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 iOS | 300 |
| 只用小程序 | 200 |
| 网站 + iOS | 200 |
| 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
- 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)。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。 - 「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。 - 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。 - 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。
资料来源
- Twilio Segment Docs,Spec: Identify——通过用户 ID 把人和行为绑定。2026-11-15 核对。
- Microsoft Learn,数据统一概述 — Customer Insights——映射、去重、匹配、统一。2026-11-15 核对。
- The Kimball Group,Conformed Dimensions——定义一次,在多张事实表间复用。2026-11-15 核对。
- Mixpanel,What is a unified data model?——行业定义参考(2019-11-12)。2026-11-15 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。
