Databricks发布CustomerLake 将智能体营销直接嵌入湖仓底座

Introducing CustomerLake – the agentic CDP built in Databricks — Databricks

Databricks

采购决策向AI智能体转移导致传统瀑布流营销周期彻底失效,企业必须将客户数据与自主智能体深度统一在湖仓内部,才能以毫秒级自适应闭环支撑十亿次规模的1对1个性化交互。

AI-assisted summary of Introducing CustomerLake – the agentic CDP built in Databricks — original source. Check the original for full context.

Source published:

Key ideas

  • Databricks 正式发布专为 Lakehouse 打造的智能体式客户数据平台 CustomerLake,通过 Profile Agents 与 Campaign Agents 实现数据治理、受众圈选与 1:1 动态决策的一体化。 (8:55)
  • 面对 AI 采购智能体将决策周期压缩至数秒的新常态,营销模式正从传统瀑布流活动全面转向全天候闭环、面向“一人受众”的无限营销活动(Infinity Campaigns)。 (3:51)
  • CustomerLake 引入 Agentic 身份解析机制,结合业务规则、LLM 推理判定与人机回环反馈,并在 Clean Rooms 支持下实现零数据出湖的隐私优先第三方匹配。 (11:43)
  • 系统基于 Databricks Genie 实现自然语言受众圈选,并首发原生托管型 Reverse ETL 连接器,开箱直连约 20 个主流营销与广告生态。 (13:54)

Detailed notes

## Background 该视频由 Databricks 于 2026 年 6 月 24 日发布在 YouTube 频道上。视频简介指出,Databricks 正式推出在湖仓底座上构建的智能体式 CDP——CustomerLake,旨在整合 Customer 360、身份解析、受众构建与自动化激活等核心能力,帮助数据与营销团队摆脱传统繁琐活动,借助 AI 智能体实现全天候的 1:1 客户个性化体验。

## TL;DR Databricks 工程副总裁 Tasso Argyros 指出,随着消费者普遍依赖 AI 智能体进行秒级、多渠道的采购决策,传统耗时数周的瀑布流营销活动已经彻底失效,企业必须转向面向“一人受众”的无限营销活动(Infinity Campaigns)。为此,Databricks 推出了直接嵌入 Lakehouse 的智能体式 CDP——CustomerLake,包含用于数据准备与智能身份解析的 Profile Agents,以及用于自然语言受众圈选与一键 Reverse ETL 的 Campaign Agents。现场通过“Brooks Sport”虚拟品牌的实机演示,生动展示了基于 Databricks Genie 的自然语言人群筛选与端到端毫秒级 1:1 决策,并宣布 CustomerLake 正式开启专网预览(Private Preview)。

## Atmosphere & style 整场演讲充满前沿技术发布会的高能氛围与宏大愿景,Tasso 将其 20 年横跨底层数据库与 MarTech 的创业积淀融入其中,开场与观众的即兴互动迅速抓住了智能体消费时代的紧迫感。随着幻灯片拆解架构到现场实机操作流畅展示毫秒级 1:1 决策,现场情绪由对传统营销痛点的共鸣转为对智能体落地的惊艳与兴奋。主讲者的语调坚定且极具感染力,既有硬核架构的技术底气,又饱含将数据、业务与客户体验融为一体的职业热情。

## Bulletin - [08:55](https://www.youtube.com/watch?v=Po1gXA67wdc&t=535s) Databricks 正式发布专为 Lakehouse 打造的智能体式客户数据平台 CustomerLake,通过 Profile Agents 与 Campaign Agents 实现数据治理、受众圈选与 1:1 动态决策的一体化。 - [03:51](https://www.youtube.com/watch?v=Po1gXA67wdc&t=231s) 面对 AI 采购智能体将决策周期压缩至数秒的新常态,营销模式正从传统瀑布流活动全面转向全天候闭环、面向“一人受众”的无限营销活动(Infinity Campaigns)。 - [11:43](https://www.youtube.com/watch?v=Po1gXA67wdc&t=703s) CustomerLake 引入 Agentic 身份解析机制,结合业务规则、LLM 推理判定与人机回环反馈,并在 Clean Rooms 支持下实现零数据出湖的隐私优先第三方匹配。 - [13:54](https://www.youtube.com/watch?v=Po1gXA67wdc&t=834s) 系统基于 Databricks Genie 实现自然语言受众圈选,并首发原生托管型 Reverse ETL 连接器,开箱直连约 20 个主流营销与广告生态。

## Key takeaways - [00:01](https://www.youtube.com/watch?v=Po1gXA67wdc&t=1s) AI 正在重塑消费者行为,购物正从人工调研演变为委托 AI 智能体跨渠道并发比价与采购,传统数周的决策周期被压缩至数秒。 - [02:28](https://www.youtube.com/watch?v=Po1gXA67wdc&t=148s) 传统营销瀑布流模型依赖层层流转的静态流程,在应对高并发、亚秒级的智能体消费决策时彻底失效。 - [03:51](https://www.youtube.com/watch?v=Po1gXA67wdc&t=231s) 无限营销活动(Infinity Campaigns)为每个客户配备专属 AI 智能体,持续摄取信号并推导最佳下一步行动,形成常青迭代的闭环。 - [03:51](https://www.youtube.com/watch?v=Po1gXA67wdc&t=231s) 在智能体驱动的个性化营销中,人类营销人员并未出局,而是升级为首席策略师、总编排师与最高审批人。 - [06:41](https://www.youtube.com/watch?v=Po1gXA67wdc&t=401s) 传统 CDP 本质是割裂的中间件;新一代 Agentic CDP 必须内生于 Lakehouse、以 LLM 为核心引擎并原生支持无限营销活动。 - [08:55](https://www.youtube.com/watch?v=Po1gXA67wdc&t=535s) CustomerLake 的数据与智能体完全受 Unity Catalog 统一治理,数据不离开湖仓即可支撑业务人员自主操作。 - [08:55](https://www.youtube.com/watch?v=Po1gXA67wdc&t=535s) Profile Agents 通过提示词驱动自动完成数据摄入、语义打标、数据丰富与数据质量评估闭环。 - [11:43](https://www.youtube.com/watch?v=Po1gXA67wdc&t=703s) Agentic 身份解析超越了静态 SQL 规则和传统 ML 模型,采用“规则判断-大模型推理-人工降级”的三层递进与持续自学习闭环。 - [11:43](https://www.youtube.com/watch?v=Po1gXA67wdc&t=703s) 利用 Databricks Clean Rooms,第三方数据能够在保证隐私且数据不出企业 Lakehouse 的前提下完成身份对齐。 - [13:54](https://www.youtube.com/watch?v=Po1gXA67wdc&t=834s) Campaign Agents 依托 Databricks Genie 的自然语言交互能力,营销人员输入简单 Prompt 即可生成复杂的底层 SQL 受众及洞察看板。 - [13:54](https://www.youtube.com/watch?v=Po1gXA67wdc&t=834s) Databricks 首度推出原生托管型 Reverse ETL,发布当天即打通约 20 个营销渠道,大幅简化数据回流激活链路。 - [15:53](https://www.youtube.com/watch?v=Po1gXA67wdc&t=953s) 在比赛日球迷体验演示中,智能体能够结合频次护栏为单兵客户实时做出暂缓推送、折扣升舱或纯向导指南等差异化决策。 - [21:06](https://www.youtube.com/watch?v=Po1gXA67wdc&t=1266s) CustomerLake 正式开启专用预览(Private Preview),其终极愿景是依托数据与 AI 智能体底座,每天提供十亿次级别的精准 1:1 客户体验决策。

## Detailed walkthrough ### [00:01](https://www.youtube.com/watch?v=Po1gXA67wdc&t=1s) 个人经历与客户体验(Customer Experience)的新挑战

Databricks 工程副总裁 Tasso Argyros 开场表达了重返技术前沿的兴奋之情。他回顾了自己过去 20 年的创业经历:前 10 年致力于打造一家底层数据库公司,后 10 年则投身于营销技术(MarTech)领域,创立了一家将数据与业务界面(UI)深度融合的公司。如今加入 Databricks 并推出新产品,对他而言是某种意义上的“重返根基”,但更重要的是“真正将数据与智能体的力量带给业务部门”。

进入正题后,Tasso 指出,卓越的企业往往依靠客户体验实现差异化竞争,约有 80% 的企业表示自己主要在为客户创造的体验上展开角逐。然而,AI 正在彻底重塑人们的消费与决策方式,传统的客户体验设计逻辑正面临前所未有的冲击: - **人类不再独立进行购买**:Tasso 现场询问观众在购买物品前有多少人会咨询大语言模型(LLM),现场举手比例高达约 80%。他预测,这种形式很快将从单纯的聊天机器人建议,演变为“将调研、比价、采购乃至物流查询全权委托给 AI 智能体”。 - **购买决策周期急剧压缩**:过去的消费者购买旅程往往长达数天甚至数周,但在 AI 智能体的协助下,决策将在短短几秒或几分钟内迅速完成。 - **无头电商(Headless Commerce)与多渠道并发**:商业模式日益无头化,而智能体对 API 的调用极其高效,这意味着智能体能够在多个渠道上同时并发进行调研和采购。

[02:28](https://www.youtube.com/watch?v=Po1gXA67wdc&t=148s) 传统瀑布流营销活动的缺陷

在面对全新的智能体式消费(Agentic Buying)时,过去的营销运作流程彻底暴露出弊端。传统模式通常由营销团队从庞大的客户群体出发,划分出包含数百万人的目标受众(Audience Segments),随后通过大型营销活动(Campaigns)来触达他们。这种传统架构本质上遵循的是僵化的“瀑布流模型”(Waterfall Model):营销团队制定策略,数据工程团队整合 Customer 360 数据,营销运营团队圈定受众,创意团队生产素材,最终营销人员上线活动、评估并监控运行。

```mermaid flowchart LR accTitle: 传统营销瀑布流模型 accDescr: 展示从战略制定到数据工程、运营圈群、创意制作、激活和度量的线性瀑布流流程。 subgraph Strategy["战略与数据准备"] A["营销策略制定"] --> B["数据工程整合 Customer 360"] end subgraph Ops["运营与创意"] B --> C["营销运营圈定受众群"] C --> D["创意团队制作内容"] end subgraph Execution["执行与分析"] D --> E["营销人员上线激活"] E --> F["效果度量与监控"] end ```

Tasso 尖锐地指出,这种瀑布流机制耗时漫长、极度缺乏弹性,根本无法动态应对环境变化。在消费者按部就班的时代它尚且能够运转,但在智能体以秒为单位、在多渠道瞬时比价采购的当下已彻底失效。正如 Tasso Argyros 所言:“当智能体在几秒钟内在多个渠道上同时进行购买时,你不可能花几个星期去设计一个单一的营销活动。”(“When agents buy on multiple channels at the same time, in seconds, you can't spend weeks designing a single campaign.”)

[03:51](https://www.youtube.com/watch?v=Po1gXA67wdc&t=231s) 无限营销活动(Infinity Campaigns):面向“一人受众”的持续闭环

面对这种脱节,企业必须彻底打破瀑布流思维,不再针对动辄百万人的粗颗粒受众,而是为每一个具体客户——即“一人的受众”(Audiences of one)——在全天候、实时状态下进行每一次交互的个性化定制。既然买方在利用智能体发起冲击,卖方的解法同样是引入智能体,为每一个客户配备专属的 AI 智能体:

智能体持续摄取来自每一位客户的最新信号,动态推导“最佳下一步行动”(Next Best Action),并专门为该个体生成高度定制的内容。当客户接触内容并完成交易或交互后,产生的新信号又会回流给智能体,形成一个不断自我迭代的闭环。这种全新范式被命名为“无限营销活动”(Infinity Campaigns)。

```mermaid flowchart LR accTitle: 无限营销活动智能体闭环 accDescr: 展示客户行为信号输入给个性化智能体,推导出最佳下一步行动和内容,触达客户并回流信号的无限循环。 subgraph CustomerSide["客户侧交互"] A["客户 (人类/采购智能体)"] -->|"产生最新行为信号"| B["行为与交易数据"] end subgraph AgentSide["智能体处理闭环"] B --> C["专属客户个性化智能体"] C -->|"推导最佳下一步行动"| D["动态定制内容生成"] end D -->|"实时触达与激活"| A ```

Tasso 强调,“无限”(Infinity)并不只是因为其闭环轨迹形似无限符号,更是因为它具备以下核心特质: - **常青不息(Evergreen)**:没有固定的开始与结束周期,智能体能够持续自我适应新的客户行为和业务目标,长效稳定运行。 - **海量内容变体选择**:能够从无限丰富的内容变体池中,实时为客户在特定时刻挑选最精准的内容。 - **极致响应速度**:借助智能体的算力,能以无延迟的速度应对客户和采购智能体的极速行为。 - **人机协同(Human in the loop)**:人类并未被边缘化。正如 Tasso Argyros 所强调的:“营销人员是首席策略师、首席编排师,以及智能体行为的最高审批人。”(“The marketer is the chief strategist, the chief orchestrator, and the chief approver of what the agents are doing.”)营销人员获得了一支能够承担繁重 1:1 个性化工程的“智能体军团”,彻底摆脱了过去受制于人力节奏的困境。

[06:41](https://www.youtube.com/watch?v=Po1gXA67wdc&t=401s) 传统 CDP 的局限与 Agentic CDP 的三大支柱

要落地无限营销活动,必须审视传统客户数据平台(CDP, Customer Data Platform)的基础设施能力。传统上,CDP 作为一种业务应用程序,横亘在底层数据与前端触达工具(如邮件服务商或广告网络)之间:它将原始数据整理为面向业务的 Customer 360,提供用于圈选受众与设计旅程的业务 UI,并通过逆向 ETL(Reverse ETL)将数据推送到最终激活渠道。

然而,传统 CDP 的致命缺陷在于其本质是中间件(Middleware),与底层核心数据彼此割裂。在生成式 AI 与智能体时代,驱动智能体不仅需要干净的数据,更需要丰富的上下文(Context),并且数据与上下文必须直接驻留在智能体所处的物理位置。因此,行业亟需新一代 CDP——“智能体式 CDP”(Agentic CDP)。Tasso 明确定义了 Agentic CDP 必须满足的三项铁律: 1. **深度嵌入 Lakehouse 架构(Embedded in the Lakehouse)**:数据、上下文以及各类智能体日益汇聚于数据湖仓,CDP 必须内生于其中,而不是作为外部割裂系统存在。 2. **以大语言模型为核心架构(Built with LLMs at the core)**:并非仅仅挂载一个辅助操作的 Copilot 插件,而是让智能体本身作为整个 CDP 运转的核心引擎。 3. **原生驱动无限营销活动(Power Infinity Campaigns)**:必须具备支撑实时、常青运行、自适应进化并实现 1:1 动态个性化的端到端能力。

[08:55](https://www.youtube.com/watch?v=Po1gXA67wdc&t=535s) 推出 CustomerLake 及其核心模块 Profile Agents

基于对 Agentic CDP 的定义,Tasso 正式宣布推出专为 Databricks 平台打造的智能体式 CDP——**CustomerLake**。

CustomerLake 具备三大特征: - **嵌入式(Embedded)**:数据永不离开 Lakehouse。企业此前在 Unity Catalog 中完成的所有数据与智能体治理(Governance)规则,能够无缝继承并直接应用于 CustomerLake。 - **民主化(Democratized)**:专为业务人员设计,提供业务优先的高可用操作界面(Business-first UI)。 - **自主化(Autonomous)**:赋能一对一精准个性化智能体,能够每天处理多达十亿次级别的极速客户体验决策。

CustomerLake 主要由两大模块构成:负责将原始数据自动转化为 Customer 360 的 **Profile Agents**(画像智能体),以及赋能营销人员驱动无限营销活动的业务端产品 **Campaign Agents**(营销智能体)。

在展开拆解 Profile Agents 时,Tasso 介绍其运作逻辑是由业务人员输入一个定义特定用例的提示词(Prompt),随后 Profile Agents 自动开始执行摄取、转换、丰富数据、执行身份解析(Identity Resolution)并评估画像质量,构成一个持续自我提升数据质量的智能循环: - **数据准备与丰富(Data Hydration)**:借助 LakeFlow Connect,平台能够顺畅摄取来自外部 SaaS 应用的数据,或者直接使用湖仓已有数据。智能体自动对数据执行语义标签标记(Semantic tagging),并修复错误的邮箱、地址或电话号码;同时还能通过 Databricks Marketplace 直接引入第三方数据进行“数据水合”(Data Hydration)。 - **首方数据身份解析(Identity Resolution)**:Profile Agents 的关键支柱之一。企业收集的首方数据往往分散在彼此没有统一主键(Customer Key)的不同数据集中,姓名、邮箱或物理地址格式参差不齐。身份解析正是通过算法将跨数据集但实际属于同一客户的多源记录精准归一并打通。

[11:43](https://www.youtube.com/watch?v=Po1gXA67wdc&t=703s) Agentic 身份解析与隐私优先的第三方数据对接

在构建客户全景视图(Customer 360)的过程中,最关键的一环是身份解析(Identity Resolution)。Tasso Argyros 指出,如果系统无法通过概率匹配将分散的数据识别为同一位客户,“你最终可能会把同一个客户当成不同的人,这会给营销和客户体验带来巨大的问题。”为了解决这个问题,Databricks 推出了名为“Agentic Identity Resolution”(智能体身份解析)的新机制。在该体系中,系统首先由智能体生成业务规则来进行身份匹配;当规则出现模糊或无法判定时,LLM 会接管评估以做出推断;如果依然不确定,系统会自动降级并请求人工反馈。更关键的是,随着识别和解析的数据量逐步累积,智能体会不断学习,形成一个持续改进的闭环系统,使规则更完善、大模型的推理更精准。

以往行业主要依赖静态 SQL 规则或传统的机器学习模型进行身份匹配。Tasso 明确表示:“这两种方法都有显著的局限性,而我们认为智能体身份解析在所有维度上都超越了这些传统方法。”此外,针对外部合作伙伴的第三方数据,Databricks 推出了一种无需让数据离开 Lakehouse 即可完成匹配的方案。该方案基于 Databricks Clean Rooms 构建,在完全保护隐私的前提下完成第三方身份解析。最终,在 Profile Agents 完成数据摄入、转换、质量审查与身份解析后,通过架构映射、幸存规则(survivorship)和持续的数据验证,智能体能自动优化并输出业务就绪的数据资产。

```mermaid flowchart TD accTitle: Agentic Identity Resolution Loop accDescr: 展现从规则判断、大模型接管到人工反馈的身份匹配闭环流程

subgraph Resolution ["身份解析决策链路"] A["Agent 生成规则判断"] --> B{"规则是否确凿?"} B -->|"是"| C["完成身份对齐"] B -->|"否"| D["LLM 接管推理判定"] D --> E{"判定是否明确?"} E -->|"是"| C E -->|"否"| F["降级并引入人工反馈"] F --> C end

subgraph Feedback ["持续自优化闭环"] C --> G["数据沉淀与案例积累"] G -->|"反馈与自我学习"| A end ```

- 传统静态 SQL 规则难以应对复杂的非确定性匹配,而传统 ML 模型在冷启动和规则泛化上面临瓶颈。 - 基于 Databricks Clean Rooms 的第三方身份解析遵循“Privacy-first”(隐私优先)原则,严禁客户敏感数据流出企业自己的 Lakehouse。 - Profile Agents 的终点是输出面向特定业务场景的数据产品,涵盖自动化 Schema 映射以及字段留存规则判定。

---

[13:54](https://www.youtube.com/watch?v=Po1gXA67wdc&t=834s) Campaign Agents:生成式受众圈选与一键 Reverse ETL

在底层数据准备就绪后,Tasso 介绍了 CustomerLake 的第二大核心组件:Campaign Agents(营销活动智能体)。该组件旨在彻底颠覆手动编写营销活动的低效流程。营销人员只需提供简单的业务提示词(Prompt),智能体便能结合商业背景和既定目标自动输出完整的活动策划简报(Campaign Brief)。在营销团队完成审核与批准后,系统便会直接部署智能体去执行细粒度的一对一个性化决策。

Campaign Agents 同样支持传统客户数据平台(CDP)的核心功能——受众圈选(Audiencing),但完全依托 Databricks Genie 的自然语言能力驱动。无论是数据科学家还是业务侧的市场人员,不仅可以通过自然语言提示词圈选人群,还能在可视化业务界面中直观查看、调整并一键将受众转化为实际的营销活动。此外,围绕着备受期待的数据反向写回需求,Databricks 首次宣布推出原生的托管型 Reverse ETL 连接器,能够一键直连广告、营销与客户体验生态。

- **快速个性化**:由于全面基于 LLM 架构,Infinity Campaigns 无需花费数月训练复杂的传统 ML 模型,开箱即可提供端到端的个性化表现。 - **内置防护体系**:自带完整的护栏(Guardrails)、模拟演练(Simulation runs)与效果归因衡量工具。 - **生态集成规模**:发布当天即原生上线约 20 个主流营销与广告生态连接器,计划在年内新增数十个连接器。

---

[15:53](https://www.youtube.com/watch?v=Po1gXA67wdc&t=953s) 实机演示:基于 Genie 的受众构建与 Infinity Campaigns 单兵决策

Databricks 的 Justin 受邀登台展开实机操作演示,演示假设 Profile Agents 已经完成了底层客户数据的集成与解析。Justin 扮演虚拟运动品牌“Brooks Sport”的市场营销经理,首先展示了包含活跃活动、核心受众列表以及 Reverse ETL 同步状态的全局控制面板。在创建新受众时,Justin 没有选择复杂的多重条件过滤表单,而是直接在 Genie 中输入自然语言指令:“包含本赛季在周边商品上消费超过 500 美元、最具价值的美国队粉丝,同时排除已经购买过美国队助威包的用户。”

Genie 迅速分析现有的数据属性与已有受众,瞬间生成了一组包含 80 万名客户的目标人群。平台不仅直观展示了筛选逻辑判定条件,还允许营销人员点击查看底层自动生成的复杂 SQL 代码。Justin 强调道:“如果你曾经为支持营销部门做过拉取名单、写过定制活动规则,你会知道支撑这类活动常常需要写出极其复杂的 SQL,而我们仅靠 Genie 的一条 Prompt 就拿到了它。”同时,系统为该受众动态生成了专属的数据洞察仪表盘。

```mermaid flowchart LR accTitle: Genie 受众构建与活动激活链路 accDescr: 从自然语言提示词生成 SQL 受众再到下发个性化营销的流水线

subgraph PromptStage ["自然语言圈选"] A["业务 Prompt: 高价值美国队粉丝"] --> B["Genie 理解并匹配属性"] B --> C["自动生成底层复杂 SQL"] end

subgraph OutputStage ["受众评估与激活"] C --> D["生成 80 万人受众并附带洞察"] D --> E["Infinity Campaign 个性化分流"] end

subgraph DecisionStage ["一对一决策输出"] E --> F1["Marcus: 触碰频次护栏/暂缓推送"] E --> F2["客户 A: 升舱八五折券"] E --> F3["客户 B: 纯比赛日向导指南"] end ```

随后,Justin 展示了一个名为“比赛日现场球迷体验(In-venue fan experience)”的活跃 Infinity Campaign。该活动配置了目标、转化指标以及严密的业务护栏。在“Agents”实时标签页中,智能体正在对每位客户进行毫秒级的“1对1单兵决策”: - 针对客户 Marcus,智能体给出了“Defer”(暂缓发送)的决定,系统完整透明地输出了推理过程(Reasoning)、评估考量的时间节点、触碰的频次上限(Frequency caps)等护栏约束。 - 针对另一位达标客户,系统决定为其发送包含 15% 折扣的座位升舱专属优惠券(Seat upgrade)。 - 针对第三位客户,智能体判定其不需要促销打扰,仅发送了包含开球时间、停车指南的赛事日程手册。

---

[21:06](https://www.youtube.com/watch?v=Po1gXA67wdc&t=1266s) 合作伙伴生态与专网预览(Private Preview)正式发布

演示结束后,Tasso 重回主讲台总结道:“真正的 1对1 个性化时代已经到来。”他强调,在打造 CustomerLake 的过程中,Databricks 深度联合了全球领先的技术创新团队与企业客户,这些顶尖的数据和营销团队通过结合数据基底、AI 智能体与营销策略,不断拓展客户体验的新边界。

除了早期的先锋采用企业外,CustomerLake 的构建还依托于庞大的服务商与技术生态圈,覆盖数据治理、创意内容生成、数字广告投放、下游激活与落地实施服务。在演讲的尾声,Tasso 正式宣布 CustomerLake 自即日起进入专用预览阶段(Private Preview),并呼吁有兴趣的客户主动联系专属客户团队。为了配合此次发布,峰会当天还设立了全新的 CDP 分论坛议程以及下午 1:00 准时开场的专项营销峰会(Marketing Forum)。

[22:36](https://www.youtube.com/watch?v=Po1gXA67wdc&t=1356s) 深入了解 CustomerLake:峰会专题活动与产品终极愿景

在演讲的尾声,Tasso Argyros 向现场和线上的参会者介绍了获取 CustomerLake 更多技术内幕与实践经验的渠道。他建议大家直接在 Data and AI Summit 的官方应用中搜索“CustomerLake”,即可找到专门的营销论坛(Marketing Forum)以及一系列相关的分论坛专题研讨(Breakout Sessions)。这些分会场的分享阵容十分扎实,不仅有亲手设计并构建 CustomerLake 的 Databricks 核心工程师与产品经理登台拆解技术架构,更有首批尝鲜的早期客户现身说法,深度分享他们将 CustomerLake 引入真实业务场景中的第一手实操感受与成效。

随后,Tasso Argyros 以充满激情的寄语为全场演讲收官。他由衷感慨,能够将商业运作、前端客户体验以及底层数据架构深度融为一体,是他技术生涯中极为特殊的时刻。正如 Tasso Argyros 在总结产品宏大抱负时所说:“It's a very special moment for me to be able to bring together the worlds of business, customer experience, and data all in one place to build something that provides the perfect customer experience a billion times a day.” 这一愿景不仅代表了 Databricks 将智能体架构(Agentic)与湖仓底座深度结合的技术高度,也标志着企业营销正在迈入由数据与 AI 驱动的全自动化、十亿级规模的 1:1 个性化时代。

- **获取更多资源**:在 Data and AI Summit App 中搜索 “CustomerLake” 即可查看相关专题议程。 - **专题活动涵盖**: - **Marketing Forum(营销论坛)**:聚焦现代营销与数据融合的战略方向。 - **研发团队技术拆解**:打造 CustomerLake 的产品及工程研发人员直接讲解内部机制。 - **早期客户案例分享**:首批企业用户分享 CustomerLake 的上线效果与真实体验。 - **核心使命**:打破业务、客户体验与底层数据间的割裂壁垒,支撑每天多达 10 亿次高频、精准且极致的 1:1 客户互动体验。

## Notable quotes > [02:28](https://www.youtube.com/watch?v=Po1gXA67wdc&t=148s) When agents buy on multiple channels at the same time, in seconds, you can't spend weeks designing a single campaign. — Tasso Argyros

> [03:51](https://www.youtube.com/watch?v=Po1gXA67wdc&t=231s) The marketer is the chief strategist, the chief orchestrator, and the chief approver of what the agents are doing. — Tasso Argyros

## Mentioned Databricks, CustomerLake, Tasso Argyros, Justin, Profile Agents, Campaign Agents, Unity Catalog, Databricks Genie, Databricks Clean Rooms, LakeFlow Connect, Databricks Marketplace, Brooks Sport, Data and AI Summit

## Video description Introducing CustomerLake: The agentic CDP

CustomerLake brings core CDP capablities together to help marketing and data teams turn customer data into always-on, 1:1 experiences. With CustomerLake, Customer 360, identity resolution, audience building, campaign automation, activation, and personalization are all available in one platform. And with a shared, governed data foundation, marketers can deploy AI agents that help eliminate manual campaign and keep their focus on customers. Learn more about CustomerLake: https://www.databricks.com/blog/introducing-customerlake-agentic-cdp

00:00 — The impact of AI on the customer experience 02:28 — Why legacy marketing campaigns fall short 03:51 — The shift to Infitity Campaigns 06:41 — What's a CDP? 07:35 — The need for an Agentic CDP 08:55 — Introducing CustomerLake 15:53 — Demo: CustomerLake 21:07 — CustomerLake partners

Presenters: Tasso Argyros, VP Engineering, Databricks

[Source](https://www.youtube.com/watch?v=Po1gXA67wdc)

中文简报

Databricks推出CustomerLake,以AI智能体取代传统CDP 随着自主消费级智能体将购买决策缩短至数秒之内,企业必须放弃批处理式的瀑布流营销活动,转向基于Lakehouse原生AI智能体执行的持续一对一个性化营销。 Tasso Argyros与Justin宣布推出CustomerLake,这是一款原生内嵌于Databricks Lakehouse并受Unity Catalog治理的智能体CDP,旨在克服传统瀑布流营销的高延迟与数据孤岛局限。该平台引入了“无限活动”(Infinity Campaigns),利用自主智能体取代数百万人的静态受众群体,提供实时的、长期有效的1:1个性化服务。CustomerLake将业务负载划分为两类:Profile Agents用于自动执行数据摄取、数据清洗及智能体身份解析;Campaign Agents则使营销人员能够生成简报、通过Databricks Genie借助自然语言构建受众,并利用托管的反向ETL连接器激活数据。现场演示模拟了Brooks Sports的场馆内球迷互动,展示了智能体在延期处理、比赛日指南以及个性化升级优惠等环节中的透明决策过程。 Databricks推出CustomerLake,这是一款直接构建在Databricks Lakehouse内部并受Unity Catalog治理的智能体客户数据平台(CDP),无需将数据抽取到第三方孤岛中。 (8:55) CustomerLake以“无限活动”(Infinity Campaigns)取代传统耗时数周的瀑布流营销活动,部署自主智能体为单个受众提供持续、实时的1:1个性化决策。 (3:51) Profile Agents可自动完成客户360度数据准备,并具备智能体身份解析循环,结合了自动规则生成、针对模糊匹配的大语言模型推理以及人工在环审核。 (11:43) Campaign Agents利用Databricks Genie实现自然语言受众细分,并配备原生且完全托管的反向ETL连接器,支持大约20个主流营销与广告端点。 (13:54) CustomerLake现已正式开放私有预览版,并由数据、激活和系统集成合作伙伴组成的生态系统提供支持。 (21:06)

精炼阅读摘要

Databricks 推出直接构建于其 Lakehouse 架构之上的代理式客户数据平台 CustomerLake,旨在通过自主软件代理将传统基于群组的瀑布式营销转变为实时的千人千面个性化互动。 自主购买时代传统瀑布营销的失效 (2:28) Databricks 的 Tasso Argyros 指出,生成式人工智能正在重塑消费者的决策与购买流程。消费者正从简单的对话查询转向全面授权自主软件代理,由代理跨无头电商平台在几秒或数分钟内同时完成比价、物流核验与交易执行。这一趋势让以数周甚至数月为周期、依赖宽泛受众群组的传统线性瀑布式营销模式难以为继。 无限营销活动与代理式CDP架构 (3:51) 为应对自主买家的高决策速度,CustomerLake 提出了“无限营销活动”(Infinity Campaigns)概念,主张为每位客户分配专门的自主软件代理,实现基于“单人受众”(Audience of One)的持续实时个性化与自适应循环反馈。Argyros 认为传统 CDP 作为与底层数据仓库分离的中间件存在结构性缺陷;新型代理式 CDP 必须直接嵌入 Lakehouse、以大语言模型为核心架构,并在保留人类营销人员作为战略与审批主导者的同时实现全天候运行。 Profile Agents 与自适应身份解析 (10:18) CustomerLake 内部由两大核心模块构成,其中 Profile Agents 负责自动化将杂乱的企业源表加工为客户360视图。系统通过自然语言提示词即可自动搭建数据处理管道,结合 Lakeflow Connect 与 Databricks Marketplace 进行数据清洗与补全。在第一方客户身份解析方面,平台采用“规则过滤、大语言模型研判边缘案例、人工审查兜底”的混合自适应机制,并通过持续反馈循环优化判定模型,同时支持利用 Databricks Clean Rooms 在数据不出库的前提下对接第三方合作伙伴网络。 Campaign Agents 与实机决策演示 (13:54) 业务端的 Campaign Agents 则负责将自然语言商业目标拆解为具体的营销简报,并通过 Databricks Genie 支持非技术人员直接输入提示词提取受众与生成底层 SQL 代码。系统内置开箱即用的模拟运行、治理护栏与反向 ETL(Reverse ETL)连接器。现场演示显示,代理能够根据单客特征透明展示决策逻辑——例如对 Marcus 触发频次护栏而推迟发送,对另一名球迷自动发放比赛日门票折扣,或针对非购买导向受众发送入场指南服务信息。 CustomerLake 目前已面向企业开放定向内部预览(Private Preview),并初步上线约 20 个反向 ETL 预集成连接器;其实际规模化落地的成效与全自动决策的行业接受度,仍有待早期设计合作伙伴在真实环境中的进一步验证。

Detailed notes — zh

## Background 该视频由 Databricks 于 2026 年 6 月 24 日发布在 YouTube 频道上。视频简介指出,Databricks 正式推出在湖仓底座上构建的智能体式 CDP——CustomerLake,旨在整合 Customer 360、身份解析、受众构建与自动化激活等核心能力,帮助数据与营销团队摆脱传统繁琐活动,借助 AI 智能体实现全天候的 1:1 客户个性化体验。 ## TL;DR Databricks 工程副总裁 Tasso Argyros 指出,随着消费者普遍依赖 AI 智能体进行秒级、多渠道的采购决策,传统耗时数周的瀑布流营销活动已经彻底失效,企业必须转向面向“一人受众”的无限营销活动(Infinity Campaigns)。为此,Databricks 推出了直接嵌入 Lakehouse 的智能体式 CDP——CustomerLake,包含用于数据准备与智能身份解析的 Profile Agents,以及用于自然语言受众圈选与一键 Reverse ETL 的 Campaign Agents。现场通过“Brooks Sport”虚拟品牌的实机演示,生动展示了基于 Databricks Genie 的自然语言人群筛选与端到端毫秒级 1:1 决策,并宣布 CustomerLake 正式开启专网预览(Private Preview)。 ## Atmosphere & style 整场演讲充满前沿技术发布会的高能氛围与宏大愿景,Tasso 将其 20 年横跨底层数据库与 MarTech 的创业积淀融入其中,开场与观众的即兴互动迅速抓住了智能体消费时代的紧迫感。随着幻灯片拆解架构到现场实机操作流畅展示毫秒级 1:1 决策,现场情绪由对传统营销痛点的共鸣转为对智能体落地的惊艳与兴奋。主讲者的语调坚定且极具感染力,既有硬核架构的技术底气,又饱含将数据、业务与客户体验融为一体的职业热情。 ## Bulletin - [08:55](https://www.youtube.com/watch?v=Po1gXA67wdc&t=535s) Databricks 正式发布专为 Lakehouse 打造的智能体式客户数据平台 CustomerLake,通过 Profile Agents 与 Campaign Agents 实现数据治理、受众圈选与 1:1 动态决策的一体化。 - [03:51](https://www.youtube.com/watch?v=Po1gXA67wdc&t=231s) 面对 AI 采购智能体将决策周期压缩至数秒的新常态,营销模式正从传统瀑布流活动全面转向全天候闭环、面向“一人受众”的无限营销活动(Infinity Campaigns)。 - [11:43](https://www.youtube.com/watch?v=Po1gXA67wdc&t=703s) CustomerLake 引入 Agentic 身份解析机制,结合业务规则、LLM 推理判定与人机回环反馈,并在 Clean Rooms 支持下实现零数据出湖的隐私优先第三方匹配。 - [13:54](https://www.youtube.com/watch?v=Po1gXA67wdc&t=834s) 系统基于 Databricks Genie 实现自然语言受众圈选,并首发原生托管型 Reverse ETL 连接器,开箱直连约 20 个主流营销与广告生态。 ## Key takeaways - [00:01](https://www.youtube.com/watch?v=Po1gXA67wdc&t=1s) AI 正在重塑消费者行为,购物正从人工调研演变为委托 AI 智能体跨渠道并发比价与采购,传统数周的决策周期被压缩至数秒。 - [02:28](https://www.youtube.com/watch?v=Po1gXA67wdc&t=148s) 传统营销瀑布流模型依赖层层流转的静态流程,在应对高并发、亚秒级的智能体消费决策时彻底失效。 - [03:51](https://www.youtube.com/watch?v=Po1gXA67wdc&t=231s) 无限营销活动(Infinity Campaigns)为每个客户配备专属 AI 智能体,持续摄取信号并推导最佳下一步行动,形成常青迭代的闭环。 - [03:51](https://www.youtube.com/watch?v=Po1gXA67wdc&t=231s) 在智能体驱动的个性化营销中,人类营销人员并未出局,而是升级为首席策略师、总编排师与最高审批人。 - [06:41](https://www.youtube.com/watch?v=Po1gXA67wdc&t=401s) 传统 CDP 本质是割裂的中间件;新一代 Agentic CDP 必须内生于 Lakehouse、以 LLM 为核心引擎并原生支持无限营销活动。 - [08:55](https://www.youtube.com/watch?v=Po1gXA67wdc&t=535s) CustomerLake 的数据与智能体完全受 Unity Catalog 统一治理,数据不离开湖仓即可支撑业务人员自主操作。 - [08:55](https://www.youtube.com/watch?v=Po1gXA67wdc&t=535s) Profile Agents 通过提示词驱动自动完成数据摄入、语义打标、数据丰富与数据质量评估闭环。 - [11:43](https://www.youtube.com/watch?v=Po1gXA67wdc&t=703s) Agentic 身份解析超越了静态 SQL 规则和传统 ML 模型,采用“规则判断-大模型推理-人工降级”的三层递进与持续自学习闭环。 - [11:43](https://www.youtube.com/watch?v=Po1gXA67wdc&t=703s) 利用 Databricks Clean Rooms,第三方数据能够在保证隐私且数据不出企业 Lakehouse 的前提下完成身份对齐。 - [13:54](https://www.youtube.com/watch?v=Po1gXA67wdc&t=834s) Campaign Agents 依托 Databricks Genie 的自然语言交互能力,营销人员输入简单 Prompt 即可生成复杂的底层 SQL 受众及洞察看板。 - [13:54](https://www.youtube.com/watch?v=Po1gXA67wdc&t=834s) Databricks 首度推出原生托管型 Reverse ETL,发布当天即打通约 20 个营销渠道,大幅简化数据回流激活链路。 - [15:53](https://www.youtube.com/watch?v=Po1gXA67wdc&t=953s) 在比赛日球迷体验演示中,智能体能够结合频次护栏为单兵客户实时做出暂缓推送、折扣升舱或纯向导指南等差异化决策。 - [21:06](https://www.youtube.com/watch?v=Po1gXA67wdc&t=1266s) CustomerLake 正式开启专用预览(Private Preview),其终极愿景是依托数据与 AI 智能体底座,每天提供十亿次级别的精准 1:1 客户体验决策。 ## Detailed walkthrough ### [00:01](https://www.youtube.com/watch?v=Po1gXA67wdc&t=1s) 个人经历与客户体验(Customer Experience)的新挑战 Databricks 工程副总裁 Tasso Argyros 开场表达了重返技术前沿的兴奋之情。他回顾了自己过去 20 年的创业经历:前 10 年致力于打造一家底层数据库公司,后 10 年则投身于营销技术(MarTech)领域,创立了一家将数据与业务界面(UI)深度融合的公司。如今加入 Databricks 并推出新产品,对他而言是某种意义上的“重返根基”,但更重要的是“真正将数据与智能体的力量带给业务部门”。 进入正题后,Tasso 指出,卓越的企业往往依靠客户体验实现差异化竞争,约有 80% 的企业表示自己主要在为客户创造的体验上展开角逐。然而,AI 正在彻底重塑人们的消费与决策方式,传统的客户体验设计逻辑正面临前所未有的冲击: - **人类不再独立进行购买**:Tasso 现场询问观众在购买物品前有多少人会咨询大语言模型(LLM),现场举手比例高达约 80%。他预测,这种形式很快将从单纯的聊天机器人建议,演变为“将调研、比价、采购乃至物流查询全权委托给 AI 智能体”。 - **购买决策周期急剧压缩**:过去的消费者购买旅程往往长达数天甚至数周,但在 AI 智能体的协助下,决策将在短短几秒或几分钟内迅速完成。 - **无头电商(Headless Commerce)与多渠道并发**:商业模式日益无头化,而智能体对 API 的调用极其高效,这意味着智能体能够在多个渠道上同时并发进行调研和采购。 ### [02:28](https://www.youtube.com/watch?v=Po1gXA67wdc&t=148s) 传统瀑布流营销活动的缺陷 在面对全新的智能体式消费(Agentic Buying)时,过去的营销运作流程彻底暴露出弊端。传统模式通常由营销团队从庞大的客户群体出发,划分出包含数百万人的目标受众(Audience Segments),随后通过大型营销活动(Campaigns)来触达他们。这种传统架构本质上遵循的是僵化的“瀑布流模型”(Waterfall Model):营销团队制定策略,数据工程团队整合 Customer 360 数据,营销运营团队圈定受众,创意团队生产素材,最终营销人员上线活动、评估并监控运行。 ```mermaid flowchart LR accTitle: 传统营销瀑布流模型 accDescr: 展示从战略制定到数据工程、运营圈群、创意制作、激活和度量的线性瀑布流流程。 subgraph Strategy["战略与数据准备"] A["营销策略制定"] --> B["数据工程整合 Customer 360"] end subgraph Ops["运营与创意"] B --> C["营销运营圈定受众群"] C --> D["创意团队制作内容"] end subgraph Execution["执行与分析"] D --> E["营销人员上线激活"] E --> F["效果度量与监控"] end ``` Tasso 尖锐地指出,这种瀑布流机制耗时漫长、极度缺乏弹性,根本无法动态应对环境变化。在消费者按部就班的时代它尚且能够运转,但在智能体以秒为单位、在多渠道瞬时比价采购的当下已彻底失效。正如 Tasso Argyros 所言:“当智能体在几秒钟内在多个渠道上同时进行购买时,你不可能花几个星期去设计一个单一的营销活动。”(“When agents buy on multiple channels at the same time, in seconds, you can't spend weeks designing a single campaign.”) ### [03:51](https://www.youtube.com/watch?v=Po1gXA67wdc&t=231s) 无限营销活动(Infinity Campaigns):面向“一人受众”的持续闭环 面对这种脱节,企业必须彻底打破瀑布流思维,不再针对动辄百万人的粗颗粒受众,而是为每一个具体客户——即“一人的受众”(Audiences of one)——在全天候、实时状态下进行每一次交互的个性化定制。既然买方在利用智能体发起冲击,卖方的解法同样是引入智能体,为每一个客户配备专属的 AI 智能体: 智能体持续摄取来自每一位客户的最新信号,动态推导“最佳下一步行动”(Next Best Action),并专门为该个体生成高度定制的内容。当客户接触内容并完成交易或交互后,产生的新信号又会回流给智能体,形成一个不断自我迭代的闭环。这种全新范式被命名为“无限营销活动”(Infinity Campaigns)。 ```mermaid flowchart LR accTitle: 无限营销活动智能体闭环 accDescr: 展示客户行为信号输入给个性化智能体,推导出最佳下一步行动和内容,触达客户并回流信号的无限循环。 subgraph CustomerSide["客户侧交互"] A["客户 (人类/采购智能体)"] -->|"产生最新行为信号"| B["行为与交易数据"] end subgraph AgentSide["智能体处理闭环"] B --> C["专属客户个性化智能体"] C -->|"推导最佳下一步行动"| D["动态定制内容生成"] end D -->|"实时触达与激活"| A ``` Tasso 强调,“无限”(Infinity)并不只是因为其闭环轨迹形似无限符号,更是因为它具备以下核心特质: - **常青不息(Evergreen)**:没有固定的开始与结束周期,智能体能够持续自我适应新的客户行为和业务目标,长效稳定运行。 - **海量内容变体选择**:能够从无限丰富的内容变体池中,实时为客户在特定时刻挑选最精准的内容。 - **极致响应速度**:借助智能体的算力,能以无延迟的速度应对客户和采购智能体的极速行为。 - **人机协同(Human in the loop)**:人类并未被边缘化。正如 Tasso Argyros 所强调的:“营销人员是首席策略师、首席编排师,以及智能体行为的最高审批人。”(“The marketer is the chief strategist, the chief orchestrator, and the chief approver of what the agents are doing.”)营销人员获得了一支能够承担繁重 1:1 个性化工程的“智能体军团”,彻底摆脱了过去受制于人力节奏的困境。 ### [06:41](https://www.youtube.com/watch?v=Po1gXA67wdc&t=401s) 传统 CDP 的局限与 Agentic CDP 的三大支柱 要落地无限营销活动,必须审视传统客户数据平台(CDP, Customer Data Platform)的基础设施能力。传统上,CDP 作为一种业务应用程序,横亘在底层数据与前端触达工具(如邮件服务商或广告网络)之间:它将原始数据整理为面向业务的 Customer 360,提供用于圈选受众与设计旅程的业务 UI,并通过逆向 ETL(Reverse ETL)将数据推送到最终激活渠道。 然而,传统 CDP 的致命缺陷在于其本质是中间件(Middleware),与底层核心数据彼此割裂。在生成式 AI 与智能体时代,驱动智能体不仅需要干净的数据,更需要丰富的上下文(Context),并且数据与上下文必须直接驻留在智能体所处的物理位置。因此,行业亟需新一代 CDP——“智能体式 CDP”(Agentic CDP)。Tasso 明确定义了 Agentic CDP 必须满足的三项铁律: 1. **深度嵌入 Lakehouse 架构(Embedded in the Lakehouse)**:数据、上下文以及各类智能体日益汇聚于数据湖仓,CDP 必须内生于其中,而不是作为外部割裂系统存在。 2. **以大语言模型为核心架构(Built with LLMs at the core)**:并非仅仅挂载一个辅助操作的 Copilot 插件,而是让智能体本身作为整个 CDP 运转的核心引擎。 3. **原生驱动无限营销活动(Power Infinity Campaigns)**:必须具备支撑实时、常青运行、自适应进化并实现 1:1 动态个性化的端到端能力。 ### [08:55](https://www.youtube.com/watch?v=Po1gXA67wdc&t=535s) 推出 CustomerLake 及其核心模块 Profile Agents 基于对 Agentic CDP 的定义,Tasso 正式宣布推出专为 Databricks 平台打造的智能体式 CDP——**CustomerLake**。 CustomerLake 具备三大特征: - **嵌入式(Embedded)**:数据永不离开 Lakehouse。企业此前在 Unity Catalog 中完成的所有数据与智能体治理(Governance)规则,能够无缝继承并直接应用于 CustomerLake。 - **民主化(Democratized)**:专为业务人员设计,提供业务优先的高可用操作界面(Business-first UI)。 - **自主化(Autonomous)**:赋能一对一精准个性化智能体,能够每天处理多达十亿次级别的极速客户体验决策。 CustomerLake 主要由两大模块构成:负责将原始数据自动转化为 Customer 360 的 **Profile Agents**(画像智能体),以及赋能营销人员驱动无限营销活动的业务端产品 **Campaign Agents**(营销智能体)。 在展开拆解 Profile Agents 时,Tasso 介绍其运作逻辑是由业务人员输入一个定义特定用例的提示词(Prompt),随后 Profile Agents 自动开始执行摄取、转换、丰富数据、执行身份解析(Identity Resolution)并评估画像质量,构成一个持续自我提升数据质量的智能循环: - **数据准备与丰富(Data Hydration)**:借助 LakeFlow Connect,平台能够顺畅摄取来自外部 SaaS 应用的数据,或者直接使用湖仓已有数据。智能体自动对数据执行语义标签标记(Semantic tagging),并修复错误的邮箱、地址或电话号码;同时还能通过 Databricks Marketplace 直接引入第三方数据进行“数据水合”(Data Hydration)。 - **首方数据身份解析(Identity Resolution)**:Profile Agents 的关键支柱之一。企业收集的首方数据往往分散在彼此没有统一主键(Customer Key)的不同数据集中,姓名、邮箱或物理地址格式参差不齐。身份解析正是通过算法将跨数据集但实际属于同一客户的多源记录精准归一并打通。 ### [11:43](https://www.youtube.com/watch?v=Po1gXA67wdc&t=703s) Agentic 身份解析与隐私优先的第三方数据对接 在构建客户全景视图(Customer 360)的过程中,最关键的一环是身份解析(Identity Resolution)。Tasso Argyros 指出,如果系统无法通过概率匹配将分散的数据识别为同一位客户,“你最终可能会把同一个客户当成不同的人,这会给营销和客户体验带来巨大的问题。”为了解决这个问题,Databricks 推出了名为“Agentic Identity Resolution”(智能体身份解析)的新机制。在该体系中,系统首先由智能体生成业务规则来进行身份匹配;当规则出现模糊或无法判定时,LLM 会接管评估以做出推断;如果依然不确定,系统会自动降级并请求人工反馈。更关键的是,随着识别和解析的数据量逐步累积,智能体会不断学习,形成一个持续改进的闭环系统,使规则更完善、大模型的推理更精准。 以往行业主要依赖静态 SQL 规则或传统的机器学习模型进行身份匹配。Tasso 明确表示:“这两种方法都有显著的局限性,而我们认为智能体身份解析在所有维度上都超越了这些传统方法。”此外,针对外部合作伙伴的第三方数据,Databricks 推出了一种无需让数据离开 Lakehouse 即可完成匹配的方案。该方案基于 Databricks Clean Rooms 构建,在完全保护隐私的前提下完成第三方身份解析。最终,在 Profile Agents 完成数据摄入、转换、质量审查与身份解析后,通过架构映射、幸存规则(survivorship)和持续的数据验证,智能体能自动优化并输出业务就绪的数据资产。 ```mermaid flowchart TD accTitle: Agentic Identity Resolution Loop accDescr: 展现从规则判断、大模型接管到人工反馈的身份匹配闭环流程 subgraph Resolution ["身份解析决策链路"] A["Agent 生成规则判断"] --> B{"规则是否确凿?"} B -->|"是"| C["完成身份对齐"] B -->|"否"| D["LLM 接管推理判定"] D --> E{"判定是否明确?"} E -->|"是"| C E -->|"否"| F["降级并引入人工反馈"] F --> C end subgraph Feedback ["持续自优化闭环"] C --> G["数据沉淀与案例积累"] G -->|"反馈与自我学习"| A end ``` - 传统静态 SQL 规则难以应对复杂的非确定性匹配,而传统 ML 模型在冷启动和规则泛化上面临瓶颈。 - 基于 Databricks Clean Rooms 的第三方身份解析遵循“Privacy-first”(隐私优先)原则,严禁客户敏感数据流出企业自己的 Lakehouse。 - Profile Agents 的终点是输出面向特定业务场景的数据产品,涵盖自动化 Schema 映射以及字段留存规则判定。 --- ### [13:54](https://www.youtube.com/watch?v=Po1gXA67wdc&t=834s) Campaign Agents:生成式受众圈选与一键 Reverse ETL 在底层数据准备就绪后,Tasso 介绍了 CustomerLake 的第二大核心组件:Campaign Agents(营销活动智能体)。该组件旨在彻底颠覆手动编写营销活动的低效流程。营销人员只需提供简单的业务提示词(Prompt),智能体便能结合商业背景和既定目标自动输出完整的活动策划简报(Campaign Brief)。在营销团队完成审核与批准后,系统便会直接部署智能体去执行细粒度的一对一个性化决策。 Campaign Agents 同样支持传统客户数据平台(CDP)的核心功能——受众圈选(Audiencing),但完全依托 Databricks Genie 的自然语言能力驱动。无论是数据科学家还是业务侧的市场人员,不仅可以通过自然语言提示词圈选人群,还能在可视化业务界面中直观查看、调整并一键将受众转化为实际的营销活动。此外,围绕着备受期待的数据反向写回需求,Databricks 首次宣布推出原生的托管型 Reverse ETL 连接器,能够一键直连广告、营销与客户体验生态。 - **快速个性化**:由于全面基于 LLM 架构,Infinity Campaigns 无需花费数月训练复杂的传统 ML 模型,开箱即可提供端到端的个性化表现。 - **内置防护体系**:自带完整的护栏(Guardrails)、模拟演练(Simulation runs)与效果归因衡量工具。 - **生态集成规模**:发布当天即原生上线约 20 个主流营销与广告生态连接器,计划在年内新增数十个连接器。 --- ### [15:53](https://www.youtube.com/watch?v=Po1gXA67wdc&t=953s) 实机演示:基于 Genie 的受众构建与 Infinity Campaigns 单兵决策 Databricks 的 Justin 受邀登台展开实机操作演示,演示假设 Profile Agents 已经完成了底层客户数据的集成与解析。Justin 扮演虚拟运动品牌“Brooks Sport”的市场营销经理,首先展示了包含活跃活动、核心受众列表以及 Reverse ETL 同步状态的全局控制面板。在创建新受众时,Justin 没有选择复杂的多重条件过滤表单,而是直接在 Genie 中输入自然语言指令:“包含本赛季在周边商品上消费超过 500 美元、最具价值的美国队粉丝,同时排除已经购买过美国队助威包的用户。” Genie 迅速分析现有的数据属性与已有受众,瞬间生成了一组包含 80 万名客户的目标人群。平台不仅直观展示了筛选逻辑判定条件,还允许营销人员点击查看底层自动生成的复杂 SQL 代码。Justin 强调道:“如果你曾经为支持营销部门做过拉取名单、写过定制活动规则,你会知道支撑这类活动常常需要写出极其复杂的 SQL,而我们仅靠 Genie 的一条 Prompt 就拿到了它。”同时,系统为该受众动态生成了专属的数据洞察仪表盘。 ```mermaid flowchart LR accTitle: Genie 受众构建与活动激活链路 accDescr: 从自然语言提示词生成 SQL 受众再到下发个性化营销的流水线 subgraph PromptStage ["自然语言圈选"] A["业务 Prompt: 高价值美国队粉丝"] --> B["Genie 理解并匹配属性"] B --> C["自动生成底层复杂 SQL"] end subgraph OutputStage ["受众评估与激活"] C --> D["生成 80 万人受众并附带洞察"] D --> E["Infinity Campaign 个性化分流"] end subgraph DecisionStage ["一对一决策输出"] E --> F1["Marcus: 触碰频次护栏/暂缓推送"] E --> F2["客户 A: 升舱八五折券"] E --> F3["客户 B: 纯比赛日向导指南"] end ``` 随后,Justin 展示了一个名为“比赛日现场球迷体验(In-venue fan experience)”的活跃 Infinity Campaign。该活动配置了目标、转化指标以及严密的业务护栏。在“Agents”实时标签页中,智能体正在对每位客户进行毫秒级的“1对1单兵决策”: - 针对客户 Marcus,智能体给出了“Defer”(暂缓发送)的决定,系统完整透明地输出了推理过程(Reasoning)、评估考量的时间节点、触碰的频次上限(Frequency caps)等护栏约束。 - 针对另一位达标客户,系统决定为其发送包含 15% 折扣的座位升舱专属优惠券(Seat upgrade)。 - 针对第三位客户,智能体判定其不需要促销打扰,仅发送了包含开球时间、停车指南的赛事日程手册。 --- ### [21:06](https://www.youtube.com/watch?v=Po1gXA67wdc&t=1266s) 合作伙伴生态与专网预览(Private Preview)正式发布 演示结束后,Tasso 重回主讲台总结道:“真正的 1对1 个性化时代已经到来。”他强调,在打造 CustomerLake 的过程中,Databricks 深度联合了全球领先的技术创新团队与企业客户,这些顶尖的数据和营销团队通过结合数据基底、AI 智能体与营销策略,不断拓展客户体验的新边界。 除了早期的先锋采用企业外,CustomerLake 的构建还依托于庞大的服务商与技术生态圈,覆盖数据治理、创意内容生成、数字广告投放、下游激活与落地实施服务。在演讲的尾声,Tasso 正式宣布 CustomerLake 自即日起进入专用预览阶段(Private Preview),并呼吁有兴趣的客户主动联系专属客户团队。为了配合此次发布,峰会当天还设立了全新的 CDP 分论坛议程以及下午 1:00 准时开场的专项营销峰会(Marketing Forum)。 ### [22:36](https://www.youtube.com/watch?v=Po1gXA67wdc&t=1356s) 深入了解 CustomerLake:峰会专题活动与产品终极愿景 在演讲的尾声,Tasso Argyros 向现场和线上的参会者介绍了获取 CustomerLake 更多技术内幕与实践经验的渠道。他建议大家直接在 Data and AI Summit 的官方应用中搜索“CustomerLake”,即可找到专门的营销论坛(Marketing Forum)以及一系列相关的分论坛专题研讨(Breakout Sessions)。这些分会场的分享阵容十分扎实,不仅有亲手设计并构建 CustomerLake 的 Databricks 核心工程师与产品经理登台拆解技术架构,更有首批尝鲜的早期客户现身说法,深度分享他们将 CustomerLake 引入真实业务场景中的第一手实操感受与成效。 随后,Tasso Argyros 以充满激情的寄语为全场演讲收官。他由衷感慨,能够将商业运作、前端客户体验以及底层数据架构深度融为一体,是他技术生涯中极为特殊的时刻。正如 Tasso Argyros 在总结产品宏大抱负时所说:“It's a very special moment for me to be able to bring together the worlds of business, customer experience, and data all in one place to build something that provides the perfect customer experience a billion times a day.” 这一愿景不仅代表了 Databricks 将智能体架构(Agentic)与湖仓底座深度结合的技术高度,也标志着企业营销正在迈入由数据与 AI 驱动的全自动化、十亿级规模的 1:1 个性化时代。 - **获取更多资源**:在 Data and AI Summit App 中搜索 “CustomerLake” 即可查看相关专题议程。 - **专题活动涵盖**: - **Marketing Forum(营销论坛)**:聚焦现代营销与数据融合的战略方向。 - **研发团队技术拆解**:打造 CustomerLake 的产品及工程研发人员直接讲解内部机制。 - **早期客户案例分享**:首批企业用户分享 CustomerLake 的上线效果与真实体验。 - **核心使命**:打破业务、客户体验与底层数据间的割裂壁垒,支撑每天多达 10 亿次高频、精准且极致的 1:1 客户互动体验。 ## Notable quotes > [02:28](https://www.youtube.com/watch?v=Po1gXA67wdc&t=148s) When agents buy on multiple channels at the same time, in seconds, you can't spend weeks designing a single campaign. — Tasso Argyros > [03:51](https://www.youtube.com/watch?v=Po1gXA67wdc&t=231s) The marketer is the chief strategist, the chief orchestrator, and the chief approver of what the agents are doing. — Tasso Argyros ## Mentioned Databricks, CustomerLake, Tasso Argyros, Justin, Profile Agents, Campaign Agents, Unity Catalog, Databricks Genie, Databricks Clean Rooms, LakeFlow Connect, Databricks Marketplace, Brooks Sport, Data and AI Summit ## Video description Introducing CustomerLake: The agentic CDP CustomerLake brings core CDP capablities together to help marketing and data teams turn customer data into always-on, 1:1 experiences. With CustomerLake, Customer 360, identity resolution, audience building, campaign automation, activation, and personalization are all available in one platform. And with a shared, governed data foundation, marketers can deploy AI agents that help eliminate manual campaign and keep their focus on customers. Learn more about CustomerLake: https://www.databricks.com/blog/introducing-customerlake-agentic-cdp 00:00 — The impact of AI on the customer experience 02:28 — Why legacy marketing campaigns fall short 03:51 — The shift to Infitity Campaigns 06:41 — What's a CDP? 07:35 — The need for an Agentic CDP 08:55 — Introducing CustomerLake 15:53 — Demo: CustomerLake 21:07 — CustomerLake partners Presenters: Tasso Argyros, VP Engineering, Databricks [Source](https://www.youtube.com/watch?v=Po1gXA67wdc)

Source quotes

[2:28] Tasso Argyros: When agents buy on multiple channels at the same time, in seconds, you can't spend weeks designing a single campaign. [3:51] Tasso Argyros: The marketer is the chief strategist, the chief orchestrator, and the chief approver of what the agents are doing.