CDP用語集

AIカスタマーサービスエージェントとは、注文履歴や過去のチケット、製品利用状況、契約プランや権限、同意状況までを含む統合された顧客プロファイルをCDPから読み取り、その場で行動してサポート課題を解決する自律型ソフトウェアのことを指す。仕組みとAIチャットボットなど近接用語との違いを解説する。

AI意思決定（AIディシジョニング）とは、AIが顧客の統合プロファイルにもとづき最適なマーケティングアクションを自律的に選び実行することである。仕組みと4つのステップ、ルールベース自動化やネクストベストアクションとの違い、業種別の活用事例、プラットフォームの評価基準、CDPとの関係までを詳しく解説する。

AI営業エージェントとは、CDPの統合プロファイルを読み取り、企業属性データや購買シグナルまで踏まえて買い手を見極め、優先順位をつけ、リアルタイムで行動する自律型ソフトウェアである。CRMフィールドだけに頼る従来の営業支援ツールやAI SDRとの違いも整理して解説する。

CDPとCRMの違いは、扱うデータの範囲と目的にある。CDPは匿名の訪問者を含む行動データを自動で集めて統合プロファイルを作り、CRMは営業担当者が記録する既知の顧客との商談を管理する。両者の役割の差、比較表、連携のしかた、導入の順序までを解説する。

CPGマーケティングとは、食品や飲料、日用品といった消費財の認知とロイヤルティを高める活動を指す。CPGの意味と耐久財との違い、ペイドとオーガニックの施策、CPG広告の主要チャネル、小売経由で売るブランドがファーストパーティデータを集める方法を解説する。

Customer 360とは、あらゆる接点のデータを1つのプロファイルにまとめた360度の顧客ビューである。含まれるデータの種類、シングルカスタマービュー（SCV）との違い、CDP、CRM、データウェアハウスなど4つの実現方式の使い分け、選定の判断軸、AIがプロファイルに加える変化までを解説する。

Customer Intelligence Loopとは、収集・統合・理解・意思決定・エンゲージメントの5段階が継続的に循環し、エンゲージメントの結果が収集に戻る仕組みである。AIエージェントがループを回し、人間が戦略・創造性・ガードレールで方向づける、cdp.com独自のCDP中核フレームワークである。

アイデンティティグラフとは、メールアドレスやデバイスID、Cookieなど同一人物の識別子を結び付け、統合プロファイルの土台となるデータ構造である。確定的マッチングと確率的マッチングの違い、CDPがグラフを構築し保守する仕組み、プライバシー対応までを解説する。

エージェンティックCDPとは、AIエージェントを主たる利用者とする第3世代のカスタマーデータプラットフォームである。MCP・API・CLIを通じてAIが顧客データにリアルタイムでアクセスする仕組みと、本物かどうかを見極める5つの判定基準、Treasure AIを例にした実装のあり方までを解説する。

エージェンティックコマースとは、自律的なAIエージェントが商品発見・プライシング・マーチャンダイジングから決済最適化、購入後のエンゲージメントまで、Eコマースの意思決定全体を自律的に担う手法である。仕組みの解説に加え、CDPが必要とされる理由や従来型Eコマースとの違いまで詳しく取り上げる。

エージェンティックマーケティングとは、AIエージェントが統合された顧客データにもとづきキャンペーンを自律的に計画・実行・最適化する手法である。仕組み、3段階の自律性、従来のマーケティングオートメーションとの違い、選定基準までを詳しく解説する。

エンタープライズCDPとは、1億件以上の顧客プロファイルを扱い、SOC 2やISO 27001の認証、マルチリージョンでのデータの保存地域、基幹システムとの深い連携に対応するCDPである。ミッドマーケット向けCDPとの違いと、導入が必要になる条件を解説する。

オーディエンスセグメンテーションとは、幅広いオーディエンスを共通の属性や行動、ニーズで分ける手法。顧客セグメンテーションとの違い、デモグラフィックから行動まで5つの分類軸、CDPとAIによるセグメント構築とリアルタイム更新の仕組みを解説する。

カスタマージャーニーとは、ブランドへの認知から購入、そして継続的な顧客維持に至るまでの、企業と顧客との関係全体を指す。認知、検討、コンバージョン、リテンション、アドボカシーという5つの段階の内容と、マッピングによって得られる効果、顧客体験との違いを解説する。

カスタマージャーニーオーケストレーションとは、顧客が今どの状況にあるかをその場で評価し、次の一手をチャネルをまたいで組み立てて実行する仕組みである。MAのシナリオ設計との違い、実行時に起きていること、成立に必要な3つの条件、専用エンジンとCDP内蔵機能の使い分け、導入でつまずく点まで解説する。

コンポーザブルCDPとは、データウェアハウスを基盤にベストオブブリードのツールを組み合わせ、CDP機能を実現するアーキテクチャである。仕組み、メリットとデメリット、PIIの複製リスクや総保有コスト（TCO）の違い、パッケージ型やエージェンティックCDPとの比較、導入が向いている企業の条件まで詳しく解説する。

シングルカスタマービュー（SCV）とは、CRM、Web、アプリ、購買などに分散した顧客データを一人分の単一プロファイルへ集約したものである。Customer 360との違い、名寄せによる構築の4段階、AIエージェント時代に求められる鮮度、CDP選定時の確認項目を解説する。

データアクティベーションとは、CDPに統合した顧客プロファイルとセグメントを、マーケティングや広告、顧客体験のツールへ届けて施策として動かす工程である。成立までの5つの工程、アクティベーション先ごとのレイテンシー要件、リバースETLとの違い、広告連携で必要になる第三者提供と委託の判断まで解説する。

データガバナンスとは、データを正確かつ安全な状態に保ち、責任をもって利用するために組織が定める方針と基準の枠組みである。データスチュワードシップやメタデータ管理などの構成要素、CDPでの実装方法、AIエージェント時代に求められる統制までを解説する。

データプライバシー規制とは、個人データの取得と利用の方法を法的に規律する枠組みである。日本の個人情報保護法が事業者に課す義務と罰則、2026年公布の改正法で新設される課徴金、GDPRやCCPAとの違い、顧客データの運用に必要な対応を解説する。

データ取り込み（データインジェスト）とは、複数のデータソースに接続し、各ソースのデータを単一のリポジトリへ転送する処理である。バッチとリアルタイムの使い分け、データ連携との違い、CDPの基盤機能としての役割と、評価時に確認すべき観点までを解説する。

ネクストベストアクション（NBA）とは、顧客データと業務ルール、AIを組み合わせ、一人ひとりの顧客にいま取るべき最適なアクションをリアルタイムで判断する手法である。ネクストベストオファーとの違い、意思決定エンジンの仕組み、マーケティングや営業、サポートでの活用事例、CDPが担う役割までを詳しく解説する。

パーソナライズ（パーソナライゼーション）とは、顧客一人ひとりの属性や行動、嗜好に合わせて体験を最適化する取り組みである。1対1とセグメント単位という2つの型、必要となる顧客データ、サードパーティCookie規制下の課題、CDPが果たす役割までを解説する。

ハイブリッドCDPとは、ベンダーのマネージドストレージと自社のデータウェアハウスのどちらか、または両方を選べる展開モデルのCDPである。仕組み、コンポーザブルCDPとの違い、組み込みAIやPIIの複製削減といった利点、選定の判断基準までを解説する。

ファーストパーティデータとは、自社が保有するWebサイトやアプリ、CRM、POSなどのチャネルから直接収集する顧客データである。名寄せを用いたCDPでの活用方法、サードパーティデータとの違い、そしてプライバシー対応型マーケティングにおける重要性までを詳しく解説する。あわせて活用事例も紹介する。

リアルタイムCDPとは、発生したイベントを即座に取り込み、統合プロファイルをミリ秒単位で更新してアクティベーションに供するCDPである。ストリーミング処理の仕組み、バッチ型CDPとの違い、AI意思決定がリアルタイム性を求める理由、導入時の検討事項を解説する。

リバースETLとは、データウェアハウスのデータをCRMや広告プラットフォームなどの業務システムへ書き戻す処理である。仕組み、バッチ同期によるレイテンシー、同期のたびに生じるPII複製の課題、パッケージ型CDPのアクティベーションとの違いまで解説する。

顧客セグメンテーションとは、既存顧客を取引実績や行動の共通点で分け、施策の対象と内容を決める手法である。オーディエンスセグメンテーションとの違い、RFM、LTV階層、ライフサイクル段階、解約リスクという4つの実務的な切り口、静的なリストが陳腐化する理由、CDPで動的に保つ仕組みまで解説する。

同意管理とは、個人データの利用目的を本人に伝え、取得と利用の可否を本人が選べるようにし、その選択を記録する仕組みである。GDPRと日本の個人情報保護法での位置づけ、同意管理プラットフォーム（CMP）の役割、CDPで同意情報を一元管理し撤回を全チャネルへ反映させる方法までを解説する。

名寄せ（アイデンティティ・レゾリューション）とは、複数の顧客識別子を照合し単一プロファイルへ統合するプロセス。メールアドレス、デバイスID、Cookieなどをもとに、確定的マッチングと確率的マッチングをCDPがどう使い分けリアルタイムで解決するかを解説する。

予測分析とは、過去のデータに統計モデルや機械学習を適用し、将来何が起こりうるかを確率として示す分析手法である。記述的分析・処方的分析との違い、自社で組む直接活用と製品に組み込まれた間接活用の使い分け、LTVや解約可能性の予測、精度を左右するのがモデルよりデータである理由、導入の進め方までを解説する。