基于ID_MAPPING(ID拉通)实现多源用户整合及行为数据采集

Posted 2022-01-30 信小呆

1、序言：
全渠道数据采集，全域用户ID打通，全场景多维度数据分析，全渠道精准用户触达，是现在企业数字化营销的必备技能。同时数据安全也成为大家的关注问题，脱离数据上云，私有化服务成为大家的必选，对于好多中小型公司来说，去购买行业内的营销智能产品成本都点高，或者说是大才小用，现在我们就基于一个小案例来讲解和设计一下如何实现这个产品。

2、场景
现在举一个新零售的例子，某安保险实现线上产品销售，有自己产品官网、H5、小程序等，对于他们的交集用户及行为很难分析，多端新增，多端活跃等指标都是很有价值的用户，现在需要结合全渠道分析产出高价值的用户、并分析精准营销的行动与反馈，真正的实现数字化营销。
3、设计方案
3.1、简单架构图


只面向一个数据量不大（日1w以内）一个简单的架构图
3.2、用户数据采集
业界厂商都会提供他们自己的SDK程序，集成到自己的程序中，实现用户及行为数据的自动采集，现在实现自己的小产品就需要自己开发，对于网页来说，JS SDK 是运行于网页的一段 javascript 代码，会在网站用户加载网页后自动启动，并收集用户的行为数据。包括数据来源，动作坐标，操作内容，请求数据，操作系统，屏幕分辨率，访问来源，用户唯一标识 ID，访问唯一标识 ID，访问时间、页面标题等。尽可能的多搜集，这里我们不具体研究SDK如何生成，对于前端开发的小伙伴来说，这些都是小事儿。

3.3、IDMAPPING的设计
对于ID拉通来说，厘清业务场景的非常重要，ID包括有，手机号、身份证号、faceID、设备id、账号Id、IMEI，openID等等，对于复杂的业务场景，他们的ID关系都是多对多的，如何拉通这些ID就成为了难点。高级的ID拉通可利用线性回归预测id关系，利用数据分析中的高级算法实现id拉通,实现用户ID图。对于很多小型业务场景来说，没有必要去高一个很重的工程来计算他的Id。
现在来设计一个简单的IDMAPPING 设计方法，这套方法也在实践中证明比较有效。一个典型的场景是APP端与服务端的关联，或者是APP登陆前后的关联，有一个用户打开网页浏览产品、查看详情、登陆账号、收藏、加入购物车、购买产品，下面介绍一下如何用idMapping来解决拉通互用行为，从“浏览"到”购买“的转化率解决运营分析的需求。
这个例子中我门用到的id为账号ID和设备ID，我们简称uid和gid，gid为设备id，每条源数据都应该有这个id，生成策略暂不讲解，通过ID关联，产出这两个ID的关联关系。
小李->第一次用公司电脑浏览页面查看的A产品的，得到了gid。
superId = gid1
set gid1->superId
->看到了某款产品不错，登陆账号加入购物车，登陆的时候得到了gid和uid
superId = get gid1
set uid1->superId
这样可以为每条数据添加到superId，以superId来分析用户行为。

当然这只是一个简单的场景，一般情况下还会出现多设备,以及多用户单设备的情况，也会涉及到ID移主（superId的跟新），这个时候我们需要配饰id的配置属性，比如是否单例，id之间的优先关系。比我我们配置了uid为单例（uid与superID只存在1:1的关系），切uid的优先级最大。
接着上面的案例，小李回家后用自己电脑登陆了账号看自己的产品，当然刚开始他也没有登陆(gid2)
superId = if get gid2 == null ？gid2 : get gid2
set gid2 -> superId
登陆账号后(uid,gid2)
superId = if get uid1 == null ？uid : get uid
set uid -> superId
set gid2 -> superId (ID做出了更新操作)

最终我们得到了一种ID映射关系表

这歌时候我们使用原始ID的其中一个作为superId，后续我们也可以自己设计Id生成逻辑，避免后续的数据倾斜。

4、系统技术选型
4.1、使用的 Key-Value 数据库
1、存储IDMAPPING关系，看用户量选择技术，用户量少的话使用Redis完全可以（完全当作数据存储），如果Id数量很大，我们可以使用Redis+Hbase或者Pegasus。
4.2、使用KAFKA当作数据缓存
4.3、流式数据处理
1、使用flink或者spark，消费用户数据生成Id关系及数据清理，注意使用大数据技术要考虑并非处理，在处理Id关系的时候要记得加锁，保证Id映射的一致性。数据量小的话我们完全可以脱离这些大数据框架，完全有java Or python来简单的处理这些数据。
2、处理结果落地，为了保证不影响前端的数据处理流程速度，在处理及落地之间加入消息队列，将数据load到mysql Or ES OR Mongo OR CK，着就看数据量和业务需求了

5、基于ID关系产出用户标签
1、用户标签可以分为：用户属性标签，用户行为标签，比如:地理位置（属性标签）、近一年是否有购买产品（行为标签）等。
同样也可以分为实时标签和离线标签，有效标签和无效标签，比如：近三分钟时候有登陆（实时标签），近三分钟涉及到了时效性，所以有了有效标签和无效标签的区别。

TAG可以配置自己的属性（有效时间，创建时间、标签英文名等）
2、对于标签的产出我们可以算用的技术有kudu和hbase，用着用非关系型数据库来存储用户标签，后续也可以LOAD入ES OR CK。为需求提供支持。

6、总结
这些只是一个简单的逻辑想法，希望可以帮到大家，当然在各个厂商里有更好的技术和方法也是值得我们去学习，去进步。下面用最简单的java实现了这些功能，感兴趣可以瞅瞅。
码云地址：https://gitee.com/liyong9177/deepuser
给一个start吧