一句话回答
跨设备追踪是把同一个人在手机、笔记本、平板等多台设备上的活动连起来,当作一个人来分析。确定性关联靠用户自己提供的东西,通常是登录。没有关联时,每台设备都算一位独立访客。
公式: 多算比例 = 设备数 ÷ 人数 − 1。示例中,1,340 ÷ 1,000 − 1 = 34%。
什么是跨设备追踪?
跨设备追踪是把同一个人在多台设备上的活动,比如手机、笔记本和平板,连起来,当作一个人而不是几个人来分析。美国联邦贸易委员会把它描述为把多台设备关联到同一位消费者。没有它,一位在手机上浏览、在笔记本上下单的顾客会被算成两位访客,这笔订单看起来像是凭空冒出来的。
建立关联有两种方式,两者的差别比本文其他任何一点都重要。确定性关联用的是用户自己提供的东西,通常是登录:同一个账号在两台设备上登录,它们就属于同一个人。概率性关联则根据网络地址或位置之类的信号去猜。本文讲前一种,因为它是你能向用户解释、能测试、出了问题能修的那一种。
确定性关联和概率性关联
| 确定性(基于登录) | 概率性(推断) | |
|---|---|---|
| 靠什么连接设备 | 各设备上相同的账号标识 | 根据共有信号做出的统计猜测 |
| 准确度 | 对登录的人很高 | 不一定;可能误配 |
| 覆盖面 | 只有登录的人 | 所有人,包括从不登录的 |
| 对用户是否透明 | 用户是明知故犯地登录 | 常常发生在用户没注意的时候 |
| 失败方式 | 不登录的人保持分开 | 同一网络下的两个人可能被合并 |
美国联邦贸易委员会的工作人员报告恰好划了这条线,并建议企业对这种做法保持透明,给用户有意义的选择。Google Analytics 是确定性路线的一个例子:它的 User-ID 功能让你给用户附上自己的标识,从而把跨会话、跨设备的活动连起来,而且这个标识不能包含第三方可以用来识别个人的信息。
为什么需要它:算例
示例数据:1,000 位顾客在一个月里访问一家店铺。660 人只用一台设备,340 人用两台(手机和笔记本)。所以来访的设备数是 660 + 2 × 340 = 1,340。
- 按设备计数的工具会报告 1,340 位访客,比真实的 1,000 人多 34%。
- 在 340 位双设备顾客中,220 人在两台设备上都登录了。把这些设备连起来,每人少算一次,剩下 1,340 − 220 = 1,120 人。另外 120 位双设备顾客没有在两台设备上都登录,所以仍然出现两次。多算的比例从 34% 降到 12%。
- 这个月有 60 笔订单。除以设备数,转化率是 60 ÷ 1,340 = 4.5%;除以连接后的人数是 60 ÷ 1,120 = 5.4%;除以真实人数应该是 60 ÷ 1,000 = 6.0%。
有两点启示。其一,只要按设备计人,所有以人数为分母的指标(转化率、人均收入、留存)都会被低估。其二,这个修正是部分的:登录只能连起登录过的人。剩下的差距不是缺陷,那是不靠猜测就没人能看到的部分。
登录实际上连接了什么
基于登录的关联有哪些行为,值得事先知道。
- 某台设备上的第一次登录,会把这台设备之前的匿名历史回填到这个人身上。从首次访问到注册的漏斗就变成了一条完整路径。
- 同一设备上的第二个账号不会接管旧数据。 已经属于某个人的行数据仍然归那个人;之后设备指向新的人,只有新事件归到他名下。
- 共用电脑不会泄露历史。 退出登录会清除登录状态,并开始一个干净的会话。
- 占位 ID 会被拒绝。
guest、anonymous、null、全零、-1这类值会把毫不相干的人合成一个,所以会被拒绝。 - 每个人的设备数有上限。 默认是 50;超过之后,最早的一台会被解绑。
常见误区
- 指望未登录的访客也能连起来。 从不登录的访客在汇总里保持分开。这是这种方法本身的限制。
- 在登录成功之前就调用登录。 应该在你自己的认证成功之后再设置 ID,而不是在显示表单的时候。
- 多个人用同一个 ID。 共享账号或占位值会把陌生人合并,一个人的历史就变成所有人的历史。
- 各平台使用不同类型的 ID。 网站、App 和小程序只有在发送相同类型、相同字符串时才会合并;否则就是三个人。
- 把个人信息当作 ID 发送。 用内部 ID。如果用邮箱做标识,要先哈希(TapCub 会替你做),并在隐私政策里说明标识符的用途。
- 把合并后的数字当作全部的真相。 连接之后独立访客数下降,是另一种计数方式,不是流量丢了。
- 忽略同意。 登录关联建立在设备 ID 之上,而 TapCub 只有在同意和隐私设置允许时才写入它。
关于连接各种标识的技术,见 身份解析 和 身份图谱。报告某人是谁的那个调用有单独一页 识别用户,被连接的两种标识在 用户 ID 和 设备 ID 里讲。
在 TapCub 里做跨设备追踪
还是那 1,000 位顾客。下面是怎么从 1,340 位访客走到 1,120 个人。
- 确认模式。 按登录关联,只有项目处于识别模式时才起作用。配置 › 合规中心会显示项目是匿名还是识别,以及同意和采集档位。项目能不能这样关联人,取决于合规中心里的设置。在匿名模式下,没有人被建立档案,访问仍然会计数。
- 上报登录。 在你自己的登录成功之后,调用
tapcub.login('u_123', { $name: 'Ada' });退出登录时调用tapcub.logout()。ID 最长 200 个字符;邮箱会转小写并哈希,手机号会去掉空格和短横线。bind()可以给同一个人加更多标识。详见 调用 login 和 bind。 - 各处使用同一个 ID。 网站、App 和小程序发送相同类型和字符串时,会合并成一个人。小程序用 OpenID 类型调用 login,并绑定 UnionID 来连接各个平台。
- 一个人一行。 在全端分析 › 用户 › 用户里打开档案:能看到身份关联、设备,以及按天排列、合并了已绑定设备的时间线。识别之前的活动显示为匿名片段。
- 检查它去掉了多少。 全端分析 › 用户 › 身份映射有一张差异卡,对比你所选日期内的访客、设备和人数,包括由一个人用多台设备带来的多算数量。映射日志记录每一次绑定、拆分、拒绝和回填,所有者或管理员可以把设备拆开。合并规则见 同一个人如何跨设备合并。
- 切换计数方式。 计数方式让报表按访客、设备或用户来数。从访客模式切到用户模式,会把同一个人的手机和笔记本合在一起,所以数字通常会下降:这是另一种计数,不是数据丢失。
从不登录的人留在汇总里,不会有档案。TapCub 不靠猜测去连接他们。
资料来源
- 美国联邦贸易委员会,FTC Releases New Report on Cross-Device Tracking,2017 年 1 月 23 日。
- 美国联邦贸易委员会,Cross-Device Tracking: A Federal Trade Commission Staff Report,2017 年 1 月,确定性与概率性方法。
- Google Analytics 帮助,Measure activity across platforms with User-ID,2026-11-17 核对。
- TapCub 产品文档,访客、用户与身份;用户与属性;计数方式,2026-11-17 核对。
这个解释清楚吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。
