人人都能懂的以「用戶為中心」的UTSE採集模型

諸葛君說：採集是分析的基礎，是影響數據準確性的根源，隨著移動設備的更新換代以及各種智能終端的不斷豐富，數據來源也越來越多，以「用戶為中心"的數據採集模型是當前數據分析以及數據開放性應用的基礎和根基，今天，諸葛君用人人都能懂語言普及下諸葛io基於UTSE四要素構建的用戶模型。

一、什麼是UTSE？

U（user）用戶

T（touchpoint）觸點

S（session）會話

E（event）事件

UTSE的命名來源於用戶、觸點、會話、事件四個英文單詞首字母的縮寫，它是基於用戶行為數據構建用戶模型/畫像的四個核心要素，我們稱之為「UTSE採集模型」。

二、UTSE背後的多層ID體系

一個真實的人用一個物理設備在和軟體代碼交互，如何把整個過程數據化，並釐清從屬關係實現用戶精準識別，背後需要多層ID進行關聯和大量計算。

1、User

用戶的判斷是通過賬戶，也即user_id，這個id可以是手機號、郵箱或數字字母的組合，通常是用戶註冊成功後資料庫中對用戶的唯一標識。

在諸葛io用戶行為分析系統中，未註冊用戶在登錄前會被識別為匿名用戶，並匹配諸葛id（zg_id），一但用戶註冊，可通過調用諸葛identify介面，實現對用戶的唯一識別，這一過程稱之為實名。

2、Touchpoint

觸點可以理解為設備，對應device_id，過去我們總是把設備與人劃等號，但面對當前一賬戶多屏，一屏多賬戶的生活場景，以及以用戶為中心的商業環境，設備與賬號都需要進行區別標記並計算之間的關聯關係。特別是一台設備上多賬戶登錄，註冊前後、登錄前後產生的行為數據歸屬關係計算。

3、Session

session即會話，對應session_id，記錄了用戶的一次完整使用。是還原用戶使用場景的關鍵數據。如何判斷會話開始和結束？對於PC端來說，用戶打開到頁面關閉或停留30min沒有任何操作會判斷為一次會話；安卓系統環境下，打開是會話開始，屏熄、殺掉進程會判斷會話結束；iOS打開時會話開始，屏熄、Home鍵切到後台、殺掉進程均會判斷會話結束。

會話的記錄和計算是很多分析平台在採集過程中最容易忽略的，採取自定義會話的解決方案來替代真實的會話實質是對會話價值的誤讀。會話次數直接反映的是用戶使用次數，是衡量產品粘性非常重要的一個指標，一次會話的持續時間通常也會用來計算用戶的使用時長等指標，無論分析用戶行為是發生在一次使用還是多次使用，還是用於關鍵指標計算，會話都是非常重要的原始數據。

4、Event

event即事件，對應event_id，事件是基於時間先後順序形成的用戶行為記錄，每一個事件都會被包含在一次會話中。一個會話可能包含一連串事件。

三、UTSE模型解決了什麼問題

1、登錄前後用戶的唯一識別

一台新設備被激活，用戶在登錄前會記為匿名用戶，並匹配一個諸葛id（zg_id），當用戶在該設備上註冊或登錄，觸發了identify機制後，會生成用戶唯一標識，即user_id。通過對device_id、zg_id、user_id的多重判斷，最後實現用戶從匿名到實名以及登錄前後行為的歸屬和關聯。

2、一個賬戶多台設備

一個實名用戶在多台設備上登錄，訪問數據均會記錄在該用戶賬戶下。（數據會記錄在多台設備上，過去會解讀為多個用戶產生的）

3、一個設備多個賬戶

當一台設備上有第二個用戶登錄，第一個用戶退出後，第二個用戶登錄前產生的行為會記錄在第一個用戶，第二個用戶登陸後產生的行為會記錄在第二個用戶

單個用戶模型的構建是分析的最小單元，對於以用戶為中心的新一代分析工具來說，「用戶」的計算是整個計算和分析價值的核心。以我們自身對目前市場上存在的其他分析工具以及客戶的反饋來看，諸葛io的UTSE模型實現了真正的以用戶為中心的統計和分析。多層id體系，保證了人與設備關係的精準識別，會話、事件又真實還原了用戶的使用場景，UTSE模型中的四要素缺一不可。

關於我們：

諸葛io定位於為企業提供基於用戶行為數據的採集、分析和營銷的整體解決方案。是國內領先的數據智能服務商 www.zhugeio.com

目前我們正在為互金/教育/新零售/保險/汽車等行業提供大數據整體解決方案並提供諮詢服務。服務客戶有：光明隨心訂、食行生鮮；人人貸、陽光保險、眾安保險、平安；寶馬、奧迪、大眾、NEVS；餓了么；東易日盛等

客戶：東易日盛 | 向上金服 | 光明隨心訂 | TutorABC | 麥子學院

指標：病毒傳播係數 | 復購率 | 粘性 | 漏斗 | 太陽圖 | KPI

行業：新零售 | 在線教育 | 科技金融 | 共享單車 | 裝修 | 內容社區

產品：改版評估 | 埋點需求文檔 |

運營：用戶運營 | 跨應用市場追蹤 | 推送策略 | 運營階段

市場：推廣三要素 | 智能觸達 | 精準推送

其他：行為數據基礎篇 | 客戶成功 | 採集模型 | 廣告監測