隨著移動互聯網的發展，在多數人擁有多臺設備的今天，用戶觸點在跨設備之間移動已經成為常態。他可能中午在PC上看到了一件T恤，晚上在iPad上看了類似商品，最後在手機上下了單；也可能在公眾號上看到了推薦，最後進入網站產生了關注。
早在2016年，市場研究機構Extole 就一個電商企業的用戶推薦和消費轉化行為做了研究，發現只有65%的推薦和消費是在同一類型的設備上。
實際上，很多企業也會搭建產品矩陣，在Android、iOS、H5、Web、公眾號、小程序等多端著力。但多數情況下，這些數據之間割裂的，那麼是否有必要打通？如何打通？打通後如何應用？需要一一分析。
▌是否有必要打通？
說到數據打通，大多數人會覺得，站在運營的角度來看，自然是希望能夠知道用戶在各個平臺上的完整數據，通過用戶行為來挖掘用戶的真實需求，使得很多基於此的分析變得可能，比如：
1. 獲得完整的用戶旅程
2. 對比了解用戶在不同平臺上的使用情況，優化用戶體驗
3. 能夠在一個系統中查看所有平臺的數據，提高工作效率
雖然有這樣的好處，但是當不同平臺之間差異巨大，都是獨立運營，更多關注的是平臺內的使用情況時，跨平臺打通就失去了它的重要性。分開數據源、分開數據分析、分開數據使用有利於保證數據不受干擾，易於發現問題，針對特有平臺做追蹤反而能提高效率。
▌如何打通？
在梳理清楚數據運營的邏輯之後，確定有必要打通時，就需要確定跨平臺識別的標準。
通常會有兩種方法：1. 確定性方法識別；2. 概率論方法匹配。
1. 確定性方法識別：利用用戶帳號體系中的數據資源，可以是系統生成的UserID，可以是手機號，也可以是郵箱，不同的產品情況略有差異，總之就是用戶唯一的標識。
比如， X 應用在Android、iOS、Web、小程序四個平臺上運營，各個平臺用統一的帳號體系。假如小明有Android、iOS、PC三臺設備，早上在Android的小程序上看了一個推薦的，中午登錄了網頁查看了詳細信息，晚上回家在iOS 手機上下了單，那麼完全可以通過UserID將用戶行為連貫起來。
2. 概率論方法匹配：使用設備相關的間接數據來匹配。
比如，Cookie、IDFA、上網時間、Wifi、IP 等等，通過機器學習或者其他複雜的規則來分析。但是嚴重依賴於數據的多樣性和算法，相對確定性的方法來說，準確性差距很大，因此不推薦。
易觀方舟支持通過UserID來識別用戶的確定性方法，只需要在不同的平臺中使用同一個AppKey即可。
想看更多，請移步Analysys易觀（ID：enfodesk）微信公眾號。
閱讀更多 易觀 的文章
