Convertlab成立于2015年，由前SAP的SME事业部核心团队所创立，致力于为中国企业提供对标美国Adobe营销云套件的产品和服务。2018年至2020年，该公司连续三年入选由Scott Brinker所编写的全球营销技术生态图谱（Marketing Technology Landscape）。
企业的数字化基础设施，应该具备私域客户经营、公域流量经营、数据资产管理及智能化四方面的关键能力。Convertlab也逐步搭建起自己的营销云产品矩阵，包括：Ad Hub智能广告平台、DM Hub营销自动化平台、Data Hub客户数据平台和AI Hub智能引擎四个主要产品。并针对B2B营销的业务特征，Convertlab推出荟聚数字营销云产品。2021年以来，伴随着国内外政府和市场对于消费者隐私保护的逐渐重视，Convertlab也针对性地推出了CPM同意与偏好管理平台和PEC Hub隐私计算平台。
Convertlab主要产品
Convertlab的营销云产品矩阵能够覆盖企业营销业务流程的前、中、后链路，根据企业的实际需求，通过产品组合提供一体化营销的解决方案，同时也支持单个产品的快速部署，包括公有云部署、公有云的私有部署、本地部署等不同方式。
2022以数据为核心，搭建数据流动和应用的闭环路径
数字营销的根基是数据，对于数据的灵活运用是提升营销效率降低营销成本的关键。Covertlab的系列产品为企业提供了从数据沉淀、管理、应用再到沉淀的完整流动闭环，通过多样化的数据工具，最大限度地提升企业的数据管理和应用能力，帮助企业构建自己的数据资产。
Convertlab主要产品能力图谱
Convertlab的Data Hub能为企业提供数据沉淀和管理的能力。通过支持前后端埋点、第三方数据库连接、ODS连接器等功能，使得企业能够将自有数据和外部数据通过“管道”工具，全部引流到一个数据仓库中来，实现企业数据的初步沉淀积累。随后通过ETL数据清洗处理器工具，对原始数据进行清洗和筛选，提高数据质量。在此基础上，通过精准合并（强ID或三方撞库）或概率预测合并（基于行为管理和兴趣聚类），对来自不同渠道的数据进行One ID的识别和合并，从而使得企业能够通过多渠道收集的各类数据特征对人群进行有效的特征聚类，以优异的计算性能、实时+批量标签/圈群能力快速形成人群包用以赋能后续的营销应用及下游系统数据支撑。同时 Data hub提供包括WOE、维度、漏斗等多种分析工具，帮助企业快速洞察数据价值，反哺业务决策。
对于数据的应用，Convertlab从实际的应用场景出发，强调数据应用与实际业务需求的紧密结合。数字营销提效降本的核心是对消费者行为的精准分析和预测。因此无论是内嵌于DM Hub的CDP客户数据平台还是Data Hub中的数据处理和分析模块，均支持在One ID的基础上，根据消费者的多维度数据对其建立系统化的标签描述和用户画像。标签体系主要包括规则标签、公式计算标签、模型标签、GDQL标签以及外部标签五大类，同时也能够根据不同行业的业务模式在行业通用标签库的基础上，进行定制化的适配。用户画像则主要包括客户名片（依据人口属性、会员数据、购买倾向数据和行为偏好分析等形成）、消费者行为时间轴、多渠道身份管理以及可以自定义的相关核心指标。
通过构建消费者标签体系和用户画像，Convertlab为企业提供了更加直观和便捷的消费者数据管理方式。同时也为前端的营销业务人员提供了可视化的消费者分析工具，支持根据营销活动需求或渠道需求，依据标签对消费者进行快速的圈选和过滤，根据营销场景快速锁定目标消费者，并且支持精细化地对单个消费者进行画像分析。
例如，Convertlab帮助日本某大型服饰零售商进行数据标签体系设计，从该企业的电商订单数据、门店消费数据、微信行为数据和线上行为数据等数据源出发，为该企业设计了包括消费者属性特征、行为统计、模型标签和预测标签四部分组成的完整标签体系，对客户价值、购买偏好、会员属性、客户活跃度、行为偏好等维度进行精准洞察和动态更新，实现更好的客户生命周期运营和EC Retargeting。
针对不同营销业务类型，搭建自动化的营销触达和线索孵化的功能体系
无论是实际的业务场景还是客户的业务需求，B2C营销和B2B营销都具有较大差异。因此，Convertlab针对不同的业务类型，开发了针对B2C营销业务需求的DM Hub产品和针对B2B营销业务需求的荟聚产品。
在B2C营销业务中，MA（营销自动化）是营销云产品的核心功能，通过调动创意资源，连接私域渠道和外部可接入的渠道，以程序化的方式实现自动化的营销触达，释放人力并降低营销成本。围绕消费者的旅程，Convertlab为企业提供针对前链路的Ad Hub和针对中后链路的DM Hub，通过两个产品的相互配合和数据打通，实现对于消费者旅程的全覆盖。
Ad Hub主要针对企业前链路的广告获客场景，支持企业通过Ad Hub的Trading Desk的功能模块，接入如腾讯广告、巨量引擎、阿里汇川等不同的外部广告媒体平台，对不同平台回传的广告效果数据进行统一分析，包括重叠度分析和归因分析，同时支持搭建自有的广告素材库，实现广告素材和人群包的复用，并且基于Data Hub所建立起来的消费者标签和画像体系，能够对广告效果有更加有效的衡量和优化，同时也为更多地广告投放策略提供数据支撑。
在中后链路，DM Hub支持企业在连接自有私域渠道和外部可接入的渠道的基础上，根据消费者旅程和行为路径，通过营销画布以“拖拉拽”的方式设置自动化营销的规则和触达内容。同时内嵌内容编辑和制作小工具，方便营销人员通过模板和风格设置，快速制作轻量级的营销素材，例如H5页面、表单、直播活动、简单海报等。在DM Hub中还有独立的数据分析模块，能够对营销活动、渠道和消费者进行效果分析、漏斗分析、行为分析等操作，为营销业务提供快速的数据分析工具，支持迅捷的营销策略调整。
在B2B营销业务中，高客单价和长周期的业务性质，使得销售线索的持续培育和精准触达成为最终实现转化的关键。Convertlab在荟聚产品提出“圈、养、收”的线索培育方法论。“圈”是指全渠道集客，即通过打通企业的内部和外部渠道，实现对于潜在客户的渠道身份识别和行为监测，最大限度地扩大进入企业营销漏斗的销售线索数量。
“养”是指基于动态的数据分析，对销售线索的持续培育。从客户生命周期来看，销售线索一般要经历Leads-MQL-SQL-商机-首购几个阶段。潜在客户跨越每个阶段，既需要大量的产品信息帮助决策，也是客户对企业产品功能和自身业务需求匹配程度的进一步了解。因此，荟聚通过标签体系和用户画像的能力，实现对企业客户的深入了解，同时通过线索分层管理和线索评分体系，实现高效的销售线索管理。基于客户的标签、画像和评分等数据，帮助企业了解客户当前的决策阶段，并最终决定应该针对客户的哪些问题向其展示具备说服性的产品内容或活动消息，与潜在客户实现高质量的信息沟通。
“收”是指通过对接企业CRM系统，或通过销售小助手等系统，实现企业内营销和销售环节的协同。通过线索评分系统，将符合条件的高价值线索转出给销售人员，进行一对一的销售洽谈和沟通，同时支持企业微信和CRM系统等，实现对销售流程的全程跟进和售后服务的保障，并且也能将销售和售后数据反馈给营销环境，实现线索的再培育或培育策略的持续优化。
Convertlab荟聚产品逻辑架构
针对数据隐私保护规范，推出企业数据合规和隐私计算平台
2018年，欧盟GDPR和美国CCPA法案相继出台，2021年11月我国推出《个人信息保护法》，对于消费者的数据采集和数据隐私安全有了更高的要求和法律限制。在这样的背景下，数字营销领域过去所使用的数据采集和应用手段，都会受到更加严格的限制和影响，过去具有良好效果的数据营销方法论也或将失效。企业的数字业务也将受到新的挑战。
Convertlab顺应数据监管日趋规范的环境，针对数据隐私保护规范，推出企业数据合规的解决方案和隐私计算平台，包括CPM同意与偏好管理平台和PEC隐私增强计算解决方案。
CPM是帮助企业完成数据安全合规收集、处理和管理的一套系统。同意管理是指针对用户的授权同意信息进行管理。偏好管理用户向企业表达希望其在何时、何渠道以什么频率和什么内容去进行沟通，企业应当基于此动态调整营销策略。CPM的核心功能包括用户请求管理、规则处理引擎、个人同意与偏好状态和历史记录、同意与偏好分析报表等，并支持通过API与企业CDP系统和MA系统进行集成，实现批量数据过滤和动态内容沟通。
Convertlab CPM同意与偏好管理产品部分核心功能
PEC是指通过联邦学习、差分隐私、多方安全计算、同态加密等隐私计算技术实现数据价值发挥和数据隐私共存，保障企业数据共享和流通过程中的隐私安全性。不同的隐私计算技术在不同的业务场景能够实现更好的应用效果，例如企业通过横向联邦学习，进行模型训练，由合作机构开展本地输出人群包，并完成私有化的人群包部署，最后通过广告投放平台的RTA引擎，完成扩量投放，获得更多拉新。通过匿踪查询，则能够实现在不同合作企业之间进行用户标签查询和标签隐私计算，根据标识而非标签实际数据，对标签的属性进行判断分类。
