现状
一家新加坡多品牌零售集团 —— 时尚、餐饮、生活方式 —— 经营 50+ 实体门店、一个旗舰电商网站、一个移动 App、三套会员计划。这四个面客触点对身份的认定都不一致。同一个人周末赚两次积分、在 App 上拿到错误的个性化推送、收到她已经流失的品牌的邮件促销。复购率已经平了 18 个月。
商品团队被要求”用 AI”，但没有一种方式能向 AI 问一个有用的问题 —— 没有一个统一的客户模型可查询。
我们做了什么
一段话讲完架构
Web、App、POS、现有的用友 ERP 的事件流落到 Azure Event Hubs。身份识别作为流处理作业跑进 Azure Cosmos DB（含确定性 + 概率性匹配）。激活流向邮件（SendGrid）、App（推送）、Web（个性化 API）、门店屏幕（与用友 CRM 集成）。上面叠 LLM 代理 —— Azure 上的 Anthropic Claude —— 坐在客群存储之上，商品同事问”最近 90 天买过品牌 A、没买过品牌 B 的客户给我”，8 秒拿到受众。
之前三次尝试为什么失败
之前两次 CDP 尝试（一个现成 SaaS 加一个内部项目）失败，因为没人把”客户”这个词在各品牌间的定义对齐过。我们第 1-4 周只交付一件事：每个品牌负责人都签收的客户唯一权威定义。
结果
- 上线后第一季度复购率提升 27%
- 2.4M 跨 3 个源数据库的画像统一
- 14 周 立项到首个带归因的活动
- POS 扫描到画像更新端到端 < 2 秒
- LLM 代理自然语言客群查询平均 8 秒 响应
我们学到了什么
最难的不是流处理管道，而是让商品、电商、门店运营、财务在”客户”的唯一权威定义上达成一致 —— 然后在切换中途不丢失三个团队各自报表的信任。前 6 周新旧并行的影子报表期烧钱不少，但买到了退役遗留系统的可信度。
LLM 代理落地比预期更狠。商品 lead 一个月内停止给 IT 提”帮我拉个名单”工单 —— 他们直接问代理。IT 一周大约回收 12 个工时。