TapCub 正式上线:统计、分析、客服一个平台免费用
术语表

什么是统一数据模型?要统一什么、怎么落地(含算例)

统一数据模型让网站、App、小程序、服务端的数据用同一套「人」和「事件」的定义。本文讲清要统一的三样东西、和数据仓库与 CDP 的分工,并用可复算的示例演示 2,000 的平台日活加总怎么还原成 1,630 个去重用户。

艾玛·柯林斯 审核人 陈屿 又称 规范数据模型(canonical data model) 最后更新 2026 年 11 月 16 日 术语表

一句话回答

统一数据模型是一套共享的数据结构:网站、App、小程序、服务端的数据都用同一个「人」的定义和同一个「事件」的定义,让活跃数、漏斗、留存能放进同一张图里直接比较。

什么是统一数据模型?

统一数据模型是一套共享的数据结构:网站、App、小程序、服务端上报的数据,都遵守同一个「人」的定义和同一个「事件」的定义。关键不在于把数据搬进同一个地方,而在于把这两个定义约定下来。这两点做到了,四个来源的数据才能放进同一张图里比:一个活跃用户数、一条漏斗、一条留存曲线。做不到,共用一个数据库也只是把四份互相对不上的报表并排存着。

这个区分之所以重要,是因为多数「我们统一了数据」的项目走到存储那一步就停了。Segment 的规范把这两个定义写得很具体:identify 调用通过一个用户 ID 把人和他的行为绑在一起,track 调用用统一的事件名和属性记录一个动作(Segment Spec: Identify)。当你的每个端都遵守这份契约,得到的才是统一数据模型;每个端只是把数据发到同一个目的地,不算。

要统一哪三样东西

三样东西各需要一份共同定义,缺一样,跨端数字就没法比:

层统一前(常见状况)统一后不统一会怎样
身份(是谁)网站 Cookie ID、App 设备 ID、小程序 openid、服务端客户 ID——四套 ID 体系一个「人」的 ID,各端 ID 在登录时映射到它同一个人被算成至多四个用户,活跃数虚高
事件(做了什么)purchase、OrderPaid、pay_success——一个动作三个名字;value 有的按元、有的按分一个动作一个事件名,一份属性字典固定类型和单位事件数被拆散在别名里,收入差出 100 倍
时间与口径(怎么数)客户端本地时间 vs 服务端 UTC;「活跃」有的算任意心跳、有的算真实事件;机器人混在里面一个时区、一条活跃判定规则、一条去重规则,机器人分开统计日活跨零点漂移,各报表的分母对不上

身份这一层最难,因为它要的是合并 ID 的规则,不只是一张映射表——匿名和已识别记录怎么缝合见身份合并,哪些能合并、哪些不能见已识别与匿名用户。事件这一层是数据仓库的老智慧:Kimball 的一致性维度强调「与业务共同定义一次,在多张事实表间复用」,为的就是让分开的事实表保持可比。跨端事件结构是同一个思路用在行为数据上。

微软 Customer Insights 文档把机制拆成四步:把来源字段映射到统一类型、在单个来源内去重、跨来源匹配记录、生成统一档案(数据统一概述)。不管用什么工具,要做的都是这四步。

统一数据模型、数据仓库、CDP 的分工

这三个概念经常被混着说,其实各管一层:

是什么保证什么不做什么
统一数据仓库所有来源的存储和计算数据在一个地方,能一起查不保证各来源的行含义相同
统一数据模型人、事件、指标的共同定义各端的计数和漏斗可以互相比本身不负责存储或搬运数据
客户数据平台(CDP)身份合并 + 人群激活档案能同步给广告、邮件、CRM 工具不保证你的分析口径一致

由此有两条实用判断。如果你的问题是「报表对不上」,需要的是模型,换更大的仓库解决不了——这是定义层的单一事实来源问题,不是存储层问题。如果你的问题是「营销没法跨渠道圈选买过的人」,那是在已有模型之上再加 CDP 的事。先买 CDP、事件定义还没约定,激活出去的人群建立在对不上的数据上。

算例:三个端的一天

示例数据。 某订阅制产品统计一天内网站、iOS、微信小程序的活跃,购买确认由服务端上报。所有买家在每个用过的端都登录了,所以 ID 合并是精确匹配,不涉及概率猜测。

步骤一:合并前后的活跃用户数。 各端报表分别是 1,000(网站)+ 600(iOS)+ 400(小程序)= 2,000 个「日活用户」。但各端共享同一批人。按每人只算一次的交集拆分:

人群人数
只用网站600
只用 iOS300
只用小程序200
网站 + iOS200
网站 + 小程序120
iOS + 小程序30
三端都用10
去重后的已识别用户1,460

和各端报表对账:网站 = 600 + 200 + 120 + 10 = 930 个已识别人,加 70 个纯匿名访客 = 1,000;iOS = 300 + 200 + 30 + 10 = 540 个已识别,加 60 个匿名 = 600;小程序 = 200 + 120 + 30 + 10 = 360 个已识别,加 40 个匿名 = 400。这 170 个匿名访客从没登录过,保持独立——把匹配不上的也硬合并,等于凭空造人。

去重后的日活是 1,460 个已识别用户加 170 个匿名访客,各算一次:1,630。按端加总多算了 2,000 − 1,630 = 370,虚高 22.7%(370 ÷ 1,630;倍数 2,000 ÷ 1,630 ≈ 1.23)。这就是核心观点的算术版:没有统一的「人」的定义,「日活」根本不是一个数。

步骤二:购买事件对账。 各端上报 300(网站)+ 200(iOS)+ 150(小程序)= 650 条购买事件。其中 60 条是客户端事件、服务端又发了同一笔订单的确认——一笔订单两条记录。按订单 ID 去重后:650 − 60 = 590 笔购买。模型里没有去重规则,收入报表就会因为「数哪一侧」而各端不一致。

步骤三:统一之后才存在的漏斗。 只用网站的 600 人全部浏览过商品、210 人购买:只看网站的漏斗是 210 ÷ 600 = 35%。但很多买家在网站浏览、到小程序里付款。跨全部端,浏览过商品的去重人数是 1,040(包含全部 590 个买家),真实的浏览到购买转化率是 590 ÷ 1,040 ≈ 56.7%。只看网站的漏斗把转化低估了 21.7 个百分点——而且怎么优化网站都改变不了这一点,因为缺掉的转化发生在别的端。这就是全渠道分析要从模型开始、而不是从图表开始的原因。

常见误区

  • 把统一当成数据搬运项目。 判断规则:项目计划写到「所有来源入仓」就结束的,那是数据集成,不是统一数据模型。计划里必须写明人的 ID、事件字典和指标口径。
  • 贪心地合并 ID。 按共用设备或家庭属性合并,会把一家人揉成一个人。规则:只按登录身份或显式的 alias 事件合并(这些关联连起来就是身份图谱);匹配不上的匿名访客保持独立,就像上面算例里那 170 个未合并的匿名访客。
  • 统一了名字,没统一单位。 两个端都发 value,一个按元、一个按分。结构校验能通过,某个端的收入错 100 倍。规则:属性字典要固定类型、单位、币种,不只是字段名。
  • 统一一次,之后放任漂移。 App 新版本发了 checkout_v2,网站还在用 purchase。规则:新事件要先进审核队列再计入报表,否则模型每发一版就烂一点。

怎样落地统一数据模型

  1. 先写事件字典。 一个动作一个名字,属性固定类型和单位,并写清每个事件适用的平台清单(web / iOS / Android / 小程序 / 服务端)。
  2. 定义「人」。 定下规范 ID(通常是登录用户 ID)、各端 ID 怎么映射到它、匿名访客怎么处理——继续计数,但不合并。
  3. 固定时间和口径规则。 日界线用同一个时区,「活跃」只有一条判定规则,服务端确认的事件有统一的去重键,机器人不混进真人的分母。
  4. 所有端按同一份方案埋点,涉及钱的事件必须有服务端上报,别让客户端成为一笔购买的仅有见证。
  5. 校验到达,而不是只校验计划。 按端检查每个事件的到达数和必填属性完整度;没见过的事件先进审核收件箱,认领后才进正式定义。
  6. 先对账,再信任。 像上面算例那样复算一天:各端加总 vs 去重人数、原始事件 vs 去重事件。两个视图的差异如果不能被你的合并和去重规则解释,模型就还有洞。

TapCub 怎么把各端数据统一起来

把上面的算例放进 TapCub:三个端的报表加起来 2,000 日活,650 条购买事件其实只有 590 笔,网站单端漏斗说 35%。TapCub 正是围绕本文讲的两个定义设计的:网站、App、小程序、服务端的事件进同一个项目,共用一套身份模型和一张事件表。

  1. 所有端登记在同一个项目里。 网站域名、App 标识、小程序标识都在 全端分析 › 数据管理 › 数据源管理 登记为数据源;网站代码和其他端的 SDK 向导也在这一页。购买从服务端上报,用订单号作 insert_id;同一个 insert_id 的重试会去重,而且每笔订单都有服务端这个「证人」,这就是第 2 步要的去重规则。
  2. 「人」只定义一次。 打开识别模式(Pro 及以上套餐)后,在每个端都用你的用户 ID 调用 tapcub.login。全端分析 › 用户 › 身份映射 有一张口径差异卡,用所选日期比较访客、设备、用户三种计数,相当于替你做了 2,000 对 1,630 的对账,还会告诉你差额里有多少来自同一个人的多台设备。从不登录的访客保持匿名,不会靠猜去合并。
  3. 每个事件只定义一次,并盯住漂移。 在 全端分析 › 数据管理 › 埋点方案 里,每个计划中的事件都写明平台(web、ios、android、harmony、mp、server)、属性的类型和是否必填、负责人和状态;打开「实时验证(近 24 h)」能看到命中数和必填属性完整度。App 新版本开始发 checkout_v2 时,它会以「未规划」出现在 全端分析 › 数据管理 › 事件收件箱。它照常入库,所以收件箱是你发现漂移、决定改代码还是拦截这个事件名的地方,不是把它挡在报表外的过滤器。
  4. 把各端数字并排看。 全端分析 › 概览 › 平台并排 按平台列出用户、新增、会话、事件、时长和错误,服务端事件单独一行,活跃用户另有一行去重后的人数。漏斗在 全端分析 › 行为分析 › 行为分析 里按用户口径建一次「浏览 → 购买」,在网站浏览、在小程序付款的人只算一次转化:得到的是 56.7%,不是 35%。

边界说清楚:TapCub 不是 CDP,也不是数据仓库。它不把人群同步到广告平台,原始行要通过 全端分析 › 数据管理 › 数据导出 的异步导出拿走。它做的是统一数据模型的核心:「人」一个定义、每个事件一个定义,四个来源才能放进一张图里比。

另见:什么是数据统一?步骤和统一前后的算例。

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。

艾玛·柯林斯

产品分析师

聚焦事件分析、转化漏斗与用户留存,用清晰的指标定义和分析框架解释产品表现。

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。

统一数据管理是什么?

统一数据管理是围绕模型的日常运营:一份埋点方案、一个属性字典、对进来的事件做校验、每个定义有负责人。统一数据模型是结构本身,统一数据管理是让各端在产品迭代中一直遵守这套结构的机制。

统一数据模型和数据仓库是一回事吗?

不是。仓库负责存储和计算,统一数据模型是数据要遵守的「人、事件、指标」共同定义。把五个端的数据装进同一个仓库,仍然可能是五套互不兼容的结构;让存到一起的行能互相比较的,是模型而不是仓库。

没有 CDP 能做统一数据模型吗?

能。CDP 通常在身份合并之外还负责把人群同步给营销工具;分析平台可以在一个项目里统一事件和已识别用户,不需要 CDP。目标是把人群同步到广告、邮件系统时才需要 CDP,目标只是让分析口径可比时用不着。

统一数据模型和 canonical data model 有什么区别?

实际含义基本重合:都是一套约定好的结构,各来源的数据映射进来。canonical data model 的叫法多见于系统集成和消息传递场景,统一数据模型多见于分析和客户数据场景。机制一样:映射、去重、匹配、对齐口径。

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