编辑导语：在上篇文章《一文从0到1把握用户画像常识体系》中，本文作者为我们阐明白用户画像常识体系。在上篇文章的基本上，本日，作者又以阿里、网易、美团、58为例，阐明总结了用户画像ID体系建树，帮你理清楚各ID之间的干系图，利便做映射。

媒介：梳理完标签画像体系的业务需求后，作为数据产物司理，就要开始了对画像体系的整体设计，个中首要碰着的就是用户ID体系的买通相关的问题。

公司各业务线ID繁多，数据盘据，如何才气尽大概关联更多的数据，以精确的描画出一个用户的画像呢？

接下来我们来看看索隆通过对界内科技巨头：阿里、网易、美团、58的调研阐明，来一步步成立本身公司的ID-Mapping体系的进程。

一、阿里OneID

阿里巴巴作为一家包括多条业务线的公司，如：

电商、金融、告白、文化、教诲、娱乐、设备和社交等规模，数据区域包括海内、海外；数据场景包括线上的人货场钱、线下的人货场钱位置等数据，以及物流、用餐、咨询、影视、出行、阅读、音乐和康健等相关数据。

ID范例包括phone、PC cookie、IMEI与IDFA、 *** 账户、付出宝账户、邮箱等。

而对付每个BU来说，他们知道的只是这个客户的单方面属性，在开展营销勾那时，只是针对一个手机号或一个邮箱做营销，但背后不能识别出来一个自然人、一个公司。

为冲破数据孤岛，缔造更大的数据代价，阿里利用OneData作为焦点要领论。

OneData体系包括：

OneModel：数据资产构建与打点

OneID：实体买通和画像

OneService：逻辑化处事

OneID基于超强ID识别技能链接数据，高效出产标签；业务驱动技能代价化，消除数据孤岛，晋升数据质量，晋升数据代价。

而ID的买通，必需有ID-ID之间的两两映射买通干系，通过ID映射干系表，才气将多种ID之间的关联买通，完全孤独的两种ID是无法买通的。

买通整个ID体系，看似简朴，实则计较巨大，计较劲很是大。

如果某种工具有数亿个个别，每个个别又有数十种差异的ID标识，任意两种ID之间都有大概买通干系，想要完成这类工具的所有个别ID买通需要数亿次计较，一般的呆板甚至大数据集群都无法完成。

大数据规模中的ID-Mapping技能就是用呆板进修算法类来代替野蛮计较，办理工具数据买通的问题。

基于输入的ID干系对，操作呆板进修算法做不变性和收敛性计较，输出干系不变的ID干系对，并生成一个UID作为独一识别该工具的标识码。

二、网易ID-Mapping

网易产物线有网易云音乐、网易邮箱、网易新闻、网易严选等，差异应用上有差异的ID，如yanxuanid、oaid、musicid、phone、email、idfa、imei等。

要想标识独一ID，网易回收的思路及方案为：

团结各类账户、各类设备型号之间的干系对，以及设备利用纪律等用户数据，回收法则纪律、数据挖掘算法（连通图分别+社区发明）的要领，鉴别账户是否属于同一小我私家。

ID-Mapping进程中，常碰着的问题及对应方案如下：

1. 问题一：用户有多个设备信息

办理方案：界说相关的阈值举办关联。社区发明当前应用于营销场景，暂未用于风控或用户运营场景，因为这种 *** 会把一些异常的账号关联在一起，且会存在仅登录利用过一次的设备信息。

2. 问题二：设备逾期，一般是2年半阁下时间

办理方案：设定衰减系数，对单用户多设备加大衰减力度。

备注：凡是一人多设备对应的场景有，借用伴侣设备、设备脏数据、刷号等。

三、58 ID-Mapping

58业务场景富厚，其产物线包括58同城、赶集、安居客、中华英才网、转转、58抵家等。

在这种多用户、多业务线、多子公司的环境下，用户数据种类繁杂，构建画像的数据来自于日志、简历库、帖子库、用户信息库、商家库、认证信息库等数据源，个中仅日志就涉及到58、赶集、安居客等各个子产物的PC/M/APP日志。

如何将众大都据源串联起来是构建用户画像面对的之一个问题，如下是58构建的ID-Mapping模子图。