主动营销将增长重新定义为一个持续的决策问题：预测意图、即时行动并衡量变化。Databricks通过将客户数据平台直接嵌入湖仓，实现了这一循环，使代理能够读取受控身份、实时行为和业务约束，然后推荐或执行最佳下一步行动。这一架构转变至关重要，因为决策逻辑、激活和测量都基于同一受控数据基础，减少了扭曲结果和延缓优化的数据传递和复制。如果成功，营销人员将用持续循环取代批量活动，用增量收入和利润取代代理KPI。
身份成为执行的核心支柱。Databricks的方法强调解析已知和匿名信号，尊重同意，并持久保存决策上下文——包括提供、展示和抑制的内容——确保每个行动都在明确的规则范围内进行。身份和决策历史随客户跨渠道流转，使代理能够判断资格、经济性、频率限制和疲劳。承诺是实现个性化而避免传统营销技术的复杂扩散：减少孤岛、减少调和、加强对谁能在何处为何行动的控制。实际上，这要求持久ID、流式管道和严格的策略执行，确保代理仅基于受控且最新的上下文行动。
CustomerLake包含两种代理角色：Profile Agents将分散数据转化为业务就绪的客户360视图，Campaign Agents负责组建受众、选择优惠和渠道，并根据目标优化。Databricks的“无限活动”保持这一循环运行——识别再激活机会、测试激励、在回报下降时抑制，并将结果反馈回模型。关键是测量通过增量性进入循环：每个决策都基于反事实判断，而非最后点击归因。对领导者而言，标准从证明覆盖率转向证明提升，明确下一美元应投入营销、促销还是回归利润底线。