Treasure AI: CDP-Profil für Deutschland

Treasure AI (ehemals Treasure Data) ist eine Agentic Experience Platform (agentische Experience-Plattform) und damit eine Weiterentwicklung der klassischen Customer Data Platform (CDP) (auf Deutsch Kundendatenplattform): Sie bündelt Datenerfassung, Identitätsauflösung (identity resolution), CDP und Messaging in einer Plattform und lässt KI-Agenten (AI agents) Aufgaben in Personalisierung, Messaging und Entscheidungsfindung ausführen, während Menschen Strategie, Kreativität und Leitplanken beisteuern. Das Unternehmen startete 2011 als Datenmanagement-Plattform in Kalifornien und wandelte sich am 20. April 2026 zu Treasure AI um; die Produktkategorie wechselte von „Customer Data Platform” zu „Agentic Experience Platform”.

Diese Seite beschreibt Treasure AI aus der Dokumentation des Anbieters, den Analystenberichten und der Geschichte des Unternehmens. Sie folgt denselben redaktionellen Regeln wie die Profile für Adobe Real-Time CDP, Salesforce Data Cloud und Tealium (auf Englisch).

Transparenz: cdp.com wird von Treasure AI betrieben, dem Unternehmen, das bis April 2026 Treasure Data hieß. Diese Regeln stehen in der Redaktionsrichtlinie (auf Englisch); sie gelten für alle sechs verglichenen Anbieter gleichermaßen.

Treasure AI in Stichpunkten

Die G2-Zahlen beschreiben, wer den Anbieter bewertet, nicht wer ihn einsetzt: Rezensenten wählen sich selbst aus, und Anbieter fahren Kampagnen zur Gewinnung von Rezensionen. Lesen Sie den Hinweis als Herkunftsangabe, nicht als Kundenzensus; die nach Unternehmensgröße klassifizierte Teilmenge ist kleiner als die Gesamtzahl der Bewertungen, auf die die Profilseite verweist. Den Vergleich mit den anderen fünf Anbietern für Deutschland führt die Seite Die besten CDP-Anbieter in Deutschland 2026; dort steht auch, warum kein Profil dieser Klasse einen Kunden beim Namen nennt.

Die Geschichte des Unternehmens

Treasure Data wurde 2011 in Mountain View im US-Bundesstaat Kalifornien gegründet, zunächst als cloudbasierte Plattform für die Verwaltung von Logdaten und die Analyse großer Datenmengen. In den folgenden Jahren verschob das Unternehmen den Schwerpunkt auf Kundendaten und baute die Infrastruktur für Datenerfassung, Identitätsauflösung und Datenaktivierung aus; daraus wurde die Customer Data Platform des Anbieters.

Die Etappen:

Für 2026 verweist Treasure AI selbst auf mehr als 400 Großkunden aus Handel, Finanzdienstleistung, Gesundheitswesen, Automotive, Konsumgütern und Medien und nennt mehrere Milliarden vereinheitlichter Kundenprofile – eine Herstellerangabe, die keine unabhängige Prüfung durchlaufen hat.

Die Umbenennung: von Treasure Data zu Treasure AI

Am 20. April 2026 trat die Umbenennung in Kraft. Die Domain wechselte von treasuredata.com zu treasure.ai, die Produktkategorie von „Customer Data Platform” zu „Agentic Experience Platform”.

Die Umbenennung spiegelt eine strukturelle Verschiebung. Treasure Data begann als System, in dem Menschen auf vereinheitlichte Kundendaten zugriffen, um Marketingentscheidungen zu treffen. Treasure AI ist so gebaut, dass KI-Agenten auf denselben Daten entscheiden und ausführen – die Menschen liefern Strategie, Kreativität und Leitplanken.

Drei Änderungen markieren den Übergang:

1. Von der Datenplattform zur Experience-Plattform. Die erste Generation erfasste und vereinheitlichte Kundendaten und aktivierte Zielgruppen nach außen. Die neue Plattform fügt natives omnichannel-Messaging in E-Mail, SMS, Push und In-App, Entscheidung durch die KI (AI decisioning) und Personalisierung in Echtzeit hinzu. Dadurch läuft der Customer Intelligence Loop in einem System, statt die Stufen auf getrennte Anbieter zu verteilen.

2. Von der menschzentrierten zur agentenzentrierten Architektur. Die Hauptoberfläche wechselt von Dashboards und Abfragewerkzeugen zu KI-Agenten, die über MCP (Model Context Protocol), Kommandozeile, APIs und vorgefertigte Agentenfähigkeiten arbeiten. Menschen steuern die Strategie; die Agenten übernehmen die Ausführung im großen Maßstab.

3. Vom Stapelzyklus zur fortlaufenden Schleife. Wo die frühere CDP die Kundensegmentierung in Stapeln lief, täglich oder wöchentlich, läuft der Customer Intelligence Loop kontinuierlich: ERFASSEN, VEREINHEITLICHEN, VERSTEHEN, ENTSCHEIDEN und ANSPRECHEN in Minuten, wobei das Ergebnis jeder Interaktion in den nächsten Zyklus zurückfließt.

Bisherige APIs, SDKs und Arbeitsabläufe laufen unverändert weiter. Die Umbenennung ist eine Produktenwicklung, keine Migration, die bestehende Integrationen bricht.

Die Architektur der Plattform

Die Architektur trennt die Steuerungsebene (control plane) von der Datenebene (data plane):

• Steuerungsebene (Treasure AI): Identitätsauflösung, Zielgruppensegmentierung, KI-Entscheidung, Messaging-Orchestrierung und die Laufzeitumgebung der Agenten. Auf dieser verwalteten Schicht läuft der Customer Intelligence Loop.

• Datenebene (Infrastruktur des Kunden): Die Kundendaten können im eigenen Data Warehouse liegen – in Snowflake, Databricks oder BigQuery – oder in der verwalteten Speicherumgebung der Plattform. Treasure AI liest und schreibt im Warehouse, ohne die Daten in einen proprietären Speicher zu zwingen.

Dieses hybride Betriebsmodell greift eine Spannung im CDP-Markt auf: Composable CDPs halten die Daten im Warehouse, erreichen aber keine KI-Schleifen in Echtzeit; Package-CDPs laufen schnell, verlangen aber, dass die Profile in ihren verwalteten Speicher kopiert werden; sie erreichen KI-Schleifen in Echtzeit nur durch die Kombination mehrerer Systeme. Die Architektur von Treasure AI zielt auf beides: Daten im Warehouse, verbunden mit einer Steuerungsebene, die für schnellen Profilzugriff und Aktivierung in Echtzeit gebaut ist.

Die Komponenten der Plattform

Treasure AI Studio

Das Studio ist die Hauptoberfläche und läuft auf mehreren Wegen: im Browser für Marketing-, Analyse- und Datenteams, als Desktop-Anwendung für macOS und Windows, als mobile App für iOS und Android zur Überwachung und Freigabe unterwegs, als Kommandozeilenschnittstelle Treasure Code für Ingenieure und als Sprachschnittstelle Treasure AI Voice. Die Kommandozeilenschnittstelle Treasure Code baut auf Claude Code auf und deckt Schemaprüfung, Abfragen und Pipeline-Betrieb im Terminal ab.

Das Studio bietet den Zugang zu den Kundendaten, zur Segmentierung, zur Kampagnenverwaltung und zur Analyse in natürlicher Sprache; ein nichttechnisches Team kann Abfragen stellen und Aktionen auslösen, ohne SQL zu schreiben oder den Support der Datentechnik zu bemühen.

Segmentvergleich in Treasure AI Studio: Die Frage in natürlicher Sprache löst die Überlappungsanalyse zweier Zielgruppen aus und nennt empfohlene nächste Aktionen, ohne dass ein Team SQL oder BI-Werkzeuge bedient.

Die KI-Supervisor-Agenten

Die Plattform liefert zwei vorgefertigte, domänenspezifische Agenten mit, die Arbeitsschritte innerhalb des Customer Intelligence Loop automatisieren:

Der Supervisor-Agent für das Marketing: Kampagnen aus eigenem Antrieb

Die Rolle deckt Entdeckung von Zielgruppen, Kampagnenerstellung, Next Best Action (nächstbeste Aktion) und Aktivierung über die endverbraucherorientierten Kanäle ab. Für eine Rückgewinnungsaktion beschreibt das Marketingteam das Ziel – Kunden, die im ersten Quartal gekauft haben und seit 60 Tagen nicht interagiert haben – und der Agent baut daraus das Segment, wählt die Kanäle und startet die Kampagne.

Der Supervisor-Agent für die Datenanalyse: Berichte aus eigener Bewegung

Der Agent automatisiert Datenexploration, Erkenntnisgewinnung und Berichtserstellung. Das Analyseteam fragt in einfacher Sprache und erhält strukturierte Antworten mit Datenvisualisierungen. In der frühen Zugangsversion berichtete ein Team im Finanzwesen, dass die Bearbeitungszeit für Routineanfragen von drei Tagen auf 60 Sekunden sank.

Beide Agenten arbeiten auf der vereinheitlichten Datenbasis der Plattform: Sie lesen vollständige, aufgelöste Kundenprofile, keine Fragmente aus getrennten Systemen. Die Ergebnisse stammen aus der Frühphase; eine unabhängige Prüfung durch Dritte fehlt.

Natives Messaging über Kanäle hinweg

Die Plattform versendet über vier nativ gebundene Kanäle: E-Mail mit KI-geregelter Versandzeit, SMS für transaktionale und werbliche Nachrichten, Push-Nachrichten auf iOS und Android und In-App-Nachrichten innerhalb der mobilen Anwendungen. Für asiatisch-pazifische Märkte kommt eine native LINE-Anbindung hinzu – in Deutschland ohne Bedeutung.

Die Bündelung des Nachrichtenversands in einem System statt über ein getrenntes Customer-Engagement-Werkzeug hat einen konkreten Vorteil: Die Ergebnisse der Interaktion (Öffnungen, Klicks, Conversions) fließen ohne Latenzen zwischen Anbietern direkt in den Customer Intelligence Loop zurück. Beachten Sie dabei den Datenschutz: Eine Messaging-Schicht in derselben Plattform vermeidet die Kopie personenbezogener Daten an ein externes Versandsystem, und die Plattform trägt die Einwilligung als Regel in jeden Kanal.

Die CDP als Kontextschicht

Die Grundlage der Plattform ist die CDP selbst, die Kontextschicht. Hier fließen die Daten hinein, hier läuft die Identitätsauflösung, hier entstehen die einheitlichen Kundenprofile, und hier greifen die Datenschutz- und Zugriffsregeln. Studio, Agenten und Messaging lesen und schreiben auf dieser Schicht.

Die Fähigkeiten der Kontextschicht

• Datenerfassung – über 170 vorgefertigte Konnektoren für den Betrieb in Stapeln oder im Datenstrom, aus CRM, Onlineshop, Webanalyse, Kassensystemen, Support und IoT-Quellen
• Identitätsauflösung – zuordnendes Matching durch maschinelles Lernen, kombiniert aus deterministischer und probabilistischer Abstimmung über Geräte, Kanäle und Konten hinweg
• Einheitliche Kundenprofile – dauerhafte Customer-360-Profile, die Verhaltens-, Transaktions- und Stammdaten in einem Datensatz zusammenführen
• KI-Entscheidung und Modellintelligenz – Predictive Analytics, Neigungswerte und Echtzeitprozesse, die die Phasen VERSTEHEN und ENTSCHEIDEN des Loops tragen
• Daten-Governance – Feldzugriffe, Durchsetzung der Einwilligung und Konformitätsautomatisierung auf jedem Weg nach außen

Diese Schicht trägt im Architekturdiagramm die Bezeichnung „Composable”: Das Unternehmen verbindet sie mit seinem Data Warehouse und hält die Daten dort, während die Kontextschicht Identität, KI und Governance übernimmt.

Die Kontextschicht läuft in zwei Betriebsformen. Im Complete CDP betreibt Treasure AI den vollständig verwalteten Betrieb: Die Daten werden in der Plattform erfasst und gespeichert, ohne dass ein Data Warehouse vorhanden sein muss, und Konnektoren, Identitätsauflösung, Segmentierung und Aktivierung laufen im selben System. Der Composable-CDP-Modus (Composable Audience Studio) ist die Warehouse-First-Form: Abfragen ohne Datenkopie schieben die Segmentierungslogik in Snowflake, BigQuery oder Databricks herunter und liefern nur Ergebnisse zurück – ohne Reverse ETL, ohne Kopie personenbezogener Daten. Das Marketingteam baut Zielgruppen visuell; die Daten verlassen das Warehouse erst bei der geplanten Aktivierung. Für eine Gegenüberstellung der Composable-Anbieter nach derselben Vorlage siehe die CDP Vendor Comparison Guide (auf Englisch).

Ergebnisse aus der Early-Access-Phase

In der Early-Access-Phase 2026 veröffentlichte Treasure AI zwei Ergebnisse aus dem Einsatz bei Großkunden, beide laut Herstellerangabe ohne unabhängige Prüfung. Ein Händler komprimierte den Weg vom Segment zum Kampagnenstart von fünf Tagen auf acht Stunden und entdeckte dabei ein 340.000-Profile-Hochinteresse-Segment, das die manuelle Analyse übersehen hatte; die Conversion stieg um 23 %. Dasselbe Finanzanalyseteam aus dem Abschnitt zu den Supervisor-Agenten ersetzte seinen dreitägigen Berichtszyklus durch Abfragen in natürlicher Sprache mit einer Antwortzeit von 60 Sekunden.

Beide Angaben stammen vom Hersteller selbst und beschreiben frühe Einführungen. Unabhängige Prüfung durch Analysten und breitere Messungen an Kunden fehlen noch.

Der Customer Intelligence Loop

Der Customer Intelligence Loop ist ein fünfstufiger, fortlaufender Zyklus, der beschreibt, wie Kundendaten von der Erfassung bis zur Aktivierung fließen und wie das Ergebnis einer Interaktion die nächste Entscheidung verbessert. Viele Marketingstacks durchlaufen denselben Weg in getrennten Schritten: Ein Warehouse sammelt die Daten, ein anderes Werkzeug löst die Identitäten auf, ein drittes baut Segmente, ein viertes versendet. Jede Übergabe kostet Zeit und Kontext. Der Customer Intelligence Loop ist das Ordnungsprinzip von Treasure AI für diese Lücken: Alle fünf Stufen laufen in einer Plattform, und KI-Agenten treiben den Loop ohne wartenden Stapelzyklus an.

ERFASSEN → VEREINHEITLICHEN → VERSTEHEN → ENTSCHEIDEN → ANSPRECHEN → (zurück zu ERFASSEN)

Die Ergebnisse der Interaktion – E-Mail-Öffnungen, Käufe, Supportanfragen – fließen in die ERFASSEN-Stufe zurück und schließen den Kreis. In der agentenbasierten Ausführung treiben Agenten den Loop fortlaufend an, ohne den Takt menschlich gestarteter Kampagnen abzuwarten. Für Organisationen, die wöchentliche Stapelkampagnen fahren und keine Echtzeit- oder Sitzungsanforderungen haben, lohnt der fortlaufende Loop nicht in jedem Fall: Eine Composable-Architektur mit täglichem oder wöchentlichem Rhythmus kann denselben Nutzen bei weniger Komplexität liefern.

Governance und Sicherheit

Data Governance ist für jede Plattform Pflicht, die personenbezogene Daten im großen Maßstab verarbeitet. Zu den Fähigkeiten von Treasure AI unter diesem Titel gehören:

• Konformitätszertifikate: SOC 2 Typ II, DSGVO-konforme Verarbeitung, der CCPA als amerikanische Referenz; die Plattform ist für den in den USA relevanten HIPAA-Rahmen geeignet, in Deutschland ohne Anwendungsfall
• Infrastruktur: Betrieb auf AWS mit Bedrock-Anbindung für KI-Workloads
• Prüfpfad: manipulationssicheres Protokoll aller Datenzugriffe, Agentenaktionen und Aktivierungsereignisse
• Consent-Management (Einwilligungsverwaltung): einheitliche Durchsetzung der Einwilligung über alle Aktivierungskanäle
• Speicherort der Daten: regionale Speicheroptionen für Unternehmen mit Lokalisierungsanforderungen
• KI-Datenrichtlinie: die Kundendaten dienen nie dem Training der KI-Modelle des Anbieters

Die vollständige Liste der Zertifikate und Sicherheitsdokumente führt das Treasure AI Trust Center.

Der manipulationssichere Prüfpfad wiegt in regulierten Branchen besonders schwer: Finanzdienstleister und Gesundheitsorganisationen brauchen nachweisbare Aufzeichnungen, wer oder welcher Agent auf Kundendaten zugegriffen hat und welche Aktionen folgten. Für den Einsatz in Deutschland kommt die Regulierungslage hinzu:

Für Unternehmen in Deutschland gilt für die Verarbeitung personenbezogener Daten die Datenschutz-Grundverordnung (DSGVO, GDPR); das Bundesdatenschutzgesetz (BDSG) ergänzt sie als deutsches Recht, und für das Setzen von Cookies und den Zugriff auf Endgeräte kommt das TDDDG (bis Mai 2024 TTDSG) hinzu. Für Unternehmen mit mindestens 20 Personen, die ständig mit automatisierter Verarbeitung personenbezogener Daten betraut sind, ist der Datenschutzbeauftragte Pflicht.

Zwischen dem Unternehmen und dem Anbieter liegt ein Auftragsverarbeitungsvertrag nach Art. 28 DSGVO; die Liste der Unterauftragsverarbeiter und die technischen und organisatorischen Maßnahmen stehen im Vertrag, nicht auf der Produktseite. Für eine Übermittlung in ein Land außerhalb der EU braucht der Datenfluss einen Angemessenheitsbeschluss (das EU-US-Datenschutzrahmenwerk ist das geltende Instrument) oder Standardvertragsklauseln, und wo eine Aufbewahrungspflicht die Löschung ausschließt (Handels- und Steuerrecht verlangen in Deutschland 8 bis 10 Jahre), tritt die Einschränkung der Verarbeitung (Art. 18 DSGVO) an die Stelle der Löschung. Der Kunde wählt die Speicherregion; Treasure AI nennt für den europäischen Betrieb die Region eu01, keine eigene Region in Deutschland. Diese Regulierungsaussagen erheben keinen Anspruch auf Rechtsberatung; der Datenschutzbeauftragte des Unternehmens prüft die eigene Einführung gegen den Vertrag und die geltenden Fassungen der Gesetze.

Für einen Vergleich der sechs Anbieter nach Kriterien für Deutschland, je nach Speicherort und Präsenz im deutschen Markt, dient die Seite Die besten CDP-Anbieter in Deutschland 2026.

Für wen Treasure AI passt

Treasure AI eignet sich am ehesten für Organisationen, die sechs Anforderungen an eine Plattform stellen:

• Den vollständigen Customer Intelligence Loop in einer Plattform führen – Erfassung, Identitätsauflösung, KI-Entscheidung und Aktivierung, ohne die Stufen auf mehrere Anbieter zu verteilen
• Agenten auf vereinheitlichten Kundendaten einsetzen – nicht nur Dashboards für Menschen, sondern einen kontinuierlich laufenden agentenbasierten Betrieb
• Regulierungsaufgaben im großen Maßstab erfüllen – Einwilligung, Datenschutzkonformität und CCPA mit prüfbaren Agentenaktionen
• Mehrere Kanäle bedienen – E-Mail, SMS, Push, In-App, Web-Personalisierung und Aktivierung in Werbesysteme
• An bestehende Data-Warehouse-Umgebungen angebunden sein – das hybride Modell verbindet Snowflake, Databricks und BigQuery, ohne die Daten vollständig zu migrieren
• Asiatisch-pazifische Märkte betreuen – die native LINE-Anbindung und regionale Speicheroptionen sind für diese Konstellation der Vorteil

Ein anderer Architekturtyp passt besser, wenn:

• Reverse ETL genügt: Organisationen mit ausgereiftem Data Warehouse, bestehender Segmentierungslogik in SQL und ohne Bedarf an Identitätsauflösung, KI-Entscheidung oder nativem Messaging erreichen dasselbe Ergebnis mit einem eigenständigen Reverse-ETL-Werkzeug. Das hybride Modell von Treasure AI bindet dieselben Warehouses an, aber die volle Plattform kann mehr Fähigkeit sein, als der Anwendungsfall verlangt.
• die Organisation auf eine Suite festgelegt ist: Wer ausschließlich Adobe oder Salesforce einsetzt, erreicht innerhalb dieses Ökosystems engere Integration, bei den Kosten der Suite (suite tax). Wer beide Suiten betreibt oder Suite-Produkte mit den führenden Einzelwerkzeugen mischt, gewinnt über eine anbieterübergreifende Plattform wie Treasure AI eine Profilbasis, die beide Suiten zusammenführt – dieselbe Arbeitsteilung zwischen Datenfundament und Ausführung, die jede plattformneutrale Architektur bietet.
• einfache Anforderungen und kleine Unternehmen: Unter 100.000 Profilen und mit ein bis zwei Kanälen braucht das Unternehmen die Enterprise-Fähigkeiten der Plattform eher nicht.

FAQ

Was ist aus Treasure Data geworden?

Treasure Data wurde am 20. April 2026 zu Treasure AI umbenannt. Die Domain wechselte von treasuredata.com zu treasure.ai, und das Produkt entwickelte sich von der Customer Data Platform zur agentischen Experience-Plattform. Vorhandene Integrationen, APIs und SDKs laufen unverändert weiter: Die Umbenennung ist eine Produktenwicklung, kein Bruch.

Wie unterscheidet sich Treasure AI von anderen CDPs?

Treasure AI bündelt CDP, omnichannel-Messaging und KI-Agenten in einer Plattform, die den Customer Intelligence Loop fortlaufend ausführt. Die meisten CDPs vereinheitlichen Daten und segmentieren, verlangen aber für Messaging und KI-Entscheidung getrennte Werkzeuge – typischerweise vier bis fünf Anbieter auf dem Weg vom Warehouse über Reverse ETL und Versandsystem bis zur KI-Schicht. Treasure AI hält alle fünf Stufen des Loops im eigenen Rahmen, ohne die Kopie personenbezogener Daten und ohne die Latenzen zwischen Anbietern, die Reverse ETL einführt. Ein detaillierter Vergleich steht im CDP Vendor Comparison Guide und für Deutschland in der Anbieterübersicht.

Ist Treasure AI die richtige CDP für meine Organisation?

Treasure AI passt zu internationalen Mehrmarkenunternehmen mit großen Datenbeständen und Bedarf über Regionen hinweg, und es passt nicht zu kleinen Teams, die eine Plattform zur Selbstbedienung suchen oder ein SMB-Budget führen. Wählen Sie den Anbieter für die Abdeckung aus eigener Kraft: Packaged oder Composable, native KI und native Nachrichten in E-Mail, SMS und Push, ohne die Kopie personenbezogener Daten in ein separates Suite-Produkt. Greifen Sie zu einem anderen Architekturtyp, wenn das Team einfache Selbstbedienung braucht.

Ist Treasure AI eine CDP oder etwas anderes?

Treasure AI enthält eine vollständige CDP (Datenerfassung, Identitätsauflösung, Segmentierung, Aktivierung) und erweitert sie um natives Messaging und KI-Agenten. Die Bezeichnung „agentische Experience-Plattform” beschreibt die zusätzliche Entscheidung und Ausführung durch die KI auf dem CDP-Fundament. Wer Treasure AI gegen andere CDPs abwägt, vergleicht die vollständige Abdeckung der Plattform, nicht nur die Datenvereinheitlichung. Die Weiterentwicklung der Kategorie beschreibt Was ist eine Agentic CDP? (auf Englisch).

Wo hat Treasure AI seinen europäischen Betrieb?

Für den europäischen Betrieb nennt Treasure AI die Region eu01 in der eigenen Dokumentation; eine eigene deutsche Region ist nicht veröffentlicht. Treasure AI hat keine Niederlassung und kein Personal in Deutschland; der Markt Europa, Nahost und Afrika wird aus London und Nizza betreut. Für Unternehmen in Deutschland ist der Speicherort der personenbezogenen Daten damit eine Vertragfrage: Prüfen Sie die Region im Auftragsverarbeitungsvertrag und in der Liste der Unterauftragsverarbeiter, nicht auf der Produktseite. Der Vergleich der Speicherregionen für alle sechs Anbieter steht in der Anbieterübersicht für Deutschland.

Verwandte Artikel

• Die besten CDP-Anbieter in Deutschland 2026 – die sechs Anbieter des deutschen Markts im Vergleich, mit Zeile zu Treasure AI
• Was ist eine Customer Data Platform (CDP)? – die Grundlagen der Kundendatenplattform
• CDP auswählen: 10 Fragen für das KI-Zeitalter – das Bewertungsraster, angewendet auf Treasure AI
• Treasure AI (ehemals Treasure Data) – das vollständige englische Profil mit allen Zahlen
• Adobe Real-Time CDP – das Profil der CDP in der Adobe-Suite
• Salesforce Data Cloud – das Profil der CDP in der Salesforce-Suite

Lesen Sie nach, wie Analysten die CDP-Anbieter einstufen: IDC MarketScape und Forrester Wave

Diese Seite ist auch in folgenden Sprachen verfügbar: What Is Treasure AI (Formerly Treasure Data)? · Treasure AI（旧Treasure Data）とは？特徴と沿革 · O que é Treasure AI (ex-Treasure Data)? · ¿Qué es Treasure AI (antes Treasure Data)? · Treasure Data (Treasure AI) : la CDP, ses limites