小白理财序
《标签构建过程中，如何快速盘点业务及数据需求？》整理完标签人像系统的业务需求后，索隆开始了人像系统的整体设计，其中首先遇到的就是用户ID系统开通的相关问题。
公司各业务线ID众多，数据碎片化。怎样才能尽可能的关联更多的数据，准确的刻画出一个用户的画像？
接下来，我们通过对全球科技巨头：阿里、网易、美团、58的调研分析，来看看索隆一步步建立自己公司ID-Mapping系统的过程。
1.阿里奥尼德
ID的类型包括电话，PC cookie，IMEI和IDFA，淘宝账户，支付宝账户，电子邮件地址等。
对于每个BU来说，他们所了解的只是这个客户的片面属性。在开展营销活动时，他们只针对一个手机号或一个邮箱做营销，却无法识别背后的自然人或公司。
为了打破数据孤岛，创造更大的数据价值，阿里以OneData为核心方法论。
OneData系统包括：
1.一个模型：数据资产构建和管理
2.OneID:实体传播与肖像
3.OneService:逻辑服务
OneID基于超级ID识别技术链接数据，高效生产标签；推动业务技术的价值，消除数据孤岛，提高数据质量和价值。
要通过ID，ID和ID之间必须有成对的映射关系。通过ID映射关系表，我们可以打通多个ID之间的关系，但是两个完全隔离的ID是无法打通的。
打通整个ID系统看似简单，实际上计算复杂，计算量非常大。如果一个对象有几亿个个体，每个个体有几十个不同的ID标记，那么就有可能打通任意两种ID之间的关系。需要上亿次的计算才能打通这个物体的所有个体id，这是普通机器甚至大数据集群做不到的。
大数据领域的ID-Mapping技术，就是用机器学习算法类代替野蛮计算来解决打通对象数据的问题。以输入的ID关系对为基础，通过机器学习算法计算稳定性和收敛性，输出关系稳定的ID关系对，生成一个UID作为唯一标识码来标识对象。
2.网易ID-映射
网易的产品线包括网易云音乐、网易邮箱、网易新闻、网易YEATION等。不同的应用有不同的id，比如yanxuanid，oaid，musicid，phone，email，idfa，imei等。
为了识别唯一ID，网易采用了以下思路和解决方案：
结合各种账号的用户数据、各种设备型号之间的关系对、设备的使用规则，采用规则规则和数据挖掘算法(连通图划分的社区发现)的方法来确定账号是否属于同一个人。
在ID-Mapping过程中，常见的问题和相应的解决方案如下：
问题1:用户有多个设备信息。
解决方案：定义关联的相关阈值。发现社区目前在营销场景中使用，在风控或者用户运营场景中没有使用，因为这种方式会把一些异常账号链接在一起，会有只登录使用过一次的设备信息。
问题：设备陈旧，一般两年半左右。
解决方法：设置衰减系数，增加单用户多设备衰减。
备注：通常会有一人多台设备对应的场景，比如借用好友设备、设备脏数据、刷号等。
3、58标识映射
58业务场景丰富，产品线包括58同城、赶集网、安居客、ChinaHR.、转转、58到家等
如何将众多数据源串联起来，是建立用户画像的首要问题。以下是58搭建的ID-Mapping模型图。
从图中可以看出，不同的业务线有不同的ID标记：
58同城：乌瑟、wbdid、维梅
58个集市：古瑟、格迪迪、加普德、吉梅
安居客：奇美
其中可以通过telep、bidua、appua、imei、idfa进行链接，从而建立不同ID之间的关联映射关系，这就是ID-Mapping的过程。
4.美团ID映射
我们来看看美团和大众点评的账号体系。使用手机号、微信、微博、美团账号的登录方式；大众点评采用的手机号、微信、QQ、微博的登录方式；它的交集是手机号，微信，微博。最后，对于注册用户账号体系，美团采用了手机号作为用户的唯一标识。
5.摘要
从上面的例子可以看出，有三种常见的ID映射方法：
1.基于账户体系
企业最常用的方法是基于账户体系开ID。当用户注册时，他们会得到一个uid，这个uid用于将所有注册用户的信息紧密关联起来。
2.基于设备的
未注册用户可以通过终端设备ID和包被准确地识别
含Android/iOS两类主流终端的识别。通过SDK将各种ID采集上报，后台利用的ID关系库和校准算法，实时生成/找回终端唯一ID并下发。
3.基于账号&设备
结合各种账户、各种设备型号之间的关系对，以及设备使用规律等用户数据，采用规则规律、数据挖掘算法的方法，输出关系稳定的ID关系对，并生成一个UID作为唯一识别该对象的标识码。
6、实践
1.梳理业务及数据现状
2.明确建设目标
ID-Mapping体系的建立，旨在打破数据孤岛，将更多用户的数据关联起来，形成全域用户画像，帮助营销人员进行精细化营销。
3.制定项目计划
第一阶段：基于用户账号体系，用phone关联注册用户的ID，维护一个ID映射库，统计注册用户线上线下行为数据。
第二阶段：基于设备，用device ID关联未注册用户的ID，统计未注册用户的行为数据。
第三阶段：基于账号&设备，采用数据挖掘算法做ID映射。
4.按计划进行
接下来要做的就是按计划开展项目。这个过程中，注意要点在于，基于公司的数据现状出发，一步步实施；梳理清楚底层数据表中的ID标识；理清楚各ID之间的关系图，便于做映射。
说在最后：
整个ID体系建设完成后，接下来会开始标签设计的篇章~
相关问答：什么是用户画像呢？一般用户画像的作用是什么用户画像是真实用户的虚拟代表,是
建立在一系列真实数据之上的目标用户模型。简单的说就是，是给用户贴“标签”。
用户画像的价值：
1：精准营销。精准营销是用户画像或者标签最直接和有价值的应用。这部分也是我们广告部门最注重的工作内容。当我们给各个用户打上各种“标签”之后，广告主（店铺、商家）就可以通过我们的标签圈定他们想要触达的用户，进行精准的广告投放。无论是阿里、还是腾讯很大一部分广告都是通过这种方式来触达用户，百度的搜索广告方式有所不同。
2：助力产品。一个产品想要得到广泛的应用，受众分析必不可少。产品经理需要懂用户，除了需要知道用户与产品交互时点击率、跳失率、停留时间等行为之外，用户画像能帮助产品经理透过用户行为表象看到用户深层的动机与心理。
3：行业报告与用户研究。通过对用户画像的分析可以了解行业动态，比如90后人群的消费偏好趋势分析、高端用户青睐品牌分析、不同地域品类消费差异分析等等。这些行业的洞察可以指导平台更好的运营、把握大方向，也能给相关公司（中小企业、店铺、媒体等）提供细分领域的深入洞察。