AI時代のCDP（カスタマーデータプラットフォーム）評価は、クローズドループの学習、ネイティブ実行、導入期間、AIがアーキテクチャに組み込まれているか、個人を特定できる情報（PII）の所在、総保有コスト（TCO）、マーケターの自走、ウェアハウス連携、名寄せ、部門横断の展開という10項目で判断する。 2021年当時の評価項目、つまりコネクタ数と画面上のセグメント機能の比較で選ぶと、AIエージェントが顧客データを読んで実行まで担う使い方に耐えないプラットフォームを選ぶことになる。
顧客データを統合できるかどうかは、もはや判断の分かれ目ではない。その課題は製品としてほぼ解かれている。問われているのは、AIエージェントがプロファイルを読み、行動を決め、結果から学ぶまでを数時間ではなく数秒で回せる基盤かどうかである。以下の10の質問は、AIを前提に設計されたプラットフォームと、既存アーキテクチャにAIを後付けしたプラットフォームを見分けるために用意した。
従来の評価項目では足りない理由
CDPの選定ガイドは、接続できるデータソース、コネクタの数、セグメント機能の比較に紙面を割いてきた。これらは今も判断材料である。ただしAIを前提にすると、そこには現れない構造的な要件が3つ加わる。
- 許容できるレイテンシーがほぼゼロになる。 リアルタイムで判断するAIエージェントは、夜間のバッチ同期やETLジョブの完了を待てない。
- データの重心が実行側へ移る。 AIモデルが顧客データにもとづいて行動するなら、データと実行の両方を持つプラットフォームが構造的に有利になる。
- バンドリングが実際に進んでいる。 Tomasz Tunguzは「AIのバンドリングの瞬間」で、AIは専門特化よりプラットフォームの総合力に報酬を与えると論じている。取り込み、意思決定、アクティベーションを1つのリアルタイムのループで回す必要があるとき、4〜5社のツールをつなぎ合わせる構成はレイテンシー、文脈の欠落、連携の脆さを持ち込む。
つまりAIを前提にした評価では、データ取り込みからAI意思決定、メッセージ配信までを1つの境界の内側で担えるかどうかが、機能の網羅性より先に来る。
買い替えの理由にも同じ傾向が出ている。IDC MarketScape 2026年版（B2C向けAI対応CDP）は、既存のCDPを入れ替えた理由として最も多く挙がったのが「データの整備状況と品質、ROIを示せないこと、拡張性やリアルタイム性能の問題、そして実際には機能しなかったAI機能」だったと報告している（IDC #US53952526、2026年6月）。足りなかったのはコネクタではなく、データへの信頼と実行力である。
カスタマーデータプラットフォームを評価する10の質問
1. AIエージェントがクローズドループで学習できるか
エージェンティックCDPを他と分けるのは、Customer Intelligence Loop（顧客データの収集・統合・活用を継続的に回す仕組み）を閉じられるかどうかである。AIエージェントが顧客プロファイルを読み、行動を決め、実行し、結果を観測してモデルを更新するまでを数秒で回せるかを確認する。
良い状態： エージェントの行動と顧客の反応が、プラットフォームの境界を出ずに同じプロファイルとモデルへ戻る。キャンペーンの成果、行動シグナル、エージェントの判断が、同じシステムの中でリアルタイムに更新される。
注意すべき兆候： 成果が戻るまでに数時間かかる。リバースETL、ウェアハウスへの同期ジョブ、複数ベンダー間のデータ受け渡しを経なければ、エージェントは結果から学べない。ループが秒ではなく時間の単位で測られるなら、エージェンティックマーケティングの水準には届かない。
2. メッセージ配信の層を自社で持っているか
CDPとメッセージ配信が別のシステムなら、キャンペーンを打つたびにPIIを外部のメール配信基盤（ESP）、SMSゲートウェイ、push配信ベンダーへコピーすることになる。プライバシー上のリスクが増え、レイテンシーが加わり、AIエージェントが依存する学習の周期も延びる。
良い状態： メール、SMS、push、アプリ内メッセージをプラットフォーム内から直接配信できる（ネイティブ実行）。配信、開封やクリックの観測、プロファイルへの反映までが同じ境界の内側で完結する。
注意すべき兆候： 配信のたびにPIIを外部ベンダーへコピーする。すべてのチャネルが外部コネクタ依存で、キャンペーンの成果がプロファイルへ戻るまでに数時間かかる。
3. 導入にどれだけの期間がかかるか
価値実現までの期間に加えて、AIを動かし始めるまでの期間が問われる。稼働までに12か月かかるプラットフォームは、AI施策の開始を12か月遅らせる。その間、競合は顧客との対話からモデルを鍛えている。
良い状態： 初期導入が数か月ではなく数週間で終わる。主要なデータソースは標準コネクタで賄える。標準搭載のAIモデルが最小限の設定で動き、最初の1か月でAI施策を試せる。
注意すべき兆候： システムインテグレーターの関与と6〜18か月の導入期間が前提になる。アクティベーションを始める前に、独自のデータモデリングを完了させる必要がある。ベンダーの参照顧客が、複数四半期にわたる導入を通常だと語る。
日本国内の大企業では、部門をまたぐデータの棚卸しと社内の合意形成にも時間がかかる。ベンダーが示す標準的な期間と、自社側の意思決定に必要な期間を分けて見積もると、稼働時期の予測が現実に近づく。
4. AIはアーキテクチャに組み込まれているか、後付けか
設計の中核にAIを置いたプラットフォームと、買収や提携、別モジュールでAI機能を足したプラットフォームには、運用上の差が出る。後付けのAIは、別のデータストア、別のAPI、追加のライセンスを伴い、モデルが顧客プロファイルの全体をリアルタイムに参照できないという制約を持ち込む。
良い状態： AIモデルが統合プロファイルを直接参照し、行動データ、取引データ、接点の履歴すべてを扱える。予測分析やネクストベストアクションが、セグメンテーションとアクティベーションと同じデータ層の上で動く。AI機能を使うために別のSKUやAPIを買う必要がない。
注意すべき兆候： AI機能に追加ライセンス、別のAPIエンドポイント、外部のモデルホスティングが必要になる。学習のためにデータを別環境へ書き出す。買収で加わったAI機能が中核製品に統合されていない。
5. アクティベーション時にPIIはどこに置かれるか
日本国内で事業を行う場合の起点は個人情報保護法である。同法は、一定の要件のもとで保有個人データの利用停止や消去の請求に応じることを求めており、応じるにはどのシステムに誰のデータがあるかを把握していなければならない（同意の取得と記録の実務は同意管理にまとめている）。海外拠点や越境移転があれば、外国にある第三者への提供に関する第28条の要件に、欧州のGDPRや米国のCCPAが重なる。アクティベーションのたびに3〜5社のベンダーへPIIが複製される構成では、データガバナンスの難度が一気に上がる。
良い状態： 取り込みから意思決定、アクティベーションまで、PIIが1つのプラットフォームの境界の内側にとどまる。削除の請求は1つのシステムで完結する。リージョンごとのデータの保存地域を選べる。
注意すべき兆候： 削除の請求に応じるために複数ベンダーの調整が必要になる。PIIが外部のESP、分析ツール、広告ツールへ日常的にコピーされている。特定の顧客のデータがどのシステムにあるかを一覧で示せない。
6. 規模が拡大したときの総保有コストはいくらになるか
料金モデルはベンダーごとに大きく違う。プロファイル数課金は、顧客データベースの成長とともに負担が読めなくなることがある。コンポーザブル構成では、コネクタのライセンス、計算リソースの費用、同期量、連携を保守するエンジニアの工数が、見えにくいコストとして積み上がる。エンタープライズ向けスイートは、使わない機能まで束ねて課金するスイートタックスを生む。
良い状態： 事業の成長に対して費用の増え方が読める。ライセンス費だけでなく、連携の保守、エンジニアの工数、運用負荷まで含めた3年分のTCOを、ベンダー自身が示せる。
注意すべき兆候： コネクタ数と同期量の増加にともなって想定外の増額が起きる。プロファイル数がしきい値を越えた瞬間に費用が倍になる。不要なモジュールが必須で束ねられている。コンポーザブル構成で5〜7社分の費用とエンジニアの工数を合計すると、統合されたプラットフォームを上回る。
公開されている価格の相場は北米市場の水準であり、グローバルベンダーは日本法人との契約でも米ドル建てで請求することが多い。円建ての3年総額に置き換え、為替の変動幅も織り込んで比較する。料金モデル別の内訳と算出手順はCDPの価格と導入費用にまとめている。
7. マーケターがエンジニアの手を借りずに運用できるか
オーディエンスセグメンテーションを変えるたびにSQLとdbtのモデル再構築が必要なら、AIによる最適化が要求する速度で試行を回せない。セグメントの作成、ジャーニーの設計、AIモデルの設定を、依頼を出さずに済ませられるかを確認する。
良い状態： 画面操作によるセグメント作成、ジャーニーの設計、自然言語での問い合わせによって、マーケターが自力でオーディエンスを作り変えられる。変更が数日ではなく数分で反映される。
注意すべき兆候： オーディエンスの変更ごとにSQLとdbtのモデル再構築が必要になる。データエンジニアリングチームへの依頼と数日の待ちが常態化する。主要な操作画面がクエリコンソールである。新しいセグメントを作るには背後のデータモデルを理解しなければならない。
日本語のUIとドキュメントの範囲も、この質問の一部として確認しておきたい。マーケターが自走できるかどうかは、機能の有無だけでなく画面と資料の言語にも左右される。
8. データウェアハウスと接続できるか
マネージドストレージを備えるプラットフォームであっても、データウェアハウスとの接続は必要になる。Snowflake、BigQuery、Databricksへ投資してきた組織が求めるのは、全面的なデータ移行なしに読み書きできるCDPである。
良い状態： 主要なクラウドデータウェアハウスへの標準コネクタがある。ウェアハウス上のテーブルを直接読み、そこにあるデータでプロファイルを拡充し、アクティベーションの結果を書き戻せる。既存のデータ投資を活かしながらリアルタイム性を確保するハイブリッドCDPの構成になる。
注意すべき兆候： すべてのデータを独自ストレージに囲い込み、既存のウェアハウスと接続できない。逆に、ウェアハウス専用でプロファイルストアを持たず、リアルタイムのAI処理がクエリ性能に完全に依存する。
9. 名寄せをどう実装しているか
名寄せ、つまり分散した識別子をシングルカスタマービュー（SCV）へまとめる処理は、あらゆる活用事例の土台になる。アイデンティティグラフが断片化していたり古かったりすれば、AIモデルのパーソナライズは精度を持たない。
良い状態： 確定的マッチングと確率的マッチングを標準で備え、データの到着に合わせて継続的に動く。既知のプロファイルと匿名のプロファイルを自動で統合し、マッチのルールを画面で設定でき、確信度スコアと統合の判断を確認できる。名寄せがアクティベーションとAI意思決定と同じプラットフォームの中で動けば、結果を他システムへコピーしてからでないと使えないという待ちがなくなる。
注意すべき兆候： 名寄せのために独自のSQLを作り込み、保守し続けなければならない。あるいは名寄せ専業のツールに依存し、その出力を別システムへ渡すまでアクティベーションできない。確定的マッチングのみで確率的な統合を扱えない。アイデンティティグラフの更新がバッチのため、セッション中に本人と判明した顧客が次のバッチまで統合されない。
10. マーケティング以外の部門まで広げられるか
価値の大きい活用事例は、部門をまたぐ方向へ動いている。顧客体験を最適化するAIエージェントは、マーケティング、営業、サポート、コマースのデータとチャネルに触れる必要がある。マーケティング専用に閉じたプラットフォームは、解消するはずだったサイロを自分で作り直す。
良い状態： キャンペーンの配信、営業のアプローチ、サポートの振り分け、コマースのレコメンデーションを、同じ顧客プロファイルの上でAIエージェントが横断して動かせる。AIモデルの最適化の対象が、マーケティングのファネルだけでなく顧客との関係の全体に及ぶ。
注意すべき兆候： 部門ごとに別のプラットフォームが必要で、新たなサイロができる。CDPがマーケティング専用で、営業やサポートへ広げるには別製品と別のデータストアを買うことになる。部門をまたぐ活用事例のたびに個別の連携開発が発生する。
展開モデル別に見た10項目
CDPは3つの世代を経てきた。パッケージ型CDP（第1段階）、コンポーザブルCDP（第2段階）、エージェンティックCDP（第3段階）であり、世代が進むほどCustomer Intelligence Loopを速く閉じられる（詳細は英語版のPackaged CDP vs Composable CDPを参照）。以下の表は、代表的な3つの展開モデルが10項目でどう振る舞うかの一般的な傾向である。個々の製品の評価ではなく、確認すべき論点の見取り図として使ってほしい。
| 評価項目 | エージェンティックCDP | スイート型CDP | コンポーザブルCDP |
|---|---|---|---|
| 1. クローズドループの学習 | 強い。単一のプラットフォームで1秒未満 | 中程度。スイート内で可能だがバッチ中心になりやすい | 弱い。ベンダー間の経路が増え時間単位になる |
| 2. ネイティブ実行 | あり。主要チャネルを標準搭載 | あり。ただし旧世代のチャネル実装が残る | なし。外部のESPが必要 |
| 3. 導入期間 | 短い。数週間で初期価値 | 長い。スイート全体の展開を伴う | 長い。複数ベンダーの連携が必要 |
| 4. AIのアーキテクチャ統合 | あり。設計の中核に組み込み | 部分的。買収由来の実装が混在 | なし。外部ツールで補う |
| 5. PIIの所在 | 1つの境界に集約 | 集約されるがモジュールをまたぐ | ベンダーごとに分散 |
| 6. 総保有コスト | 中程度。増え方が読める | 高い。スイートタックスが生じる | 高い。ツールと人員が積み上がる |
| 7. マーケターの自走 | 強い。AIが補助する画面 | 中程度。画面構成が複雑 | 弱い。エンジニアの関与が前提 |
| 8. ウェアハウス連携 | 強い。ハイブリッド前提 | 中程度。自社ストレージ優先 | 強い。ウェアハウスネイティブ |
| 9. 名寄せ | 標準搭載。リアルタイムで設定可能 | 標準搭載だがバッチ中心 | 手組み。SQLで実装 |
| 10. 部門横断の展開 | 強い。部門をまたいでエージェントが動く | 強い。スイートの機能範囲が広い | 弱い。マーケティング中心のツール群 |
コンポーザブルCDPは、構成の自由度とウェアハウス連携で強い。一方で、AIが求めるリアルタイムのクローズドループには構造的に届きにくい。エンタープライズ向けスイートは機能範囲が広く、その分だけ旧世代のアーキテクチャ、高い費用、後付けのAIを抱え込みやすい。エージェンティックCDPは、マネージドストレージとウェアハウス連携、ネイティブなAIと実行を1つの境界にまとめる設計であり、Tunguzが言うバンドリングの方向に最も近い位置にある。
日本国内で導入できる代表的なCDPの例としては、Adobe Real-Time CDP、Salesforce Data Cloud、Tealium、Treasure AI（旧Treasure Data）が挙げられる。展開モデルと料金モデルはそれぞれ異なるため、10項目の重みづけを決めたうえで各社の実装を確認するとよい。4社の料金モデル、導入期間、AI機能、日本での提供体制は日本で導入できる主要4社の解説にまとめている。
評価シートを作る
10の質問は、そのまま採点シートに落とせる。各質問について、ベンダーを1〜5で採点する。
- 要件を満たさない：アーキテクチャに起因する制約がある
- 部分的に満たす：回避策または追加費用があれば可能である
- 要件を満たす：機能はあるが差別化要素ではない
- 要件を上回る：明確な優位のある実装である
- 市場で最良：そのプラットフォームの中核的な強みである
重みは自社の優先順位で決める。AIによるパーソナライズが主目的なら、質問1、4、9の重みを最も高くする。プライバシー対応が最大の関心事なら質問2と5を優先する。稼働までの速さが最優先なら質問3の比重を上げる。
顧客データ基盤の選定は、完璧なプラットフォームを探す作業ではない。そうしたものは存在しない。選ぶべきは、自社が今いる場所ではなく向かう先に対して、構造的な強みが合っているプラットフォームである。
評価する側の知識を社内に蓄えたい場合は、Treasure AIのCDPトレーニング（英語）がデータ統合、名寄せ、AIによるアクティベーションを扱っている。
関連ページ
- CDP（カスタマーデータプラットフォーム）比較2026：日本で導入できる主要4社の料金モデル、導入期間、AI機能の一覧
- CDPの価格と導入費用：料金モデル別の相場と3年分の総保有コストの算出手順
- CDPとは：顧客データ基盤の定義、仕組み、主な機能
- すべての顧客接点AIエージェントにCDPが必要な理由：部門を横断するAIエージェントが共有メモリを必要とする理由
- リアルタイムCDPとは：バッチ型CDPとの違いと、リアルタイム性が要件になる場面
FAQ
AI活用を前提にCDPを評価するとき、最初に確認すべき質問はどれですか？
最も判断材料になるのは、AIエージェントがそのプラットフォーム上でクローズドループの学習を回せるかである。 プロファイルを読み、行動し、結果から学ぶまでを1つの境界の内側で数秒で完結できないなら、リアルタイムのAI施策を支える基盤にはならない。リバースETLや複数ベンダーのパイプラインを経由して成果を戻す構成は、学習の周期を時間単位まで延ばす。
AIによるバンドリングの議論は、CDP選定にどう影響しますか？
専門ツールの組み合わせよりも、幅を持つプラットフォームが有利になる。 Tomasz Tunguzの議論の要点は、AIが取り込みから意思決定、実行までを一続きで必要とする点にある。ベンダーの境界をまたぐたびにレイテンシーと文脈の欠落が生じるため、ネイティブ実行と標準搭載のAIを備えるCDPが構造的に優位に立つ。評価では、ループ全体を1つのプラットフォームで実行できるかを確認する。
コンポーザブルCDPとエージェンティックCDPは、AI対応の観点でどう違いますか？
コンポーザブルCDPはウェアハウスを中核に据え、エージェンティックCDPはデータ統合、メッセージ配信、AIを1つのプラットフォームに束ねる。 前者は専門ツールを選べる自由度が高い一方、リアルタイムのプロファイル参照はウェアハウスのクエリ性能と複数ベンダー間の連携に依存する。後者はマネージドストレージとウェアハウス連携を併用し、1秒未満の参照とクローズドループの学習を前提に設計されている。
日本国内でCDPを評価する場合、追加で確認すべき点は何ですか？
日本語サポートの体制、国内リージョンでのデータの保存地域、個人情報保護法への対応方針である。 サポート窓口の対応言語と時間帯、日本語ドキュメントの範囲、国内の導入支援パートナーの有無を確認する。契約が米ドル建てになる場合は、為替の変動を含めた円建ての3年総額で比較する。要配慮個人情報や越境移転を扱うなら、同意記録と監査ログの粒度も評価項目に加える。
ベンダー各社の位置づけを第三者の評価で確認したい場合は、Forrester Wave（B2C向けCDP）、またはIDC MarketScape（2026年）を参照してほしい。
この記事は他の言語でも読めます： How to Evaluate a CDP in the AI Era: 10 Questions