一句话回答
身份图谱是一种数据结构:把访客 ID、设备 ID、登录 ID 等标识符存成节点,把连接它们的规则存成边。它有没有用,取决于这些边能不能解释:登录这类确定性连线可以审计,概率连线会悄悄把不同的人合并。
什么是身份图谱?
身份图谱(identity graph)是一种数据结构:把你掌握的每个用户标识符存成节点,把每条「这两个标识符属于同一个人」的规则存成边。Cookie 或访客 ID、App 设备 ID、小程序 OpenID、哈希后的邮箱、登录 ID,都是节点;某台设备上的一次登录、结账表单里填的邮箱、同时带着设备 ID 和账号 ID 的一条服务端事件,都是边。连在一起的一组节点,就当作一个人。
这个说法比任何厂商的示意图都重要。一串标识符本身说明不了什么,图谱的价值全在边上,而每条边都是某个人或某个算法做出的判断。说不清一条边为什么存在,就说不清你的「人数」对不对。所以本文的核心观点很简单:身份图谱有没有用,取决于连线规则能不能解释。确定性匹配(登录 ID)可以审计,概率匹配会悄悄把不同的人合并;做分析时优先用确定性连线。
身份图谱是身份识别(identity resolution)背后的数据结构,身份识别指的是判断哪些记录描述的是同一个人的过程。本文只讲图谱的结构和匹配规则,识别过程本身另有词条。
节点和边:图谱里放什么
| 节点(标识符) | 从哪里来 | 稳定程度 |
|---|---|---|
| 网站访客 ID 或自有域 Cookie | 网站上的统计脚本 | 一台设备上的一个浏览器;清 Cookie 或换盐后就变 |
| App 设备 ID | 移动端 SDK | 一次安装;App 升级通常不变,重装会变 |
| 小程序 OpenID | 微信等平台 | 一个小程序里的一个用户 |
| 登录 ID(用户 ID) | 你自己的账号系统 | 账号存在多久就稳定多久 |
| 哈希后的邮箱或手机号 | 表单、结账、CRM | 稳定,但会有全家共用邮箱、换号的情况 |
| IP 地址、设备型号、时区 | 网络和设备信号 | 很弱;家庭、办公室、运营商网络里多人共用 |
边分两种:
- 确定性的边:两个标识符出现在同一条经过身份验证的事件里,比如用户在这台设备上登录了,或者你的服务端发来的事件同时带着设备 ID 和账号 ID。这条边是能指出来的事实。
- 概率性的边:模型根据共用 IP、相似的设备信号、重叠的时间或位置,给两个标识符打分,认为「很可能是同一个人」。这条边是带置信度的猜测。
确定性匹配和概率匹配
| 问题 | 确定性匹配 | 概率匹配 |
|---|---|---|
| 边是怎么来的 | 两个标识符都和同一个登录 ID、账号 ID 或已验证邮箱一起出现过 | 根据共用 IP、设备属性、位置和时间算出来的分数 |
| 能不能解释某一次合并 | 能:「设备 B 在 11 月 5 日以 u_42 登录」 | 只能给个分数,比如「相似度 0.83」 |
| 典型错误 | 漏连(从不登录的人连不上) | 错连(同一个 Wi-Fi 下的两个人被合并) |
| 覆盖面 | 只覆盖主动表明身份的人 | 更高,匿名流量也能连 |
| 审计记录 | 每次绑定都能记日志、能撤销 | 模型或阈值一改,就很难复现 |
| 隐私风险 | 用的是用户自己提供的标识符 | 依赖设备和网络信号,常受限制(见下文) |
| 适合 | 产品分析、漏斗、留存、客服上下文 | 广告触达估算,能容忍一定误差的场景 |
实用的判断规则就来自「典型错误」那一行。确定性图谱不全但正确:合并得偏少,人数略微偏高;概率图谱全但无法验证:合并得偏多,而且不逐条审计就不知道哪些错了。对要拿来做产品决策的分析,已知方向的少算,好过一堆说不清的错误。
算例:三台设备和一个登录 ID
示例数据:一位顾客一周内用过笔记本浏览器、iPhone App 和安卓平板,同一个家庭网络里还出现了另一个浏览器。
| 标识符 | 类型 | 首次出现 | 和登录 ID u_42 的边 |
|---|---|---|---|
| w-7f3 | 网站访客(笔记本浏览器) | 11 月 2 日 | 确定性:11 月 4 日登录 |
| i-91c | App 设备(iPhone) | 11 月 3 日 | 确定性:11 月 3 日登录 |
| a-22d | App 设备(安卓平板) | 11 月 6 日 | 确定性:11 月 8 日登录 |
| w-c10 | 网站访客(手机浏览器) | 11 月 7 日 | 没有。只有概率依据:和 w-7f3 同一个家庭 IP、同一城市 |
数人数:
- 没有图谱:4 个标识符 = 4 个「人」。
- 确定性图谱:w-7f3、i-91c、a-22d 通过 u_42 连在一起,算 1 个人;w-c10 仍然匿名。合计 2 人。
- 概率图谱:规则「24 小时内同一 IP、同一城市」给 w-c10 和 w-7f3 连了一条边。合计 1 人。
w-c10 是这位顾客换了手机,还是同一个 Wi-Fi 下的家人?确定性图谱承认自己不知道;概率图谱已经替你做了决定,下游每个指标都会继承这个决定。
把规模放大。示例数据,一个月:
- 共出现 10,000 个设备和访客 ID。
- 其中 2,400 个 ID 至少登录过一次,它们属于 1,500 个登录 ID。
- 确定性人数 = 10,000 − 2,400 + 1,500 = 9,100。
- 一条概率规则提议再把 800 个匿名 ID 并入已有的人,人数会变成 9,100 − 800 = 8,300。
- 分析师手工抽查其中 50 次合并,发现 14 次是错的:14 ÷ 50 = 28%。
- 预计错误合并 = 800 × 0.28 = 224 次,占最终人数的 224 ÷ 8,300 = 2.7%。
这 2.7% 不是平均分布的。共用网络集中在家庭、办公室和校园,错误合并也就集中在你可能正想对比的那几类人身上。而且和确定性图谱的少算不同,看板上没有任何地方会告诉你是哪 224 个人被并错了。
合并错了的代价
- 人均指标虚高:两个人并成一个,这个「人」的会话数和订单数就翻倍,平均订单数和生命周期价值都被抬高。
- 漏斗和留存失真:周二刚注册的人继承了另一个人上个月的访问,转化用时和回访率都会偏移。
- 归因算错:一个人的购买被记到另一个人点过的广告上。
- 客服和隐私出错:客服在对话里看到别人的浏览记录,或者一条删除请求删掉了别人的数据。
- 很难撤回:被合并的事件一旦汇总进每天的报表,再拆开就得重算历史。
漏连的代价小得多:同一个人在第二台设备上登录之前,被算成两个人。登录覆盖率越高,这个误差越小,而且它不会把一个人的数据挂到另一个人身上。
营销里说的身份图谱
「身份图谱营销」通常指第三方图谱:数据公司把 Cookie、移动广告 ID、哈希邮箱和家庭数据跨很多品牌连起来,让广告主在不同网站上定向或衡量同一个人。这和分析工具用你自己的登录数据建的自有图谱不是一回事。跨公司的图谱依赖的正是浏览器和平台在收紧的那些技术,见跨站追踪。把自有数据整合成每位客户一份档案,是客户数据平台(CDP)的工作;CDP 里的身份图谱通常属于自有、以确定性为主的那一种。
隐私边界
- 标识符就是个人数据:GDPR 鉴于条款第 30 条指出,人可能和设备提供的在线标识符(如 IP 地址、Cookie 标识符)关联起来,这些标识符组合后可以用来建立个人画像。把它们连起来的图谱就是在处理个人数据,相应的义务也随之而来。
- 在苹果平台上,设备图谱和指纹都算追踪:苹果的用户隐私指南把「设备图谱标识符」和指纹 ID 列为需要 App Tracking Transparency 授权的标识符(用来把你 App 的数据和第三方数据连起来时),并禁止通过设备数据推导出能单独认出某台设备的信息。
- 图谱留在自己的数据里:在你自己的网站和 App 之间连接你自己用户的登录,和把他们与其他公司的数据连起来,风险不是一个级别。
在 TapCub 里怎么看身份图谱
还是上面那个算例。在 TapCub 里,这三台设备只有在顾客登录时才会连起来:
- 发送登录:网站登录后调用
tapcub.login('u_42'),App SDK 里调用同样的login。小程序拿到 OpenID 之后再调用,见小程序上的身份识别。识别是否生效,取决于项目在 配置 › 合规中心 里的识别和同意设置。 - 看边怎么形成:一台设备头一次绑定登录 ID 时,这次会话和这台设备之前的匿名事件都会补上用户 ID。之后如果这台设备换成别人登录,已经存下的行仍归原来的人,设备映射转到新用户,并开始新的会话。
null、guest、anonymous、全零和-1这类值会被拒绝,一个写错的占位值不会把成千上万台设备并成一个人。 - 审计每一次合并:全端分析 › 用户 › 身份映射 记录每一次绑定、回填、切换账号、拆分和拒绝;有一张卡片对比访客数、设备数和人数,能看出身份识别去掉了多少重复。所有者和管理员可以把绑错的设备拆开。一个人默认最多绑 50 台设备,超出时最早的那台解绑,日志里会留记录。
- 看这个人:顾客出现在 全端分析 › 用户 › 用户 里,档案有跨网站和 App 的按天行为时间线。
这张图里的每条边都来自你发来的标识符:登录、零代码登录来源或服务端事件。无 Cookie 的访客 ID 是用地址和浏览器信息算出的哈希,只用来数访客,它自己不会生成「人」。TapCub 不提供按家庭或指纹的概率匹配,所以算例里的 w-c10 在登录之前一直是匿名的。
资料来源
- Apple Developer,User privacy and data use。
- EUR-Lex,《通用数据保护条例》(EU 2016/679)鉴于条款第 30 条。
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。
