CDP客户数据平台：是汇集所有客户数据并将数据存储在统一的、企业各个部门都可以轻松访问和使用的数据平台。CDP的核心是客户，我理解分为四层：
1、数据源：是用户数据的汇总来源，包括收集到的用户数据、第三方提供的数据、一些API接口，甚至一些上传的线下表。
2、数据处理层：这一层是将数据源中的用户数据进行统一处理，通过数据计算用户标签，将用户进行唯一性的全景画像刻画。这里引入了一个用户标签的概念，用户标签就是描述一个人的属性特征的，常见的用户标签包括性别、年龄、职业、是否有车等。用户标签分为三类：
静态标签：静态标签如性别、设备、年龄、地域等，这类标签易于采集，但是描述过于宽泛，不能精确客户用户需求，应用场景不大，可作为辅助条件。
动态标签：随着用户与平台持续交互，如点击、滑动、搜索、点赞、发言、交易等，数据不断更新，基于此类的标签称为动态标签。如购买偏好、促销偏好等。
组合标签：将数据按照规则组合、计算，得出的标签计算方式分为：人工定义、机器算法。组合标签可以提供更加丰富和有价值的标签信息，如业务上人为通过客单价和购买频次综合定义高价值用户，用户的搜索和加购行为定义的高潜用户等。
3、数据展现：当用户标签生成后，可以根据海量的用户数据生成相应的数据展现层功能，包括：标签数据的应用上包括标签圈选、人群分析、标签交叉分析等；用户生命周期的应用上包括用户回流分析、人群路径分析等。同时标签数据还可以整合成API形成对外提供成为人群判定和输出的工具。
4、营销触达：用户平台基于海量用户数据，成为最懂用户的平台，就需要将用户最需要的东西，通过用户最喜欢的方式，触达到用户端。这里就是利用用户标签进行一些业务营销投放。这里会考虑关于投放渠道、投放模板、自动营销、用户疲劳控制、算法推荐等功能，同时也可以形成API工具对外支持多端投放和算法对接
用户标签的质量验证：
数据质量：是标签质量最基础的评价，主要分为准确度、覆盖度、稳定性 三部分，关于准确度，标签其实对一个用户打标是一个个置信区间的标签，比如男女标签的预测，算法只会告诉你1-100之前，这个人是个男或女的概率是大概多少。所以准确性验证也和你算法的阈值范围选取有关。验证标签准确性的方法可以有：分层抽样验证、使用真实数据准确标签反向验证预测算法（比如有准确的男女性别，就可以去反向测试算法算出来的男女性别是否准确）、交叉验证（一些画像类的指标间会存在一些相关性，此时可进行交叉验证，也就是通过其他标签验证这个标签）、还有一些成型的算法验证。
业务质量：应用质量评估（标签是有用的不是可有可无没价值的）、业务价值评估（标签投放后带来的业务提升效果很明显的，就是好标签）
