Customer Data Platform

De Wiki del Marketing
Ir a la navegación Ir a la búsqueda

Introducción

Una Customer Data Platform o CDP es una plataforma tecnológica diseñada para recopilar, unificar, organizar, almacenar, enriquecer y activar datos de clientes provenientes de múltiples fuentes, con el objetivo de crear perfiles persistentes y utilizables por otros sistemas de marketing, ventas, servicio, ecommerce, analítica y experiencia del cliente.

En español puede traducirse como plataforma de datos de clientes. Su función principal es resolver uno de los problemas centrales del Marketing digital contemporáneo: la fragmentación de datos. Un mismo cliente puede interactuar con una marca desde un sitio web, una tienda física, una app, una red social, un ecommerce, un CRM, un call center, una campaña de email, una plataforma publicitaria o un chatbot. La CDP busca reunir esas señales en una visión unificada y accionable.

La Customer Data Platform se relaciona con Data-driven marketing, Dataficación, CRM, Analítica de marketing, Customer Experience, Personalización, Automatización de marketing, Big data, Inteligencia artificial, Machine learning, Publicidad digital, Ecommerce, Customer Journey, Protección de datos, Privacidad digital, Ética en marketing y Derecho digital.

Su valor estratégico aparece cuando los datos dejan de estar aislados en silos y se convierten en una base común para segmentar, personalizar, medir, automatizar, predecir y mejorar experiencias.

Customer Data Platform

Nombre Customer Data Platform
Nombre original Customer Data Platform
Tipo Plataforma tecnológica de datos de clientes
Área Marketing digital, Analítica de marketing, CRM, Customer Experience
Otros nombres CDP, plataforma de datos de clientes, customer data hub, plataforma unificada de clientes, unified customer database
Desarrollado por Evolución del CRM, analítica digital, marketing automation, big data, data-driven marketing, ecommerce y gestión de experiencia del cliente
Década de origen 2010s
Propósito Unificar datos de clientes provenientes de múltiples fuentes para crear perfiles persistentes, segmentar audiencias, personalizar experiencias y activar datos en otros sistemas
Variables evaluadas Datos de cliente, identidad, eventos, comportamiento, transacciones, segmentos, consentimiento, perfiles, activación, conversión, retención, valor de vida, privacidad
Técnicas relacionadas Resolución de identidad, integración de datos, segmentación, personalización, automatización, lead scoring, activación omnicanal, analítica, machine learning, first-party data
Herramientas CRM, CDP, data warehouse, APIs, píxeles, SDKs, tag managers, plataformas publicitarias, email marketing, ecommerce, BI, dashboards, CMP, herramientas de automatización
Disciplinas relacionadas Marketing, Ciencia de datos, Analítica, Tecnología, CRM, UX, Comunicación, Administración, Derecho digital, Ética, Protección de datos
Aplicaciones Personalización, segmentación, publicidad digital, ecommerce, email marketing, customer experience, retención, lead scoring, análisis de clientes, audiencias, automatización y omnicanalidad
Nivel de evidencia Técnico, estratégico, operativo y medible mediante calidad de datos, unificación, activación, conversión, retención, eficiencia, privacidad y experiencia del cliente
Limitaciones Requiere calidad de datos, integración tecnológica, gobernanza, consentimiento, madurez organizacional, claridad estratégica y coordinación entre áreas

La definición clásica del CDP Institute describe una CDP como software empaquetado que crea una base de datos de clientes persistente, unificada y accesible para otros sistemas. Gartner la describe como una aplicación de software que apoya casos de uso de customer experience mediante la unificación de datos de marketing, ventas, servicio, comercio y otras fuentes.

Una CDP no debe entenderse solo como “otra base de datos”. Su valor está en convertir datos dispersos en perfiles activables. Esto permite que una marca reconozca mejor a sus clientes, reduzca duplicados, mejore segmentación, personalice comunicaciones y conecte datos con decisiones.

Este artículo examina la definición, evolución, fundamentos, metodología, componentes, tipos, aplicaciones, ventajas, limitaciones, herramientas, buenas prácticas, errores comunes, desafíos éticos y relación de la Customer Data Platform con otros conceptos del marketing contemporáneo.

Definición

Una Customer Data Platform es una plataforma que recopila datos de clientes desde múltiples fuentes, los unifica mediante procesos de resolución de identidad, crea perfiles persistentes y permite activar esos datos en sistemas externos.

Puede integrar datos como:

  • Datos de identificación.
  • Datos de contacto.
  • Datos transaccionales.
  • Datos de comportamiento web.
  • Datos de ecommerce.
  • Datos de app móvil.
  • Datos de CRM.
  • Datos de servicio al cliente.
  • Datos de email marketing.
  • Datos de campañas publicitarias.
  • Datos de redes sociales.
  • Datos de call center.
  • Datos de tienda física.
  • Datos de programas de lealtad.
  • Datos de navegación.
  • Datos de eventos.
  • Datos de preferencias.
  • Datos de consentimiento.
  • Datos de productos vistos.
  • Datos de carritos abandonados.
  • Datos de compras.
  • Datos de soporte.
  • Datos de satisfacción.
  • Datos de valor de cliente.
  • Datos de churn.
  • Datos de segmento.

Su función central es crear una visión unificada del cliente para que marketing, ventas, servicio, ecommerce y analítica puedan trabajar sobre datos consistentes.

Diferencia entre CDP, CRM, DMP y data warehouse

Una CDP unifica datos de cliente de múltiples fuentes, crea perfiles persistentes y permite activar esos datos en otros sistemas.

Un CRM gestiona relaciones comerciales y operativas con clientes, prospectos, leads, cuentas, oportunidades, ventas y atención. Suele concentrarse en datos declarados y procesos comerciales.

Una DMP o Data Management Platform se utiliza principalmente para audiencias publicitarias, muchas veces basadas en cookies, datos anónimos o third-party data. Su uso ha sido afectado por cambios de privacidad y reducción de cookies de terceros.

Un data warehouse almacena datos estructurados para análisis, reportes, BI y operaciones de datos. Puede alimentar o complementar una CDP, pero no siempre está diseñado para activación de marketing en tiempo real.

La diferencia práctica puede entenderse así:

  • CRM: gestiona relación comercial y datos de interacción directa.
  • CDP: unifica perfiles de cliente y activa datos en múltiples canales.
  • DMP: gestiona audiencias publicitarias, históricamente más anónimas y de terceros.
  • Data warehouse: almacena datos para análisis e inteligencia de negocio.
  • Marketing automation: ejecuta flujos, mensajes y automatizaciones.
  • CMP: gestiona consentimiento y preferencias de privacidad.
  • BI: analiza y visualiza datos para decisión.

La CDP funciona como puente entre datos, perfil, segmento y activación.

Contexto histórico y evolución

La Customer Data Platform surge como respuesta a la fragmentación de datos en el ecosistema de marketing digital.

Antes de las CDP, las marcas dependían de sistemas separados: CRM, email marketing, ecommerce, call center, analítica web, plataformas publicitarias, bases de datos internas y herramientas de automatización. Cada sistema conservaba una parte de la relación con el cliente.

Esto generaba problemas como:

  • Perfiles duplicados.
  • Datos inconsistentes.
  • Segmentos incompletos.
  • Falta de visión omnicanal.
  • Activaciones desconectadas.
  • Mensajes repetidos.
  • Mala atribución.
  • Baja personalización.
  • Dificultad para medir customer journey.
  • Dependencia de datos de terceros.
  • Falta de gobernanza.

La evolución puede organizarse en varias etapas:

  • Bases de datos de clientes.
  • CRM.
  • Email marketing.
  • Analítica web.
  • DMP.
  • Marketing automation.
  • Data warehouses.
  • Ecommerce analytics.
  • Big data.
  • Customer Data Platforms.
  • First-party data.
  • Identity resolution.
  • Data clean rooms.
  • CDP interoperables con data warehouses.
  • CDP con IA.
  • Activación omnicanal en tiempo real.
  • Gobernanza de datos y privacidad.

En la década de 2020, las CDP ganaron importancia por la reducción de cookies de terceros, la necesidad de first-party data, la regulación de privacidad, el crecimiento del ecommerce y la presión por experiencias personalizadas.

Fundamentos teóricos

La Customer Data Platform se apoya en marketing basado en datos, CRM, analítica, ciencia de datos, experiencia del cliente, automatización y privacidad.

Entre sus fundamentos principales se encuentran:

  • El Data-driven marketing, porque las decisiones se apoyan en datos integrados.
  • La Dataficación, porque las interacciones del cliente se convierten en señales digitales.
  • El CRM, porque la relación con clientes requiere información organizada.
  • La Analítica de marketing, porque los datos unificados permiten medir e interpretar.
  • La Customer Experience, porque una visión común del cliente permite experiencias coherentes.
  • La Personalización, porque los perfiles y segmentos permiten adaptar mensajes y ofertas.
  • La Automatización de marketing, porque los datos activan flujos y eventos.
  • El Customer Journey, porque la CDP permite observar trayectorias entre canales.
  • El Big data, porque muchas CDP procesan grandes volúmenes de eventos.
  • La Inteligencia artificial, porque los perfiles unificados pueden alimentar modelos predictivos.
  • La Privacidad digital, porque el uso de datos requiere consentimiento y límites.
  • La Ética en marketing, porque la personalización debe respetar autonomía, confianza y protección del consumidor.

El fundamento central es la identidad del cliente como construcción de datos: una CDP intenta reconocer a la misma persona o entidad a través de múltiples señales, canales y momentos.

Componentes principales

Ingesta de datos

Es la capacidad de recibir datos desde múltiples fuentes: sitios web, apps, CRM, ecommerce, POS, email, redes, publicidad, call center, formularios, APIs, eventos y bases internas.

Integración

Conecta sistemas que antes funcionaban de manera aislada. Puede usar APIs, conectores, SDKs, archivos, eventos, streaming o integraciones nativas.

Resolución de identidad

Proceso para asociar múltiples identificadores con una misma persona, cuenta o perfil. Puede utilizar correos, teléfonos, IDs, cookies, device IDs, customer IDs o reglas probabilísticas.

Perfil unificado

Representación consolidada del cliente. Incluye datos declarados, observados, transaccionales, conductuales, preferencias, consentimiento, historial y segmentos.

Segmentación

Permite crear grupos de clientes según comportamiento, valor, etapa, intención, intereses, frecuencia, compras, abandono, engagement o probabilidad de conversión.

Activación

Envía segmentos, perfiles o eventos hacia otros sistemas: email, ads, CRM, ecommerce, apps, personalización web, call center, SMS, WhatsApp, BI o automatización.

Analítica

Permite entender audiencias, comportamiento, recorridos, cohortes, retención, conversión, frecuencia, valor, churn y resultados de campañas.

Gobernanza

Define reglas sobre calidad, acceso, consentimiento, seguridad, privacidad, retención, uso, eliminación y responsabilidad.

Consentimiento y privacidad

Registra preferencias, permisos y restricciones para el uso de datos. Es esencial para operar de forma legal y confiable.

Orquestación

Coordina mensajes, canales y experiencias según eventos, segmentos o estados del cliente.

Tipos y variantes

CDP de datos

Se enfoca en recolectar, unificar y organizar datos de clientes, generando perfiles persistentes y accesibles.

CDP de analítica

Añade capacidades de análisis, dashboards, cohortes, predicción, segmentación avanzada e insights.

CDP de activación

Se concentra en enviar datos y audiencias a canales de marketing, publicidad, ecommerce, email, SMS, apps o personalización.

CDP de orquestación

Coordina experiencias, journey, reglas, triggers, mensajes, canales y decisiones.

CDP B2C

Orientada a consumidores individuales, ecommerce, retail, apps, medios, servicios, turismo o productos de consumo.

CDP B2B

Integra datos de cuentas, contactos, leads, oportunidades, señales de intención y ABM.

CDP composable

Modelo donde la CDP se integra con data warehouses y herramientas modulares, permitiendo mayor flexibilidad arquitectónica.

CDP integrada en suites

Forma parte de una suite amplia de marketing cloud, CRM, ecommerce o customer experience.

CDP en tiempo real

Procesa eventos y perfiles con baja latencia para activar experiencias inmediatas.

CDP con IA

Integra modelos predictivos, recomendaciones, propensity scoring, churn prediction o generación de insights.

Metodología de implementación

Implementar una CDP requiere claridad estratégica antes de comprar tecnología.

Una metodología básica incluye:

  • Definir objetivos de negocio.
  • Identificar casos de uso.
  • Mapear fuentes de datos.
  • Auditar calidad de datos.
  • Definir identificadores.
  • Revisar consentimiento y privacidad.
  • Diseñar modelo de datos.
  • Priorizar integraciones.
  • Establecer reglas de resolución de identidad.
  • Crear perfiles unificados.
  • Diseñar segmentos.
  • Conectar canales de activación.
  • Crear casos de prueba.
  • Medir impacto.
  • Documentar datos y procesos.
  • Capacitar equipos.
  • Establecer gobernanza.
  • Optimizar progresivamente.

La pregunta clave es: ¿qué decisiones, experiencias o campañas mejorarán cuando los datos del cliente estén unificados?

Casos de uso

Una Customer Data Platform puede aplicarse en múltiples casos.

Personalización web

Mostrar contenido, productos, banners o recomendaciones según historial, etapa, intereses o comportamiento.

Email marketing segmentado

Enviar mensajes según compras, navegación, frecuencia, abandono, intereses o valor del cliente.

Carrito abandonado

Activar recordatorios, ofertas o asistencia cuando un usuario abandona un proceso de compra.

Retargeting

Crear audiencias basadas en comportamiento propio y activar campañas en plataformas publicitarias.

Supresión de audiencias

Excluir clientes que ya compraron, usuarios inactivos, personas sin consentimiento o segmentos no relevantes.

Lead scoring

Calificar leads según señales de comportamiento, perfil, intención y ajuste comercial.

Predicción de churn

Identificar clientes con probabilidad de abandono y activar campañas de retención.

Recomendación de productos

Sugerir productos o servicios según historial, preferencias, categorías vistas o clientes similares.

Customer journey analytics

Analizar trayectorias entre canales, puntos de fricción, secuencias y conversiones.

Omnicanalidad

Coordinar mensajes entre email, web, app, SMS, WhatsApp, call center, tienda física y publicidad.

Programas de lealtad

Unificar historial de compras, puntos, beneficios, preferencias y participación.

Atención personalizada

Permitir que soporte o ventas conozcan contexto del cliente antes de responder.

Segmentos de alto valor

Identificar clientes con mayor valor de vida, recurrencia, margen o potencial.

Reactivación

Detectar usuarios dormidos e implementar campañas de recuperación.

Aplicaciones en marketing

La CDP puede aplicarse en:

  • Publicidad digital.
  • Email marketing.
  • Ecommerce.
  • Social commerce.
  • CRM.
  • Automatización de marketing.
  • Customer Experience.
  • Programas de lealtad.
  • Apps móviles.
  • Retargeting.
  • Personalización.
  • SEO con datos de intención.
  • SEM.
  • Call centers.
  • Atención al cliente.
  • Ventas.
  • Account-based marketing.
  • Lead nurturing.
  • Segmentación.
  • Analítica.
  • Reporting.
  • Data-driven marketing.
  • Marketing omnicanal.
  • Recomendadores.
  • Investigación de clientes.

Su utilidad aumenta cuando existen múltiples canales, múltiples fuentes de datos y necesidad real de coordinación.

Ventajas

Una Customer Data Platform ofrece varias ventajas:

  • Unifica datos de clientes.
  • Reduce silos.
  • Mejora calidad de perfiles.
  • Permite segmentación avanzada.
  • Facilita personalización.
  • Mejora experiencia omnicanal.
  • Activa first-party data.
  • Reduce dependencia de datos de terceros.
  • Mejora retargeting.
  • Permite supresión de audiencias.
  • Mejora medición de customer journey.
  • Apoya automatización.
  • Conecta marketing, ventas y servicio.
  • Mejora retención.
  • Permite modelos predictivos.
  • Mejora consistencia de mensajes.
  • Reduce duplicidad de campañas.
  • Mejora eficiencia publicitaria.
  • Apoya cumplimiento de privacidad si está bien configurada.
  • Facilita análisis de valor de cliente.

Su mayor ventaja es transformar datos dispersos en acción coordinada.

Limitaciones

Una CDP presenta limitaciones importantes:

  • No corrige datos malos automáticamente.
  • Requiere integración técnica.
  • Puede ser costosa.
  • Requiere gobernanza.
  • Requiere casos de uso claros.
  • Puede duplicar funciones existentes.
  • Puede generar expectativas irreales.
  • Requiere capacitación.
  • Puede fallar si marketing y tecnología no colaboran.
  • Puede aumentar riesgo de privacidad si se usa mal.
  • Puede depender de conectores externos.
  • Puede tener problemas de latencia.
  • Puede no resolver identidad en todos los casos.
  • Puede producir segmentos inútiles si no hay estrategia.
  • Puede convertirse en otro silo si no se integra correctamente.

La principal limitación estratégica es creer que comprar una CDP equivale a tener marketing basado en datos. La plataforma necesita arquitectura, procesos, calidad y cultura.

Consideraciones técnicas o estadísticas

La evaluación de una CDP debe medir calidad de datos, unificación, activación e impacto.

Indicadores relevantes:

  • Número de fuentes integradas.
  • Porcentaje de perfiles unificados.
  • Tasa de duplicados.
  • Calidad de identidad.
  • Campos completos.
  • Eventos capturados.
  • Eventos perdidos.
  • Latencia de datos.
  • Segmentos activos.
  • Audiencias activadas.
  • Canales conectados.
  • Tasa de match con plataformas publicitarias.
  • Conversiones por segmento.
  • Retención.
  • Churn.
  • Lifetime value.
  • Frecuencia de compra.
  • Engagement.
  • Revenue por segmento.
  • Incrementalidad.
  • ROAS.
  • CAC.
  • LTV/CAC.
  • Tasa de consentimiento.
  • Preferencias registradas.
  • Solicitudes de eliminación.
  • Errores de integración.
  • Tiempo de activación de campañas.
  • Uso interno por equipos.
  • Reducción de campañas duplicadas.

La CDP debe evaluarse por resultados de negocio y experiencia, no solo por volumen de datos integrados.

Herramientas y plataformas

Entre las herramientas y sistemas relacionados con una CDP se encuentran:

  • CRM: datos comerciales y relación con clientes.
  • Data warehouse: almacenamiento analítico.
  • Ecommerce platforms: datos de compras, carritos y productos.
  • Email marketing: activación de campañas.
  • Marketing automation: flujos y triggers.
  • Google Analytics: comportamiento web y eventos.
  • Plataformas publicitarias: activación de audiencias.
  • Tag managers: gestión de eventos y etiquetas.
  • Píxeles de seguimiento: captura de eventos.
  • SDKs móviles: datos de apps.
  • APIs: conexión de sistemas.
  • Customer Data Platforms: unificación y activación.
  • CMP: gestión de consentimiento.
  • BI: análisis y visualización.
  • Data clean rooms: colaboración de datos bajo controles de privacidad.
  • Herramientas de identidad: resolución y enriquecimiento.
  • Herramientas de calidad de datos: limpieza y deduplicación.
  • IA y machine learning: predicción, scoring y recomendación.

Ejemplos de proveedores y ecosistemas vinculados al mercado CDP incluyen Salesforce, Twilio Segment, Adobe, Oracle, Tealium, mParticle, Treasure Data, SAS, Klaviyo y soluciones composable conectadas a warehouses. La elección depende del tamaño de la organización, casos de uso, presupuesto, stack tecnológico, privacidad y madurez de datos.

Relación con otros conceptos

La Customer Data Platform se relaciona con:

Buenas prácticas

  • Empezar por casos de uso claros.
  • Auditar fuentes de datos antes de integrar.
  • Definir identificadores principales.
  • Crear un modelo de datos comprensible.
  • Documentar eventos.
  • Limpiar duplicados.
  • Integrar consentimiento.
  • Respetar preferencias del usuario.
  • Limitar acceso por rol.
  • Diseñar segmentos accionables.
  • Probar activaciones en pequeños grupos.
  • Medir incrementalidad.
  • Conectar marketing, ventas y servicio.
  • Evitar capturar datos innecesarios.
  • Revisar seguridad.
  • Capacitar equipos.
  • Establecer gobernanza.
  • Actualizar integraciones.
  • Monitorear calidad.
  • Evitar personalización invasiva.
  • Documentar decisiones de datos.
  • Revisar cumplimiento legal.

Errores comunes

  • Comprar una CDP sin estrategia.
  • Integrar datos sin limpiarlos.
  • No definir casos de uso.
  • Duplicar funciones del CRM.
  • No involucrar a tecnología.
  • No involucrar a legal.
  • No revisar consentimiento.
  • Crear demasiados segmentos sin activación.
  • Medir solo volumen de perfiles.
  • No definir propietario de datos.
  • No documentar eventos.
  • No revisar calidad de identidad.
  • Usar datos sensibles sin base legal.
  • No capacitar a equipos.
  • Esperar resultados inmediatos.
  • No conectar canales de activación.
  • No revisar privacidad.
  • No medir impacto real.
  • Usar la CDP como simple base de datos.
  • Crear otro silo centralizado.

Desafíos éticos y organizacionales

La Customer Data Platform plantea desafíos éticos porque concentra grandes cantidades de datos sobre personas, comportamientos, preferencias, compras, interacciones y trayectorias.

Los principales riesgos son:

  • Recolección excesiva.
  • Perfilado opaco.
  • Personalización invasiva.
  • Uso de datos sensibles.
  • Falta de consentimiento.
  • Acceso interno inadecuado.
  • Retención indefinida.
  • Inferencias incorrectas.
  • Sesgos en segmentos.
  • Discriminación algorítmica.
  • Activaciones sin control.
  • Filtraciones.
  • Dependencia de proveedores.
  • Uso comercial sin valor claro para el usuario.
  • Falta de explicación.

La CDP puede mejorar experiencia, pero también puede intensificar vigilancia comercial si se utiliza sin límites. Por eso, privacidad, seguridad, ética y gobernanza deben formar parte del diseño desde el inicio.

A nivel organizacional, una CDP exige colaboración entre marketing, datos, tecnología, legal, seguridad, ventas, ecommerce, atención al cliente y dirección. Si cada área entiende el dato de manera distinta, la plataforma no resuelve el problema; solo lo centraliza.

Una práctica responsable debe preguntarse: ¿este dato mejora realmente la experiencia del cliente, o solo aumenta la capacidad de presión comercial?

Impacto actual

La Customer Data Platform tiene impacto actual porque las marcas necesitan operar con first-party data, personalización responsable y medición más robusta en un entorno con mayor restricción de cookies, regulación de privacidad y fragmentación de canales.

Salesforce describe la CDP como tecnología que permite extraer datos de cualquier canal, sistema o flujo para construir perfiles unificados de cliente. Twilio Segment destaca su utilidad para reunir datos de múltiples canales en perfiles unificados y activar experiencias más precisas.

Gartner ha señalado que las CDP se han vuelto componentes relevantes dentro de ecosistemas empresariales de datos, y recomienda evaluarlas en el contexto de estrategias amplias de gestión de datos e interoperabilidad.

Para marketing, esto significa que la CDP deja de ser solo una herramienta de campaña. Puede convertirse en una capa de infraestructura para customer experience, publicidad, analítica, retención, ecommerce, soporte y ventas.

Futuro y tendencias

El futuro de las Customer Data Platforms estará marcado por first-party data, inteligencia artificial, interoperabilidad con data warehouses, privacidad, data clean rooms, activación en tiempo real, personalización contextual y modelos composable.

Las CDP tenderán a integrarse más con arquitecturas de datos empresariales. El modelo composable permitirá que algunas organizaciones usen su warehouse como centro de datos y conecten herramientas modulares para identidad, segmentación, activación y analítica.

La inteligencia artificial aumentará el valor de los perfiles unificados. Una CDP con datos limpios puede alimentar modelos de churn, recomendación, propensión de compra, segmentación predictiva, next best action y asistentes de atención.

La privacidad será un factor decisivo. Las CDP deberán gestionar consentimiento, preferencias, supresión, retención, minimización y trazabilidad de uso. La confianza será tan importante como la capacidad técnica.

La tendencia más sólida será pasar de “tener muchos datos” hacia “activar datos confiables con permiso, contexto y valor para el cliente”. Las organizaciones que logren eso tendrán una ventaja difícil de copiar.

Véase también

Referencias

  • CDP Institute. Customer Data Platform definition.
  • SAS. Customer data platform: What it is and why it's important.
  • Gartner Peer Insights. What are Customer Data Platforms?.
  • Gartner. Customer Data Platforms Are an Essential Component of Your Enterprise Data Strategy. 2025.
  • Salesforce. What is a Customer Data Platform? A CDP Guide.
  • Salesforce. ¿Qué es una Customer Data Platform?.
  • Twilio Segment. What is a Customer Data Platform?.
  • Klaviyo. What is a Customer Data Platform?.
  • Chaffey, Dave y Ellis-Chadwick, Fiona. Digital Marketing. Pearson.
  • Kotler, Philip; Kartajaya, Hermawan; Setiawan, Iwan. Marketing 5.0: Technology for Humanity. Wiley, 2021.
  • Provost, Foster y Fawcett, Tom. Data Science for Business. O’Reilly, 2013.
  • Wedel, Michel y Kannan, P. K. “Marketing Analytics for Data-Rich Environments”. Journal of Marketing, 2016.

Bibliografía

  • CDP Institute. Customer Data Platform definition.
  • Chaffey, Dave y Ellis-Chadwick, Fiona. Digital Marketing. Pearson.
  • Gartner. Customer Data Platforms Are an Essential Component of Your Enterprise Data Strategy. 2025.
  • Gartner Peer Insights. What are Customer Data Platforms?.
  • Klaviyo. What is a Customer Data Platform?.
  • Kotler, Philip; Kartajaya, Hermawan; Setiawan, Iwan. Marketing 5.0: Technology for Humanity. Wiley, 2021.
  • Provost, Foster y Fawcett, Tom. Data Science for Business. O’Reilly, 2013.
  • Salesforce. What is a Customer Data Platform? A CDP Guide.
  • Salesforce. ¿Qué es una Customer Data Platform?.
  • SAS. Customer data platform: What it is and why it's important.
  • Twilio Segment. What is a Customer Data Platform?.
  • Wedel, Michel y Kannan, P. K. “Marketing Analytics for Data-Rich Environments”. Journal of Marketing, 2016.
Obtenido de «https://sabermarketing.org/wiki/index.php?title=Customer_Data_Platform&oldid=23319»