TapCub 正式上线:统计、分析、客服一个平台免费用
术语表

什么是数据统一?步骤和统一前后的算例

数据统一是把几个系统里关于同一个人或实体的记录匹配并合并成一份档案。本文讲步骤、统一前后的算例,以及怎样检验一条匹配规则。

苏禾 审核人 伊森·布鲁克斯 又称 数据整合 最后更新 2026 年 11 月 20 日 术语表

一句话回答

数据统一是对来自多个系统、关于同一个人、账户或事物的记录做匹配、去重和对齐,使每个实体只出现一次,字段一致,并有一个稳定的标识,例如把网页、App 和客服的记录合成一份档案。

什么是数据统一?

数据统一(data unification)是把几个系统里关于同一批人、账户或事物的记录,整理成一份一致的数据:同一个实体只出现一次,字段经过对齐,并带有一个稳定的标识。同一个人的一次网页访问、一次 App 会话和一次客服聊天,会变成一份档案,而不是三行互不相干的数据。

它不只是搬运数据。一篇介绍 Data Tamer 系统的论文把数据整理(curation)描述为:发现数据源、清洗和转换新数据、与本地其他数据源整合,最后对合并的结果做去重。最后这一步正是数据统一增加的东西:数据复制过来之后,同一个人仍然在你的数据里出现三次,直到你把这些记录匹配起来。

数据统一分哪几步?

某厂商客户数据产品的文档(见资料来源)把统一描述为四步。名称是他们的,但这个顺序是通用的:

步骤回答的问题示例
1. 选择并映射源数据哪些表描述这个实体,哪一列是邮箱、电话、姓名?把 mail、email_addr 和 e-mail 映射成同一个「邮箱」字段
2. 在单个数据源内去重同一张表里是否有多行对应同一个人,哪一行最合适?同一个登录账号有两份网页档案:保留最新的
3. 跨数据源匹配不同表里的哪些行是同一个实体?App 用户 4127 和账单客户 88 共用同一个登录 ID
4. 生成统一视图哪些列保留、合并或丢弃?六个邮箱列合并成一个

同一份文档里还有两点在实践中很重要。其一,购买这类活动数据不放进档案,因为它和客户是一对多的关系。其二,统一后的档案会得到一个标识,它在两次运行之间保持不变,除非档案发生合并(两份变一份)或拆分(一份变两份),这时会记录一个「旧 ID」。两种情况都要预案,因为发生时所有按旧 ID 做的报表都会变。

一个用户的数据统一前后是什么样?

示例数据:一个叫 Ada 的人在网页、手机 App 和在线客服里使用同一个产品,并通过发票付款。

统一前:四条记录,四个标识

系统标识内容
网站统计访客 ID 3FA2C1来自一条邮件链接的 2 个会话,定价页看了 3 次
在线客服同一个访客 ID 3FA2C1一次关于年付账单的咨询
手机 App设备 ID d_41打开 App 5 次,开始结账但没有完成
订单系统登录 ID u_123一笔已付款订单,240 美元

统一后:以 u_123 为键的一份档案

层档案现在显示什么
身份访客 3FA2C1 和设备 d_41 都绑定到 u_123
时间线点邮件链接 → 看定价页 → 咨询账单 → App 里开始结账 → 下单
因此能回答「她问过年付账单,在 App 里开始结账,最后在网页上付款」是一个完整的故事,而不是四个片段

聊天和网页本来就共用一个 ID,因为它们来自同一段脚本;App 设备和订单记录是在有共同的键(登录 ID)时才连上的。这是通用规则:统一的效果取决于各数据源共有的键。

对数字的影响同样具体。示例数据:1,000 个网页访客、400 台 App 设备和 150 个聊天访客。聊天访客是网页访客的子集。其中 180 台 App 设备的主人同时也在网页访客里,通过登录匹配。

  • 把各系统的「用户数」直接相加:1,000 + 400 + 150 = 1,550。
  • 统一之后:1,000 + 400 − 180 = 1,220 个不同的人,直接相加高估了 27.0%。
  • 有 61 位买家时,转化率按直接相加是 61 ÷ 1,550 = 3.9%,按统一后的人数是 61 ÷ 1,220 = 5.0%。

业务没有变,变的是分母。

记录是怎么匹配的?

规则分两类,真实项目通常按顺序两类都用。

  • 确定性匹配:用两个系统都有的稳定键来连接,比如登录 ID、哈希后的邮箱、订单号。简单、可解释,应该先试这种。
  • 概率(模糊)匹配:对两条记录在多个字段(姓名、地址、设备信息)上的相似度打分,超过阈值就合并。它能找到没有共同键的关联,但有时会出错。

匹配规则要量化检验,而不是直接信任。示例数据:一条规则提议了 200 对「同一个人」,人工复核后发现 190 对正确、10 对错误,另外还发现规则漏掉了 30 对真实的匹配。

  • 精确率 = 190 ÷ (190 + 10) = 95%,也就是 5% 的合并是错的。
  • 召回率 = 190 ÷ (190 + 30) = 86.4%,也就是 13.6% 的真实匹配被漏掉了。

错误合并通常比漏掉合并更糟:它把两个人的历史混在一起,而且很难发现;漏掉匹配只是让一个人被拆成两个。拿不准时,把阈值设在让精确率保持较高的位置,较弱的规则只用于给人工确认的建议。

数据统一和数据集成有什么不同?

术语做什么产出
数据集成把多个系统的数据搬到一起并合并数据在同一处,但可能仍有重复
数据统一对同一实体的记录做匹配、去重和对齐每个实体一条记录、一个 ID
单一客户视图面向人的结果:每位客户一份档案一份能读的档案
统一数据模型各数据源共用的一套事件和实体结构到处都是相同的事件名和字段

客户数据平台把统一和其他功能打包在一起。不管用什么工具,统一这一步回答的都是上面那四个问题。

数据统一容易在哪里出错?

  • 错误合并:共用一台家用平板或办公电脑的两个人被合成一份档案。合并键优先用登录 ID,而不是设备 ID。
  • 漏掉合并:从不登录的匿名访客无法关联到任何东西,有些标识还会过期。如果访客 ID 每天轮换,今天的浏览器和明天的浏览器就是两个访客。
  • ID 变化:合并或拆分会改变统一后的 ID。保留旧 ID,历史数据才能接上。
  • 没有同意:合并记录就是在处理个人数据。只连接你的隐私配置和本人同意所允许的内容,匿名的汇总数据保持匿名。
  • 含义没对齐:匹配行不等于匹配字段:含税和不含税的「收入」、两个不同的时区,会生成一份错得很有信心的档案。

统一之前的检查清单

  1. 列出各数据源,以及每个数据源持有的标识(访客 ID、设备 ID、登录 ID、邮箱、订单号)。
  2. 选出最稳定的共有键,并写下备用键的顺序。
  3. 决定合并或拆分时怎么处理,包括怎样保留旧 ID。
  4. 在对所有人应用规则之前,先人工抽查 200 对建议匹配,算出精确率和召回率。
  5. 转化率和留存率的分母用统一后的人数,而不是各系统之和。

在 TapCub 里是怎么做到的?

以上面 Ada 的四条记录为例,看它们在 TapCub 里怎样连起来,以及限制在哪里。

  1. 网页和客服共用一个访客 ID。 它们来自同一段脚本,所以一个聊天会话进来时就带着访客的来源、当前页面和最近两天的浏览轨迹,一键就能打开统计里同一位访客的档案。项目里所有数据源(网站、App、小程序)共用一套身份模型和一张事件表。
  2. 登录后调用 tapcub.login(),传入你自己的用户 ID。设备第一次绑定登录 ID 时,那次会话和该设备此前的匿名事件都会拿到这个用户 ID;同一用户在 App 里用同一个 ID 接上。参见识别用户。
  3. 在「用户」里看结果。 登录后,这个人会出现在 全端分析 › 用户 › 用户。一个登录 ID 就是跨网页、App 和小程序的一个人,档案里是按天排列的时间线,已把绑定的设备合在一起。
  4. 订单由你的服务端发送,带同一个用户 ID,购买就会进入时间线。参见发送服务端事件。

限制就是上面说的那些。识别模式需要套餐包含该功能,控制台暂时没有开关(请联系支持开通),从不登录的访客只留在汇总数据里,没有个人档案。严格隐私档位下访客 ID 每天轮换,因此跨天没有统一的档案。参见识别用户与匿名用户。TapCub 不按姓名或地址匹配记录,它只用你发送的 ID 来连接。

资料来源

这个解释清楚吗?

我们会根据反馈修改和补充这篇内容。

苏禾

数据分析师

围绕流量来源、转化漏斗与用户留存写作,重视指标口径和分析过程,用具体示例解释数字背后的问题。

常见问题

常见追问

大家看完定义后最常问的几个问题。

还有其他问题?

直接和 TapCub 团队聊聊——工作日通常几小时内回复。

数据统一简单说是什么?

就是把不同系统里关于同一个人或同一件事的记录变成一条记录。一次网页访问、一次 App 会话和一次客服聊天,会变成带同一个 ID 的一份档案,而不是三行没人能连起来的数据。

数据统一和数据集成有什么区别?

集成是把几个系统的数据搬到一起并合并,所以仍可能有重复。统一更进一步:它匹配关于同一实体的记录,做去重,并把字段对齐成带一个 ID 的一条记录。

怎样匹配不同系统里的记录?

先用稳定的共有键做确定性匹配,比如登录 ID 或哈希后的邮箱。需要时再加姓名、地址的模糊匹配,并且要量化检验:例子里 190 对正确、10 对错误、漏掉 30 对,精确率 95%,召回率 86.4%。

为什么统一之后用户数会变?

因为各系统的计数单位不同。把网页访客、App 设备和聊天访客直接相加,同一批人被重复计算:例子里是 1,550,而不同的人只有 1,220,转化率因此从 3.9% 变成 5.0%。

在你自己的网站上看这个数字

加一行脚本就能开始,网站和 App 都能接,几分钟内就能看到第一批报表。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie