顧客在 Meta、GA4、Shopify 各是一筆，決策時要對三邊，光是這個矛盾就足以壓垮判斷力。CDP 的本體是先建立一個大家都認的顧客定義，其他功能都是這個定義的延伸。少了這個定義，接再多資料源也是加深混亂。
結論：先算你有幾個資料源，再談要不要進 CDP 場
回到本篇一開始的判斷題。台灣品牌要不要 CDP，順序永遠是：資料源盤點在前，選型三問在中，Composable 或 Agentic 的路線選擇在後。跳過任何一步，都會買到不適合自己的工具。
比較務實的起點有兩個。一是拿一張紙寫下你的顧客現在會在幾個系統留下紀錄，把每個系統目前用的識別碼列出來。二是問自己有沒有具體的行銷動作，是「必須把這些識別碼串到一起才做得出來」。兩個問題的答案就是你的 CDP 需求書。
如果你剛好在做這張紙，願意讓別人給第二意見，銷波快每一集節目都在拆解同樣的判斷題。工具會換、名詞會變，判準通常不會。
喜歡這篇？讓行銷變好懂，訂閱銷波快。
資料來源
- Databricks CustomerLake：主動式 Agentic CDP 正式進軍行銷市場databricks.com
- First-Party Data Strategy Statistics By Adoption And Insights (2026)sci-tech-today.com
- 2026 年客戶數據平台（CDP）怎麼選？從 OneID、AI 智能人群到私有化部署的選型推薦growingio.com
- 客戶數據平台（CDP）的新一代形態：實時、統一、可擴展tapdata.net
- CDP Trends 2026: AI, First-Party Data and Real-Time Engagementnvecta.com
- CDP 已過時？現代數據棧重構可組裝式客戶資料平台zhihu.com
- AI Customer Data Platform: The Future of CDPs in 2026layerfive.com
- 客戶數據管理平台 CDP 選型與落地指南（2026）seeyon.com
