Was ist eine Customer Data Platform (CDP)?

Eine Customer Data Platform (CDP) ist eine Kundendatenplattform: Software, die Kundendaten aus mehreren Quellen erfasst, diese Daten über Identitätsauflösung (identity resolution) zu dauerhaften, einheitlichen Kundenprofilen zusammenführt und die Profile in Echtzeit für Personalisierung, Analyse und KI-gestützte Aktivierung über alle Kanäle bereitstellt.

CDP steht für Customer Data Platform; das deutsche Wort dafür ist Kundendatenplattform. Den Begriff prägte David Raab 2013. Das von ihm gegründete CDP Institute definiert die Kategorie als Standardsoftware (packaged software), die eine dauerhafte, einheitliche Kundendatenbank aufbaut und sie anderen Systemen zugänglich macht. Gartner beschreibt die CDP als „eine Marketingtechnologie, welche die Kundendaten eines Unternehmens aus dem Marketing und aus anderen Kanälen vereinheitlicht“. 2026 greifen beide Definitionen zu kurz: Eine CDP vereinheitlicht die Kundendaten und ist zugleich die Echtzeitgrundlage der KI-gestützten Aktivierung. Der wichtigste Abnehmer eines einheitlichen Profils ist immer seltener der Analyst und immer häufiger der KI-Agent (AI agent).

Das Wichtigste in Kürze

• Eine Customer Data Platform führt die Kundendaten aus jeder Quelle zusammen – Website, App, CRM, Kassensystem, Kundenservice – und bildet daraus über Identitätsauflösung ein dauerhaftes Profil je Kunde
• Die CDP unterscheidet sich vom CRM, von der DMP und vom Data Warehouse im Umfang: Das CRM verwaltet bekannte Kontakte; die DMP sprach anonyme Zielgruppen über Third-Party-Cookies an, und diese Kategorie ist praktisch verschwunden; das Data Warehouse speichert und wertet Daten aus, aktiviert sie aber nicht; die CDP vereinheitlicht die First-Party-Daten (first-party data) mit geräteübergreifender, dauerhafter Identität und aktiviert sie selbst
• Zur CDP-Software gehören Datenerfassung, Identitätsauflösung, Profilzusammenführung, Zielgruppensegmentierung, Aktivierung in Echtzeit, Analyse, Datenschutzsteuerung und prädiktive Modelle
• Die Kategorie hat drei Generationen durchlaufen: Packaged (Stapelverarbeitung, regelbasiert), Composable (auf dem Data Warehouse, modular) und Agentic (CDP, Messaging und KI in einer Plattform, Rückkopplung in Sekunden)
• Die KI entscheidet 2026 über die Auswahl. Die Frage, von der eine Bewertung abhängt, lautet: Führt die Plattform den Customer Intelligence Loop fortlaufend aus, mit KI-Agenten, die entscheiden, handeln und lernen?
• Die Jahreslizenz einer CDP im Konzernumfeld liegt meist zwischen 200.000 und über 500.000 US-Dollar. Die Gesamtkosten (Total Cost of Ownership) umfassen zusätzlich die Pflege der Integrationen, das Personal in der Datentechnik und den Aufwand für den Datenschutz, besonders bei einer Composable-Architektur
• Das CDP Institute verzeichnet 2026 mehr als 200 CDP-Anbieter weltweit, doch weniger als 20 tauchen regelmäßig in den Bewertungen von Gartner und Forrester auf

Was ist eine Customer Data Platform?

Eine Customer Data Platform gibt dem Marketingteam ein einziges, verlässliches Kundenprofil: Darauf baut das Team Zielgruppen, personalisiert Erlebnisse, stimmt Kampagnen ab und misst die Customer Journey (Kundenreise) über jeden Kanal.

Das Problem, das eine CDP löst, ist strukturell: Die Kundendaten liegen verteilt in Dutzenden Systemen, und kein einzelnes Werkzeug erfasst, vereinheitlicht und aktiviert sie in Echtzeit. Anders als eine Datenbank oder ein Data Warehouse ist die CDP für nutzbare Kundenprofile gebaut. Sie speichert nicht nur, sie löst Identitäten über Kanäle hinweg auf, bildet Segmente und übergibt diese Segmente an die Systeme, die sie brauchen.

Von anderen Werkzeugen für Kundendaten unterscheidet sich die CDP durch die Verbindung von vier Fähigkeiten in einer Plattform:

1. Die Erfassung der Daten an allen Kontaktpunkten, online wie offline
2. Die Identitätsauflösung, die verstreute Datensätze zu einheitlichen Profilen verbindet
3. Die Segmentierung und die Auswertung, die aus Profilen nutzbare Zielgruppen machen
4. Die Aktivierung, die diese Zielgruppen in Echtzeit an die Kanäle übergibt

Keine andere Kategorie vereint alle vier: weder das CRM noch die DMP noch das Data Warehouse. Aus dieser Lücke entstand die Kategorie 2016. Sie hält sich auch, während sich die benachbarten Werkzeuge weiterentwickeln: Keine einzelne Alternative beherrscht Vereinheitlichung und Aktivierung zugleich.

Was macht eine CDP?

Eine Customer Data Platform führt einen fortlaufenden Kreislauf aus Datenerfassung, Profilzusammenführung, Auswertung und kanalübergreifender Aktivierung aus; cdp.com nennt diesen Kreislauf den Customer Intelligence Loop. Dieser Kreislauf beschreibt die Kernfunktion jeder CDP, unabhängig von Anbieter und Architektur.

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

Ein Signal trifft ein: Ein Kunde ruft eine Produktseite auf. Die CDP löst die Identität auf und aktualisiert das einheitliche Profil. Die KI wertet den vollständigen Kontext aus – Verhaltenshistorie, Kaufdaten, bevorzugter Kanal – und entscheidet über die beste Aktion. Die Plattform handelt: Sie verschickt eine Nachricht oder spielt ein personalisiertes Angebot aus. Das Ergebnis (geöffnet, geklickt, gekauft) fließt zurück in das Profil und verbessert die nächste Entscheidung.

Läuft dieser Kreislauf in einer einzigen Plattform und in Sekunden, wird die CDP zu einem lernenden System: Jede Interaktion macht die nächste genauer. Verteilen sich die Stufen auf mehrere Anbieter, verlangsamt sich der Kreislauf. Die KI handelt, lernt aber aus veralteten Daten, weil die Ergebnisdaten in externen Systemen festhängen und Stunden brauchen, bis sie zurückkommen.

Geschlossen wird der Kreislauf im Zusammenspiel von KI und Mensch. KI-Agenten schließen ihn im Betrieb und durchlaufen die fünf Stufen ohne Unterbrechung. Menschen schließen ihn auf der strategischen Ebene: Sie setzen die Ziele, definieren die kreativen und markenbezogenen Leitplanken und greifen ein, wenn das System abdriftet. Keine der beiden Seiten schließt den Kreislauf allein.

Die vier Kernfunktionen im Einzelnen

Quelle: Treasure AI

1. Erfassen: Daten aus jeder Quelle aufnehmen. Eine CDP verbindet sich mit jedem System, das Kundendaten erzeugt: Website, App, CRM, E-Mail-Plattform, Kassensystem, Kundenbindungsprogramm, Servicetickets, Werbeplattformen und vernetzte Geräte. Sie nimmt strukturierte, halbstrukturierte und unstrukturierte Daten über fertige Konnektoren, SDKs, Webhooks und Schnittstellen auf. Die Anforderung heißt hier Vollständigkeit: Ein KI-Agent, der über eine Maßnahme zur Kundenbindung entscheidet, braucht das ganze Bild.

2. Vereinheitlichen: Identitäten zu dauerhaften Profilen auflösen. Die Rohdaten kommen mit unterschiedlichen Kennungen an: E-Mail-Adressen, Geräte-IDs, Kundennummern, Cookie-IDs, CRM-Datensätze. Die Identitätsauflösung verbindet sie über deterministischen Abgleich (exakte Kennungen) und probabilistischen Abgleich (Verhaltensmuster, unscharfe Logik) zu einem einzigen, dauerhaften Kundenprofil. Das Ergebnis ist der Single Customer View, die einheitliche Kundensicht: ein Datensatz, der sich in Echtzeit fortschreibt.

3. Entscheiden: die Kundendaten auswerten. Einfache CDPs lassen das Marketingteam Segmente von Hand nach Regeln bauen. Fortgeschrittene CDPs wenden maschinelles Lernen (Machine Learning) auf das einheitliche Profil an und bestimmen daraus die beste Aktion je Kunde: Predictive Analytics für Churn und Kundenwert, von der KI entdeckte Kundensegmente und eine Next Best Action (nächstbeste Aktion), die den vollständigen Kontext in Echtzeit bewertet.

4. Aktivieren: über die Kanäle ausspielen. Ein einheitliches Profil samt intelligenter Entscheidung nützt nichts, wenn die Plattform nicht handeln kann. Datenaktivierung (data activation) heißt, die richtige Botschaft zum richtigen Zeitpunkt an den richtigen Kunden auszuliefern: per E-Mail, SMS, Push-Nachricht, Nachricht in der App, bezahlten Medien oder Brief. In Deutschland läuft der größte Teil der Kundenbeziehung über die E-Mail, und die CDP muss den Stand der Einwilligung Zweck für Zweck bis zum Versandzeitpunkt mitführen. CDPs mit eigenem Messaging entscheiden und handeln in derselben Plattform und schließen die Rückkopplung in Sekunden.

Lesen Sie auch: Was First-Party-Daten sind und warum sie zählen (auf Englisch)

Funktionen einer CDP-Software

Eine CDP-Software vereint Fähigkeiten, die sie von allgemeinen Datenwerkzeugen trennen. Wer Plattformen bewertet, prüft diese Funktionen:

Datenerfassung und Konnektoren. Die CDP muss sich mit jeder Kundendatenquelle der Systemlandschaft verbinden: CRM, E-Mail, Webanalyse, App, Kassensystem, Kundenservice, Werbung. Der Vergleich dreht sich um die fertigen Konnektoren, um das Streaming von Ereignissen in Echtzeit (nicht nur den Import in Stapeln) und um die Anbindung eigener Quellen über Schnittstellen und Webhooks.

Identitätsauflösung. Die CDP verbindet Datensätze aus verschiedenen Systemen über deterministischen und probabilistischen Abgleich. Diese Funktion ist die Grundlage: Ohne genaue Identitätsauflösung verschlechtert sich jede nachgelagerte Fähigkeit. Der Abgleich per maschinellem Lernen gehört bei den führenden Plattformen zum Standard, doch die Genauigkeit beim Übergang vom anonymen zum bekannten Besucher schwankt weiterhin stark.

Profilzusammenführung. Über den Abgleich hinaus muss die CDP die Daten entdoppeln und zu einem sauberen, dauerhaften Profil verschmelzen, das sich bei jeder Interaktion anreichert. Dazu gehören die Prüfung, die Normalisierung und die Auflösung von Konflikten, wenn zwei Quellen einander widersprechen.

Zielgruppensegmentierung (audience segmentation). Das Marketingteam baut Segmente nach Verhalten, Merkmalen, Ereignissen und Vorhersagewerten selbst, ohne SQL und ohne Ticket an die IT. Fortgeschrittene Plattformen bieten eine KI-gestützte Segmentierung, die wertvolle Kohorten selbst entdeckt.

Aktivierung in Echtzeit. Die CDP übergibt Segmente und einzelne Profildaten an die nachgelagerten Systeme – E-Mail, SMS, Werbeplattformen, Personalisierungs-Engines, Analyse – in Echtzeit statt in Stapeln. Eine Echtzeit-CDP liefert Profile mit der Geschwindigkeit einer Schnittstelle aus und personalisiert dadurch noch in derselben Sitzung.

Analyse und Auswertung. Eingebaute Dashboards zeigen die Leistung der Segmente, die Analyse der Customer Journey, die Marketing-Attribution und die Kampagnenmessung. Die CDP liefert den einen verbindlichen Stand der Kundenkennzahlen über alle Kanäle.

Datenschutz, Consent-Management und Data Governance. Die Einwilligung in Cookies und den Zugriff auf Endgeräte holt das Banner ein, also die Consent-Management-Plattform (CMP), nicht die CDP. Die CDP übernimmt diesen Stand Zweck für Zweck, hält ihn aktuell und wendet ihn bei jeder Aktivierung kanalweise an; dazu bedient sie Auskunfts- und Löschanfragen und steuert die Zugriffe nach Rollen. Erst das macht die Einhaltung des Datenschutzrechts prüfbar. Den Rahmen setzt die Datenschutz-Grundverordnung (DSGVO, englisch GDPR). In Deutschland ergänzen das Bundesdatenschutzgesetz (BDSG) und das TDDDG (bis Mai 2024 TTDSG) die Verordnung; das TDDDG regelt in § 25 die Einwilligung für den Zugriff auf Endgeräte. Für das amerikanische Geschäft kommt der CCPA hinzu, für weitere Märkte die übrigen Datenschutzvorschriften. An derselben Stelle gehören die veröffentlichten Zertifizierungen und die Region des Profilspeichers auf den Prüfstand.

KI und prädiktive Modelle. Die CDP sagt den Churn (die Kundenabwanderung) voraus, schätzt den Customer Lifetime Value (den Kundenwert), empfiehlt die nächstbeste Aktion und bringt Fähigkeiten für das agentische Marketing mit. Die fortgeschrittensten Plattformen haben die KI im Produkt selbst und entscheiden damit in einem geschlossenen Rückkopplungskreis.

Was eine CDP dem Unternehmen bringt

Eine Customer Data Platform erzeugt messbaren Wert, weil sie Datensilos auflöst, Personalisierung in der Breite möglich macht und dem KI-gestützten Marketing eine einheitliche Datengrundlage gibt. Das sind die wichtigsten Effekte.

Einheitliche Kundensicht. Die CDP führt die Daten aller Kontaktpunkte zu einem Single Customer View zusammen. Ein Händler stellte fest, dass 23 % seiner „eindeutigen“ Kunden Dubletten zwischen E-Mail, Kundenbindungsprogramm und Kasse waren; die Entdoppelung zeigte den tatsächlichen Kundenbestand und korrigierte die Berechnung des Kundenwerts.

Bessere Personalisierung. Mit einem vollständigen Profil erreicht die Personalisierung jeden Kanal statt nur die E-Mail. Laut McKinsey erzielen Unternehmen, die in der Personalisierung herausragen, aus diesen Aktivitäten 40 % mehr Umsatz als der Marktdurchschnitt (McKinsey, 2021).

Schnellere Segmentierung. Die Segmentierung in Eigenregie verkürzt den Aufbau eines Segments von Tagen auf Minuten und beendet die Abhängigkeit vom Datenteam bei jeder Kampagne. Kanalübergreifende Segmente verbinden Onlineverhalten, Kaufhistorie und Offlinekontakte.

Stärkere Kampagnen. Ausschlusslisten und Frequenzbegrenzung verhindern die Übersteuerung der Ansprache. Laut Forrester verbessern Organisationen mit einheitlichen Kundenprofilen ihre Marketingeffizienz um 15 bis 25 %, weil sie doppelte Botschaften vermeiden und die Ansprache über die Kanäle abstimmen (Forrester, 2023).

Weniger Streuverlust in der Werbung. Bestandskunden lassen sich aus Neukundenkampagnen ausschließen, und die wertvollsten unter ihnen dienen als Grundlage für Lookalike-Zielgruppen. Die Boston Consulting Group maß bei Marken, die First-Party-Daten für ihre zentralen Marketingfunktionen einsetzen, bis zu 2,9-mal mehr Umsatz und 1,5-mal höhere Einsparungen als bei Marken, die sich auf Third-Party-Daten stützen (BCG, 2022).

Kundenbindung. Die Churn-Vorhersage per KI erkennt den gefährdeten Kunden und löst die Maßnahme aus, bevor er abwandert. Das ist einer der ersten KI-Anwendungsfälle, die ein Marketingteam auf einer einheitlichen Datengrundlage in Betrieb nimmt.

Datenschutz und Governance. Zentrale Einwilligungsverwaltung und Data Governance setzen die Datenschutzvorgaben durch und bearbeiten Löschanfragen aus einem einzigen System, was das Risiko über die gesamte Marketing-Infrastruktur senkt. Der Datenschutzbeauftragte gewinnt damit einen Prüfpunkt statt einer Liste von Werkzeugen, die er einzeln abfragen muss. Ab 20 Personen, die ständig mit der automatisierten Verarbeitung personenbezogener Daten beschäftigt sind, muss ein nicht öffentliches Unternehmen diese Funktion nach § 38 Abs. 1 BDSG ohnehin benennen.

Schnellere Aktivierung über die Abteilungen. Marketing, Vertrieb, Kundenservice und Analyse arbeiten auf denselben Profilen, sparen sich den Abgleich der Datenstände und kommen schneller ins Handeln.

Vorher und nachher: Was sich mit einer CDP ändert

Anwendungsfälle einer CDP

Die Anwendungsfälle einer CDP liegen auf drei Stufen – einheitliche Daten, personalisierte Aktivierung und Ergebnisse aus der KI – und die meisten Organisationen beginnen auf der Grundstufe und steigen von dort auf. Jede Stufe setzt auf den Fähigkeiten der Stufe darunter auf.

Grundlage: einheitliche Daten

• Einheitliche Kundensicht: die Datensätze aller Systeme zu einem dauerhaften Profil je Kunde verschmelzen
• Zielgruppensegmentierung: kanalübergreifende Segmente ohne SQL und ohne Unterstützung der IT bauen
• Ausschluss und Frequenzbegrenzung: die Übersteuerung vermeiden, indem alle Kontakte aller Kanäle an einer Stelle erfasst werden
• Governance und Einwilligung: Datenschutzvorgaben durchsetzen, die Einwilligung zentral verwalten und Löschanfragen nach DSGVO und BDSG aus einem System bearbeiten

Aktivierung: personalisierte Kampagnen

• Personalisierte E-Mail und Lebenszyklusmarketing: Botschaft, Angebot und Inhalt am vollständigen Profil ausrichten statt nur am Verhalten in der E-Mail
• Steuerung der Werbeausgaben: Bestandskunden aus Neukundenkampagnen ausschließen und Lookalike-Zielgruppen aus den wertvollsten Bestandskunden bilden
• Orchestrierung der Customer Journey: mehrstufige, kanalübergreifende Abläufe entwerfen und automatisieren, die sich am Verhalten ausrichten
• Kontext für den Kundenservice: dem Servicemitarbeiter die vollständige Historie aus Käufen, Kontakten und Präferenzen geben
• Wissen für den Vertrieb: den CRM-Datensatz um Verhaltens- und Interaktionsdaten anreichern und die Ansprache genauer zuschneiden

Intelligenz: Ergebnisse aus der KI

• Churn-Vorhersage und vorausschauende Kundenbindung: die KI erkennt den gefährdeten Kunden und löst die Maßnahme vor seinem Abgang aus
• Next Best Action: die Entscheidung in Echtzeit wählt Botschaft, Kanal und Zeitpunkt für jede Person
• Steuerung des Umsatzes: die KI verteilt das Marketingbudget nach dem erwarteten zusätzlichen Wert über die Kanäle
• Agentisches Marketing: eigenständige KI-Agenten führen die Interaktion von Anfang bis Ende, entscheiden, handeln und lernen fortlaufend

Lesen Sie auch: CDP-Anwendungsfälle: über 20 Beispiele nach Branche und Funktion (auf Englisch) | Wie sich CDP-Anwendungsfälle entwickeln lassen (auf Englisch)

CDP, CRM, DMP und Data Warehouse im Vergleich

Die CDP unterscheidet sich vom CRM, von der DMP und vom Data Warehouse im Zweck wie in der Architektur: Sie ist die einzige Plattform, die First-Party-Daten mit dauerhafter Identitätsauflösung vereinheitlicht und für die KI-gestützte Aktivierung in Echtzeit bereitstellt. Das CRM verwaltet bekannte Kontakte für Vertrieb und Service. Die DMP sprach anonyme Zielgruppen aus Third-Party-Cookies an, und die Kategorie ist praktisch verschwunden, seit Safari und Firefox diese Cookies standardmäßig blockieren. Das Data Warehouse speichert und durchsucht die Unternehmensdaten, ohne Identitäten aufzulösen und ohne selbst zu aktivieren. Die CDP liegt zwischen diesen Systemen als Schicht der Vereinheitlichung und der Aktivierung: Sie macht die übrige Systemlandschaft nützlicher, weil jedes System ein vollständiges, aktuelles Kundenprofil erhält.

Die ausführliche Gegenüberstellung steht im Glossareintrag CDP: Definition und Bedeutung (auf Englisch). Für die einzelnen Vergleiche: CDP vs. CRM | CDP vs. DMP | Ist Snowflake eine CDP? | Was ist Databricks CustomerLake? (auf Englisch)

Die drei Generationen der CDP

Die Customer Data Platforms haben drei Architekturgenerationen durchlaufen – Packaged, Composable und Agentic – und jede schließt den Customer Intelligence Loop schneller als die vorige. Wer diese drei Typen kennt, ordnet die Fähigkeiten einer Plattform dem eigenen Bedarf zu.

Die Packaged CDPs (Generation 1, 2016 bis 2018) bewiesen die Existenzberechtigung der Kategorie, indem sie Kundendaten zu dauerhaften Profilen vereinheitlichten. Sie arbeiten in Stapeln, nach Regeln und für Kampagnen, die Menschen steuern. Sie eignen sich für Organisationen mit überschaubarem Vereinheitlichungsbedarf und geringen Ansprüchen an die KI.

Die Composable CDPs (Generation 2, seit 2020) setzen spezialisierte Werkzeuge auf das Data Warehouse und geben dem Datenteam damit Kontrolle und Portabilität. Der Preis dafür: Der Kreislauf verlangsamt sich an den Anbietergrenzen, und jede Synchronisierung zur Aktivierung kopiert personenbezogene Daten in externe Werkzeuge. Sie passen zu Organisationen mit erfahrener Datentechnik, einem bereits bezahlten Data Warehouse und überwiegend stapelorientierten Anwendungsfällen.

Die Agentic CDPs (Generation 3, seit 2024) vereinen CDP, Messaging und KI in einem Produkt. Tomasz Tunguz schreibt dazu in AI’s Bundling Moment: „The SaaS playbook rewarded specialization. The AI playbook rewards breadth.“ (Das Vorgehen im SaaS-Geschäft begünstigte die Spezialisierung, das Vorgehen im KI-Geschäft begünstigt die Breite.) In diese Richtung bewegen sich Adobe Real-Time CDP (AI Assistant), Salesforce Data Cloud (Agentforce) und Treasure AI (vormals Treasure Data). Diese Generation richtet sich an Organisationen, die Entscheidungen der KI in Echtzeit, eine geschlossene Rückkopplung und eine kanalübergreifende Aktivierung ohne Zwischenstationen brauchen.

Lesen Sie auch: Packaged oder Composable: eine überholte Gegenüberstellung (auf Englisch) | Wie die KI die CDP neu definiert (auf Englisch)

Wie ein Unternehmen eine CDP auswählt

Wer eine Customer Data Platform auswählt, misst die Fähigkeiten der Plattform an den eigenen Anwendungsfällen, an der Komplexität der Daten und an der Reife der Organisation. Die folgenden Kriterien wiegen am schwersten; eine RFP-Vorlage (auf Englisch) macht daraus einen bewerteten Fragebogen für jeden Anbieter.

Datenquellen und Integrationen. Das bewertende Team erfasst zuerst jedes System, das Kundendaten erzeugt. Die CDP braucht fertige Konnektoren für die zentralen Systeme – CRM, E-Mail, Webanalyse, Kassensystem, App – und offene Schnittstellen für eigene Quellen. Den Ausschlag geben die Zahl der Konnektoren, die Verzögerung bei der Erfassung und der Pflegeaufwand.

Güte der Identitätsauflösung. Das Team prüft die Plattform an den eigenen Datenquellen, nicht an denen des Anbieters. Der deterministische Abgleich über E-Mail-Adresse, Telefonnummer oder Kundennummer ist das Minimum; den Unterschied macht die Genauigkeit des probabilistischen Abgleichs beim Übergang vom anonymen zum bekannten Besucher und beim Verbinden mehrerer Geräte.

Die IT und der Datenschutzbeauftragte stellen an derselben Stelle eine Anforderung, die in der Produktvorführung selten vorkommt: die Nachvollziehbarkeit der Zusammenführungen. Der Anbieter zeigt für ein bestimmtes Profil, welche Kennung welche Datensätze verbunden hat, zu welchem Zeitpunkt und nach welcher Regel. Er zeigt ebenso, wie sich eine falsche Zusammenführung zurücknehmen lässt, ohne das Profil neu aufzubauen. Der probabilistische Abgleich verlangt zusätzlich eine Dokumentation für das Verzeichnis der Verarbeitungstätigkeiten, denn eine abgeleitete Identität ist selbst ein personenbezogenes Datum.

Echtzeit oder Stapel. Gehören Personalisierung in der laufenden Sitzung, Angebotsentscheidungen in Echtzeit oder dynamische Preise zu den vorrangigen Anwendungsfällen, braucht die Organisation Profilabfragen unterhalb einer Sekunde. Liegt der Schwerpunkt auf Segmentierung und Kampagnensteuerung, wiegt die Latenz weniger. Den Beleg liefert ein Proof of Concept mit echten Profilabfragen auf dem eigenen Datenvolumen, nicht das Datenblatt.

Beweglichkeit der Segmentierung. Hier zählt, ob das Marketingteam Segmente selbst baut oder die Datentechnik dafür braucht. Darüber entscheiden die Segmentierung über Verhaltensereignisse, die verschachtelte Logik, die Filter auf Vorhersagewerte und die Verbindung von Online- und Offlinemerkmalen.

Ziele der Aktivierung. Die CDP muss Zielgruppen an jeden genutzten Kanal übergeben: E-Mail, SMS, Push, Werbeplattformen, Personalisierungs-Engines, Analysewerkzeuge. Offen bleibt die Frage, ob die Aktivierung in Echtzeit oder in Stapeln läuft und ob die Plattform eigenes Messaging mitbringt oder ein externes Versandsystem voraussetzt. WhatsApp ist in Deutschland ein einwilligungspflichtiger Kanal; der Kanal gehört deshalb nur mit dieser Einwilligung in die Anforderungsliste.

Datenschutz und Nachweispflichten. In regulierten Branchen zählen die Steuerung des Speicherorts, der Ablauf für das Recht auf Löschung und die veröffentlichten Sicherheitszertifizierungen wie ISO 27001 und SOC 2. Die IT fragt nach der Region des Profilspeichers und nach der Liste der weiteren Auftragsverarbeiter; sitzt der Anbieter außerhalb der EU, kommt die Frage nach dem Übermittlungsmechanismus hinzu, also nach Angemessenheitsbeschluss oder Standardvertragsklauseln. Der Auftragsverarbeitungsvertrag (AVV) nach Art. 28 DSGVO gehört vor die Unterschrift, nicht hinter den ersten Datenimport. Für die Aufsicht zuständig ist die Landesdatenschutzbehörde am Sitz des Unternehmens. Zuletzt zählt, wie viele Anbietergrenzen die personenbezogenen Daten während der Aktivierung überqueren müssen.

Aufwand der Einführung. Die übliche Dauer bis zum Produktivbetrieb und der Bedarf an einem Systemintegrator gehören in dieselbe Bewertung. Referenzkunden der eigenen Größenordnung und Branche geben darüber verlässlicher Auskunft als die Präsentation des Anbieters.

Wachstum. Die Plattform muss das heutige Profilvolumen und das erwartete Wachstum tragen. Die Lastprobe gehört an die Spitzen des deutschen Handelskalenders: Black Friday, Cyber Week und Weihnachtsgeschäft. Danach folgt die Rechnung, wie sich das Wachstum auf den Preis auswirkt.

Preismodell. Der CDP-Preis bemisst sich je Profil, je Ereignis, als Plattformgebühr oder als Mischung aus diesen Größen. Die Rechnung umfasst die Gesamtkosten über drei Jahre, einschließlich Einführung, Pflege der Integrationen und Personal.

Passung von Anbieter und Betreuung. Branchenerfahrung des Anbieters, Betreuungsmodell und Übereinstimmung der Produktplanung mit den eigenen Prioritäten schließen die Liste ab.

Lesen Sie auch: Die richtige CDP auswählen (auf Englisch) | Eine CDP im KI-Zeitalter bewerten (auf Englisch) | Den Geschäftsfall für eine CDP aufbauen (auf Englisch)

Für unabhängige Anbieterbewertungen untersucht der IDC MarketScape 2026 für KI-gestützte Customer Data Platforms (auf Englisch) (Dok. Nr. US53952526), wie die einzelnen Plattformen die KI auf Datenanbindung, Zielgruppenaufbau, Analyse und Kampagnenabläufe anwenden.

Was kostet eine CDP?

Der Preis einer Customer Data Platform schwankt stark nach Datenvolumen, Funktionsumfang und Betriebsmodell, und die meisten Plattformen für größere Unternehmen arbeiten auf Angebotsbasis.

Die Spannen beruhen auf den 2025 und 2026 veröffentlichten Preisen der Anbieter und auf der Marktanalyse von cdp.com; sie entsprechen der ausführlichen Aufstellung unter CDP-Preise (auf Englisch), die Listenpreise je Anbieter und gerechnete Budgetbeispiele enthält. Die Preislisten der internationalen Anbieter sind in US-Dollar ausgewiesen. In welcher Währung abgerechnet wird, regelt der Vertrag, und über drei Jahre entscheidet diese Klausel, wer das Wechselkursrisiko trägt: Ein Budget in Euro auf einer Liste in US-Dollar braucht deshalb den Kurs und das Datum des Angebots.

Was den Preis nach oben treibt:

• Die Zahl der Kundenprofile: die meisten CDPs rechnen zuerst nach aktiven Profilen ab
• Das Ereignisvolumen: Geschäftsmodelle mit hoher Taktung wie Onlinehandel, Medien und SaaS überschreiten die Schwellen des Preises je Ereignis
• Die Zahl der Integrationen: jeder Konnektor und jedes Aktivierungsziel kostet unter Umständen extra
• Der Funktionsumfang: KI, fortgeschrittene Identitätsauflösung und Aktivierung in Echtzeit liegen häufig in den oberen Stufen
• Der Grad der Betreuung: feste Ansprechpartner, zugesicherte Servicezeiten und Beratungsleistungen

Was im Budget gern fehlt:

• Die Einführung: 15.000 bis über 500.000 USD, abhängig von der Architektur mehr als von der Komplexität der Daten. Agentische Projekte mit fertigen Konnektoren liegen am unteren Rand, bei 4 bis 8 Wochen; Suite-Projekte mit Systemintegrator am oberen, bei 6 bis 18 Monaten
• Datenmodellierung und Governance: Schemata, Einwilligungskonzepte und Regeln für die Datenqualität festlegen
• Personal in der Datentechnik: vor allem bei Composable-Architekturen, deren Datenstrecken laufende Pflege brauchen
• Aufwand für den Datenschutz: Verwaltung personenbezogener Daten, Vorbereitung von Prüfungen und Löschabläufe über Anbietergrenzen hinweg

Der Vergleich gilt den Gesamtkosten über drei Jahre, nicht der Jahreslizenz. Composable-Architekturen, die beim Einstieg günstiger wirken, wachsen überproportional, sobald die Kosten je synchronisierter Zeile, die Arbeitszeit der Datentechnik und die Steuerung mehrerer Anbieter hinzukommen.

Lesen Sie auch: CDP-Preise: Modelle, Spannen und verdeckte Kosten (auf Englisch)

Die Einführung einer CDP Schritt für Schritt

Eine gelungene Einführung verläuft in Phasen: Am Anfang stehen klare Geschäftsziele, danach kommen Datenquellen, Anwendungsfälle und Aktivierungskanäle nach und nach hinzu. Im Mittelstand dauert die Einführung meist 8 bis 12 Wochen; im Konzern mit komplexen Datenumgebungen, mehreren Regionen und eigener Identitätslogik sind 16 bis 24 Wochen üblich, und ein gestufter Rollout zieht sich über 3 bis 6 Monate.

1. Geschäftsziele und Anwendungsfälle festlegen. Beginnen Sie mit zwei oder drei Anwendungsfällen mit hoher Wirkung, etwa dem Ausschluss von Bestandskunden, der Personalisierung der E-Mail oder dem einheitlichen Kundenprofil. Klare Erfolgskriterien halten den Umfang zusammen und machen den Nutzen messbar.

2. Datenquellen erheben und priorisieren. Erfassen Sie jedes System, das Kundendaten enthält. Priorisieren Sie nach Wirkung auf den Anwendungsfall: CRM, Webanalyse, E-Mail und Transaktionsdaten kommen in der Regel zuerst. App, Kundenservice und vernetzte Geräte folgen in späteren Phasen.

3. Governance und Einwilligung klären. Legen Sie Datenverantwortung, Zugriffsrechte, Löschfristen und das Einwilligungskonzept fest, bevor die erste Quelle angebunden wird. Lassen Sie Rechtsgrundlage und Zweck jeder Verarbeitung vorab vom Datenschutzbeauftragten prüfen: Diese Zuordnung nachträglich zu erstellen, kostet deutlich mehr. Klären Sie im selben Schritt, ob die Zusammenführung der Profile eine Datenschutz-Folgenabschätzung nach Art. 35 DSGVO auslöst.

4. Profile vereinheitlichen und Identitäten auflösen. Binden Sie die vorrangigen Quellen an und konfigurieren Sie die Regeln der Identitätsauflösung. Prüfen Sie die Trefferqualität gegen bekannte Kundendatensätze. Bereinigen und entdoppeln Sie die Profile, bevor Sie aktivieren.

5. Die ersten Segmente bauen. Legen Sie die Segmente an, die Ihre ersten Anwendungsfälle verlangen. Beginnen Sie mit einfachen, wirksamen Segmenten wie aktiven Kunden, abwanderungsgefährdeten Kunden und Interessenten mit hohem erwartetem Wert, bevor Sie zu verhaltensbasierten oder prädiktiven Segmenten übergehen.

6. Aktivierungskanäle anbinden. Verbinden Sie die CDP mit den Werkzeugen aus Marketing, Vertrieb und Service: E-Mail-Plattformen, Werbekonten, Personalisierungs-Engines, Analyse. Prüfen Sie, ob die Zielgruppen an jedem Ziel korrekt ankommen.

7. Wirkung messen und nachsteuern. Verfolgen Sie die Kennzahlen jedes Anwendungsfalls vom ersten Tag an. Erweitern Sie nach den Ergebnissen um weitere Quellen, Segmente und Kanäle. Fortgeschrittene Fähigkeiten wie Entscheidungen der KI und prädiktive Modelle folgen meist in einer zweiten Phase.

Lesen Sie auch: Leitfaden zur CDP-Einführung: Phasen, Zeitpläne und Fallstricke (auf Englisch)

Beispiele für Customer Data Platforms

Customer Data Platforms bedienen unterschiedliche Branchen und Anwendungsfälle, und die passende Plattform hängt von den Anforderungen der Organisation ab. Das sind die verbreiteten Einsatzmuster.

CDPs im Handel und im Onlinehandel verbinden Kasse, Onlineshop, Kundenbindungsprogramm und App und ermöglichen damit Produktempfehlungen, Kampagnen zum abgebrochenen Warenkorb und ein einheitliches Profil über Filiale und Digitalgeschäft hinweg. Im deutschen Handel kommt ein eigener Bruch hinzu: Der Kauf auf Rechnung, die SEPA-Lastschrift und die Zahlung über PayPal oder Klarna hinterlassen je eigene Kennungen, und ohne Identitätsauflösung zerfällt die Kaufhistorie genau dort, wo der Wiederkauf entschieden wird. Siehe CDP für den Handel und CDP für den Onlinehandel (auf Englisch).

CDPs im B2B lösen Identitäten auf Ebene des Kundenunternehmens auf, verbinden Produktnutzungsdaten mit CRM und Marketing-Automation (Marketing-Automatisierung) und öffnen das Marketing für Schlüsselkunden mit einer Bewertung der Leads nach tatsächlicher Nutzung. Siehe CDP für SaaS (auf Englisch).

CDPs im Konzernumfeld tragen mehr als 100 Millionen Profile, mit Datenhaltung in mehreren Regionen, Sicherheitszertifizierungen und tiefer Anbindung an komplexe Systemlandschaften.

Composable CDPs setzen modulare Werkzeuge auf ein vorhandenes Data Warehouse, lassen dem Datenteam die Kontrolle über die Datenschicht und aktivieren über Reverse ETL. Dieses Muster funktioniert in Organisationen mit erfahrener Dateninfrastruktur und überwiegend stapelorientierten Anwendungsfällen.

CDPs für die Personalisierung in Echtzeit liefern Profile mit der Geschwindigkeit einer Schnittstelle aus und entscheiden in der laufenden Sitzung: dynamische Inhalte auf der Website, Angebotsauswahl in Echtzeit und die nächstbeste Aktion über alle Kanäle.

Für den deutschen Markt betrachtet cdp.com sechs Anbieter von Customer Data Platforms, alphabetisch: Adobe Real-Time CDP, Salesforce Data Cloud, SAP Customer Data Platform, Tealium, Treasure AI und Zeotap. Zwei davon haben deutsche Wurzeln: der Softwarekonzern SAP und Zeotap. Zeotap hat seinen Hauptsitz in Berlin. Diese Plattformen unterscheiden sich in der Architektur (Packaged, Composable oder Agentic), im Vorgehen bei der Identitätsauflösung, in den Echtzeitfähigkeiten, in der Reife der KI und im Preismodell. Die Liste erschöpft den internationalen Markt nicht.

Für den Vergleich Anbieter für Anbieter nach Betriebsmodell, Preis, KI-Fähigkeiten und Branchenpassung dient der Leitfaden zu den CDP-Anbietern (auf Englisch). Die aktuellen Analystenarbeiten sammelt die Übersicht der Branchenstudien zu Customer Data Platforms (auf Englisch).

Wer die Begriffe vertiefen möchte, von der Vereinheitlichung der Daten über die Identitätsauflösung bis zur KI-gestützten Aktivierung, findet im CDP-Training von Treasure AI (auf Englisch) einen strukturierten Lernpfad für Fachleute aus Marketing und Datentechnik.

CDPs im Betrieb: Subaru, AB InBev und Extraco Banks

Drei Kundenprojekte von Treasure AI zeigen diese Mechanik im Betrieb, alle drei außerhalb Deutschlands: Subaru vereinheitlichte Händler-, Digital- und CRM-Daten, um kaufbereite Interessenten zu erreichen; AB InBev führte 90 Millionen Kundendatensätze aus mehr als 2.000 Quellen zusammen; und Extraco Banks setzte KI-Agenten auf einheitliche CDP-Profile, um die nächstbeste Aktion sichtbar zu machen.

Subaru: 350 % mehr Klicks auf Anzeigen. Händlerdatensätze, digitales Verhalten und CRM-Historie wurden zu einem Profil je Kunde aufgelöst. Das Marketingteam fand kaufbereite Interessenten über alle Kanäle, statt die Absicht aus Berichten je Kanal abzuleiten, und erzielte 26 Millionen US-Dollar zurechenbaren Umsatz. (Zur vollständigen Fallstudie über Subaru, auf Englisch)

AB InBev: 90 Millionen Kundendatensätze aus mehr als 2.000 Quellen. Die Marken der Brauereigruppe arbeiten in mehr als 50 Ländern, jedes mit eigenen Systemen. Die Zusammenführung in einer Plattform beendete den wochenlangen Vorlauf der Datenaufbereitung, der bis dahin jeder abgestimmten weltweiten Kampagne vorausging. (Zur vollständigen Fallstudie über AB InBev, auf Englisch)

Extraco Banks: 27 % mehr Kampagnenabschlüsse im Jahresvergleich. Die amerikanische Regionalbank legte eine Schicht aus KI-Agenten über die einheitlichen Profile der CDP, sodass die Fachbereiche die Kundendaten in natürlicher Sprache abfragten und der nächstbesten Aktion folgten, ohne die Datentechnik einzuschalten. Das ist das agentische Muster in einer regulierten Branche. (Zur vollständigen Fallstudie über Extraco Banks, auf Englisch)

Alle drei Unternehmen sind Kunden von Treasure AI, und die Zahlen stammen von ihnen selbst, ohne unabhängige Prüfung. Die Prozentwerte sind Hinweise eines einzelnen Anbieters, kein Marktmaßstab. Was sich verallgemeinern lässt, ist die Mechanik: ein dauerhaftes Profil je Kunde und ein kürzerer Weg vom Signal zur Handlung.

FAQ

Was ist eine CDP?

Eine CDP (Customer Data Platform, deutsch Kundendatenplattform) ist eine Software, die Kundendaten aus allen Quellen aufnimmt, diese Daten über Identitätsauflösung zu dauerhaften Profilen vereinheitlicht und diese Profile für Aktivierung, KI-Entscheidungen und Analyse bereitstellt. Anders als ein CRM oder ein Data Warehouse ist die CDP darauf gebaut, ein vollständiges und nutzbares Bild jedes Kunden zu erzeugen: Onlineverhalten, Offlinetransaktionen und Kontakte über alle Kanäle in einem Profil.

Wofür steht die Abkürzung CDP?

Die Abkürzung CDP steht für Customer Data Platform, auf Deutsch Kundendatenplattform. In der Marketingtechnologie bezeichnet CDP damit die Plattform, die Kundendaten vereinheitlicht und aktiviert. Dieselbe Abkürzung steht im deutschen Sprachgebrauch zugleich für das Carbon Disclosure Project, eine Organisation der Klimaberichterstattung. Der Kontext entscheidet: In Texten zur Marketingtechnologie ist die Customer Data Platform gemeint.

Was macht eine Customer Data Platform?

Eine Customer Data Platform erfasst Kundendaten aus allen Quellen, löst Identitäten zu einheitlichen Profilen auf, ermöglicht die Zielgruppensegmentierung und aktiviert die Daten über die Kanäle. Die CDP führt einen fortlaufenden Kreislauf aus – erfassen, vereinheitlichen, verstehen, entscheiden, ansprechen –, der personalisiertes Marketing, Entscheidungen der KI und ein durchgängiges Kundenerlebnis in der Breite ermöglicht.

Was ist der Unterschied zwischen CDP und CRM?

Ein CRM hält die bekannten Interaktionen fest – Vertriebsgespräche, E-Mails, Servicetickets –, während eine CDP die Daten aller Quellen vereinheitlicht, auch das anonyme Verhalten. Das CRM ist auf Vertriebs- und Serviceabläufe zugeschnitten und lebt von Hand erfassten Daten. Die CDP nimmt Verhaltens-, Transaktions- und Interaktionsdaten jedes Kontaktpunkts automatisch auf und löst sie zu einheitlichen Profilen auf. Die meisten Organisationen betreiben beides: das CRM für die Beziehung, die CDP als Datengrundlage.

Was ist der Unterschied zwischen CDP und DMP?

Eine DMP sammelte anonyme Daten aus Third-Party-Cookies für die Werbeaussteuerung; eine CDP sammelt identifizierte First-Party-Daten für die Aktivierung über alle Kanäle. Die DMP hielt die Daten nur kurz, üblicherweise 90 Tage, und stützte sich auf Third-Party-Cookies, die Safari und Firefox heute standardmäßig blockieren. Die CDP speichert dauerhaft, baut geräteübergreifende Identity Graphs auf und aktiviert in Marketing, Vertrieb und Service. Die Kategorie DMP ist praktisch verschwunden.

Was ist der Unterschied zwischen einer CDP und einem Data Warehouse?

Ein Data Warehouse speichert und durchsucht große Datenbestände für die Analyse, bringt aber weder Identitätsauflösung noch Profilauslieferung in Echtzeit noch eigene Marketingaktivierung mit. Die CDP fügt die Schichten für Identität, Segmentierung und Aktivierung hinzu, die aus Rohdaten nutzbare Kundenprofile machen. Viele CDPs binden ein vorhandenes Data Warehouse an: Das Warehouse bleibt die analytische Grundlage, die CDP fügt den operativen Teil hinzu.

Wer braucht eine CDP?

Eine Organisation braucht eine CDP, wenn die Kundendaten in fünf oder mehr Systemen liegen, wenn die Personalisierung von manuellen Exporten abhängt oder wenn sie KI-gestütztes Marketing ohne einheitliche Datengrundlage plant. Den größten Nutzen ziehen Mittelstand und Konzerne mit komplexen, kanalübergreifenden Kundenbeziehungen. In regulierten Branchen wie Gesundheit und Finanzdienstleistung kommt die zentrale Verwaltung von Einwilligung und Governance hinzu.

Was kostet eine CDP?

Der Preis liegt im Mittelstand zwischen 60.000 und 200.000 US-Dollar im Jahr und im Konzernumfeld zwischen 200.000 und über 500.000 US-Dollar. Ausschlaggebend sind das Profilvolumen, das Ereignisvolumen, die Zahl der Integrationen, der Funktionsumfang und der Grad der Betreuung. Für die Einführung kommen 15.000 bis über 500.000 US-Dollar hinzu; diese Spanne entscheidet sich an der Architektur mehr als am Datenvolumen.

Welche Anwendungsfälle hat eine CDP?

Am häufigsten sind das einheitliche Kundenprofil, die Zielgruppensegmentierung, die personalisierte E-Mail, die Steuerung bezahlter Medien über Ausschlusslisten und Lookalike-Zielgruppen, die Churn-Vorhersage, die Orchestrierung der Customer Journey und die KI-gestützte nächstbeste Aktion. Die meisten Organisationen starten mit Vereinheitlichung und Ausschluss, weil diese Fälle am schnellsten wirken, und gehen danach zu Personalisierung und KI über.

Wie wählt man eine CDP aus?

Ein Unternehmen bewertet die Plattformen nach Datenanbindung, Güte der Identitätsauflösung, Echtzeitfähigkeit, Beweglichkeit der Segmentierung, Aktivierungszielen, Einhaltung von DSGVO, BDSG und TDDDG, Aufwand der Einführung und Gesamtkosten. Am Anfang stehen zwei oder drei vorrangige Anwendungsfälle; an ihnen misst sich jede Plattform. Der Datenschutzbeauftragte gehört von der ersten Anforderungsliste an in die Auswahl, nicht erst in die Vertragsprüfung.

Was bedeutet CDP im Marketing?

Im Marketing bezeichnet „CDP“ das Kundendatensystem, das die Marketingabteilung selbst betreibt: die Stelle, an der Zielgruppen entstehen, segmentiert werden und ohne Ticket an die Datentechnik in die Kampagnenkanäle gehen. Das Marketing grenzt das Wort damit gegen das CRM ab, das dem Vertrieb gehört, und gegen das Data Warehouse, das der Analyse gehört. „Das liegt in der CDP“ heißt: Das Profil ist bereits vereinheitlicht und lässt sich sofort ansprechen.

Welche Customer Data Platforms gibt es?

Für den deutschen Markt betrachtet cdp.com sechs Anbieter: Adobe Real-Time CDP, Salesforce Data Cloud, SAP Customer Data Platform, Tealium, Treasure AI und Zeotap. SAP und Zeotap haben deutsche Wurzeln; Zeotap sitzt in Berlin. Die Plattformen unterscheiden sich in der Architektur (Packaged, Composable oder Agentic), im Vorgehen bei der Identitätsauflösung und im Preismodell. Der Leitfaden zu den CDP-Anbietern (auf Englisch) vergleicht den weiteren internationalen Markt mit Preisen und Eignung.

Sind CDPs 2026 noch relevant?

Ja, und mit der KI hat die CDP an Bedeutung gewonnen, weil KI-Agenten, die mit Kunden umgehen, genau das brauchen, was eine CDP liefert: ein einheitliches, aktuelles Kundenprofil als gemeinsames Gedächtnis. Die Kategorie entwickelt sich weiter, statt zu verschwinden. Die Packaged CDPs haben die Vereinheitlichung bewiesen, die Composable CDPs haben sie ins Data Warehouse getragen, und die Agentic CDPs schließen den Kreislauf mit Messaging und KI in einem Produkt. Auch Anbieter von Datenplattformen bauen CDP-Fähigkeiten direkt ein, was den einheitlichen und aktivierbaren Profildatensatz als Infrastruktur bestätigt. Zurückgegangen ist die alleinstehende, rein stapelorientierte CDP, nicht das Problem, das sie löste.

Wie schnell muss eine CDP ein Kundenprofil ausliefern?

Für Anwendungsfälle in der laufenden Sitzung – Personalisierung der Website, Angebote in Echtzeit, Kontext für einen KI-Agenten – liefert eine CDP das Profil in einigen Dutzend bis wenigen Hundert Millisekunden aus; stapelorientierte Fälle vertragen Minuten bis Stunden. Aussagekräftig ist die Latenz im 95. und 99. Perzentil, nicht der Mittelwert: Ein Mittelwert unter einer Sekunde verdeckt Abfragen, die das Zeitbudget für den Seitenaufbau sprengen. Einen veröffentlichten Branchenmaßstab für diese Latenz gibt es nicht; deshalb führt der Anbieter zwei Zahlen auf dem Datenvolumen des Kunden vor: die Latenz der Profilabfrage und die Zeit vom Ereignis bis zur Aktivierung. Die Haltbarkeit unter produktionsnaher Last zählt mehr als die Zahl auf einem Datenblatt.

Diese Seite ist auch in folgenden Sprachen verfügbar: What Is a Customer Data Platform? CDP Guide [2026] · カスタマーデータプラットフォーム（CDP）とは？仕組みと導入メリット · O que é CDP? Guia de Customer Data Platform · ¿Qué es un CDP? Guía de la customer data platform · Customer data platform (CDP) : définition et guide