面对从已离场的Exponea迁移至新的客户数据、营销沟通和客户调研管理平台的需求，Hoff公司面临着一项挑战。为选择合适的平台并完成实施，团队进行了大量调研并模拟了多种使用场景。AERO CDO维亚切斯拉夫·茹科夫分享了他们是如何实现这一目标的。
更换的前提条件
长期以来，Hoff 使用多种系统来管理营销沟通，其中核心的是 Exponea，它融合了 CDP（客户数据平台）和 CVM（客户价值管理）产品的功能。具体来说，CDP 部分从各种在线和线下来源聚合数据并创建统一的客户档案，而 CVM 负责营销活动的自动化和个性化：包括电子邮件、推送通知、短信、横幅广告以及其他沟通渠道。
随着时间的推移，转向其他解决方案的条件逐渐成熟：首先，Exponea 的成本受汇率影响，难以预测；其次，缺乏定制化功能；最后，使用海外平台存在地缘政治风险。
选择新方案是一个关键问题，因为客户数据平台（CDP）是直接影响销售额和公司收入的重要工具。需要找到一款功能不逊于现有系统、符合预算、能够融入现有IT基础设施并带来财务回报的系统。错误的选择可能导致显著的预算和时间损失，因此Hoff向ecom与data解决方案提供商及集成商AERO寻求了咨询支持。
标准列表
我们意识到有必要开展全面的研究。系统选择取决于数百个因素，包括客户业务的特殊性、产品特性、内部IT能力、安全要求以及与Hoff其他平台的集成可能性。因此，工作的第一步是制定一份标准清单——涵盖功能、技术和业务方面。
为此，我们首先对公司内部的业务部门、IT团队以及其他系统用户（包括CRM和客户服务中心团队）进行了多轮访谈。这有助于收集未来解决方案的业务需求并确定其优先级。其次，我们研究了Exponea的数据结构，了解其在Hoff生态系统中的定位以及与其他系统的集成情况。
我们将自行认为必要的要求补充到所获取的信息中。由此，我们形成了包含165项强制性和推荐性标准的清单，该清单成为评估市场解决方案的基础。
市场分析
下一步的研究是对现有产品进行分析。我们筛选了18家面向大型企业的CDP（客户数据平台）系统作为分析对象，并依据客户的关键标准对这些解决方案进行评估，剔除不符合要求的方案——例如，缺乏本地部署版本或在案例库中缺少能证明供应商具备处理大规模项目能力的大型成功案例。
在假设的“短名单”中，共有8套系统入选。我们依据自定的评分体系对这些系统进行了评估。我们要求供应商标明其产品所符合的评价标准，随后通过观看演示来验证这些声明是否属实：宣传的功能并不一定都真实存在于产品中。
进入决赛的有两套方案：一套是“盒装”产品，价格较低，但针对具体任务的适配能力较弱；另一套是 Rubbles 公司推出的 CDP 和 CVM 平台 Customer Insight，价格较高，但支持定制化。
此外，我们建议额外使用独立的客户调查平台 Oprosso。Exponea 以及俄罗斯本土的类似产品虽然也具备此类功能，但仅处于基础层面。而我们希望为客户提供一个能够切实满足其需求、解决诸多问题的解决方案。
最终选择
因此，我们向Hoff推荐了两家最终入围的供应商，但最终决定权仍在客户手中——因为每个平台各有优劣。我们需要向客户展示各系统如何解决其当前及未来的需求、成本如何、实施难度多大，以及在迁移过程中可能遇到的挑战。
为此，我们模拟了两种平台的部署和运行场景，为每种平台制定了架构，计算了五年的总拥有成本（TCO），确定了支持所需的人员团队和能力。此外，我们还对两家平台的现有客户进行了调查，以验证其宣称的功能是否确实有效。
最终，我们为Hoff提供了两种发展方案——取决于他们选择哪个供应商——并提供了做出决策所需的全部信息，包括预算和时间表。
Rubbles 的成本高于第二个选项，但它提供了定制能力，并在长期内带来良好的经济效益：在 16-18 个月内，该平台不仅收回了成本，还相比 Exponea 提升了效率。最终促使客户做出选择的是 Exponea 在俄罗斯停止服务——当时 Hoff 决定采用 Rubbles。
Rubbles 平台融合了两个互补的产品：CDP 和 CVM。
CDP平台从多个来源（如网站、移动应用、收银小票、忠诚度计划、CRM系统和线下销售点）收集并统一客户数据。通过运用去重算法，该平台自动构建统一的客户档案，从而提供关于每位顾客偏好、购买历史和行为的详细信息。
下一阶段将接入CVM平台，该平台能有效对收集到的数据进行变现。CVM通过主要沟通渠道启动定向营销活动：电子邮件推送、Push通知、短信以及网站上的个性化数字内容（如横幅广告、轮播图等）。借助这一能力，Hoff能够迅速开展大规模和事件驱动的营销活动，实时创建个性化推荐，提醒客户未完成购买，并灵活管理与每位用户的互动。
实施阶段
实施工作由三支团队负责：来自供应商Hoff、Rubbles以及集成商АЭРО，整个项目分三个阶段完成。
规划
在制定工作计划时，重要的是确定业务场景并对其进行优先级排序——简而言之，就是弄清楚哪些沟通链条能产生最多的利润，以便优先恢复它们。其中一项是购物车弃单自动触发场景，我们将其纳入早期版本之一发布，以便 Hoff 能够尽快从中获得收益。
架构细化
在下一阶段，我们确定了每个业务场景所需的数据及其所在的系统，并基于这些信息构建了将各系统与 Rubbles 平台连接起来的架构。主要数据源是 Axapta——订单和收据均存储于此。我们构建了基于 Kafka 的异步架构，并编写了一个适配器，以适配 Axapta 与 Exponea 之间已有的数据流。应我们的要求，Axapta 将该数据流切换至 Rubbles。
来自 Axapta 和其他系统的数据被发送到 Kafka 系统，Kafka Consumer 将其加载到 S3。随后，Airflow 按照计划解析文件，并将它们加载到基于 Greenplum 的 Rubbles 暂存区。
集成
在计划与架构方案确定后，我们正式开始了实施工作，并与Rubbles和Hoff团队共同协作。首先，我们明确了数据迁移复杂问题中的责任分工，例如当客户数据的格式不符合供应商要求时。很快我们就找到了统一的解决方案，三支团队配合默契、高效协同。
到2025年年中，实施工作已全部完成——整个项目历时9个月。最终，Hoff获得了一套基于真实数据的营销传播综合解决方案。产品停用风险得以消除，细分质量得到提升，个性化推荐为转化率和客户忠诚度的增长创造了条件。而新系统工具的综合效应预计将为平台带来利润增长。