在 一篇文章让你掌握企业画像 一文中，提到企业画像对于“达到一定用户规模的面向中小型客户的SAAS产品公司”是很有必要的。不过，建立企业画像的基础，首先是用户ID mapping的问题。今天我们就来讲讲这个话题。

假设这样一个场景：

1. 第一天，客户张三在公司电脑上看了一下产品详情页；

2. 第二天，他在手机上关注了公司的一个微信公众号；

3. 第三天，张三在手机上看了三篇微信公众号文章；

4. 第四天，张三在手机上下载了一个产品说明文档，下载的时候他输入了自己的邮箱；

5. 第五天，张三在公司电脑上申请了试用，试用的时候他用的账户就是他的邮箱，并且同时输入了手机号；

6. 第六天，他用手机拨打了客服热线，咨询一个产品问题。

如果没有ID mapping，客服人员就无从知道他已经看过产品，公众号，试用过产品，无法在第一时间准确获得张三的购买意向。并且随着营销渠道越来越多，如果不去识别碎片化的个人，客户的行为就被割裂，从客户角度考虑会影响客户体验。从公司角度，我们也无法知道评估营销渠道的有效性，即客户买这个产品到底是因为只是看产品详情页，还是看了公众号，还是二者皆有。

既然需要解决，我们或可采取两个方案并举：

方案1：在营销阶段尽可能多的捕捉用户信息，比如在下载产品说明文档或者试用时，不仅要求客户填写邮箱，还需要填入手机号。这也是为什么很多B端产品的下载或者申请demo要求用户输入更多信息的原因。当然，这个方案的缺点是客户很可能在这个阶段就放弃继续探索。

方案2：可参照目前C端的用户画像中、的解决方案，利用一定的规则把割裂的行为串联起来。仍然以上述用户张三为例，在不同行为中，张三留下了不同的标识，利用不同行为中共同的标识，可以很容易的找到行为间的关联关系，下图红色所示：

第一天，获取了一个用户，我们把Cookie ID 和设备ID1 作为用户标识保存起来，创建用户001；

第二天，又获取了一个用户，我们把设备ID2和微信号作为用户标识保存，创建用户002；

第三天，我们发现这个用户的设备ID2和微信号和用户002相同，我们初步判断两个行为背后是一个人。于是把这两个行为关联到一个人上；

第四天，我们发现这个用户的设备ID2和用户002的设备ID2相同，我们初步判断两个行为背后可能是一个人，于是把第四天留下的邮箱作为用户002的标识保存起来。至此，用户001 和用户002 还未建立联系；

第五天，我们发现用户邮箱和用户002相同，设备ID1和cookieID 和用户001相同。判断用户001和用户002可能是一个人。于是将用户001 和用户002 合并。

合并后的用户拥有以下ID：

Cookie：Cookie ID

设备号：

设备ID1，设备ID2

微信：

微信号

邮箱：

邮箱

手机：手机号

第六天，我们发现，手机号和合并后的用户一致，于是判断打电话的行为和过去的行为背后是一个人。

细心的读者可能会发现，你这有漏洞呀，比如第三天和第四天的行为，设备ID2很可能是被多人使用的，如果是这样，邮箱和微信号之后无法建立联系，在后面也就无法把用户001 和用户002 关联起来了呀。

为解决这个问题，就需要我们从业务角度建立一些规则。这里就以笔者曾经使用过的Segment 为例说明。(Segment号称是#1 CDP-Customer Data Platform to Manage Customer Data)。

Segment 有一个 three Identity Resolution rules- 即三大用户标识识别规则，分别是：

1.Block Values. 管理员可设置某些值为无效值，比如公司内部用的测试账户ID，某些一眼看上去无效的账户ID，比如0000@000.com。

2.Limit: 即管理员可以设置某个类型的ID一个用户最多在多长时间内可以拥有几个。比如cookie ID设为一天最多可以有10个，我想除非是测试，否则没有哪个正常的用户会一天清理缓存重新生成cookie 超过10次。比如设备ID， 我们估计一下换手机换电脑的频率，一个用户一年应该不会超过2次，可以设Limit 为2个每年。这其中当然有误差，所以我们也要看具体业务场景。作为用户画像工具，我们应该允许管理员灵活设置。

3.Priority: 即当某类标识ID超出Limit规定的数量时，priority决定由哪个标识留下作为新创建用户的标识。

引用原文例子说明一下，假如系统设立的limit 和 priority 分别如下：

假设系统中已有一个用户， userid为abc，拥有邮箱tom@tom.com。此时又来了一个新用户，userid是 def， 同样拥有邮箱tom@tom.com。因为user_id的limit 为1，而user_id的优先级高于email，那么我们对email 进行降级，只利用userid def 来查找是否有已有用户存在，如果没有，就新建一个用户，user_id为def。

我们用这三个规则套路一下张三的例子：

第一天，我们把Cookie ID 和设备ID1 作为用户标识保存起来，创建用户001；

第二天，我们把设备ID2和微信号作为用户标识保存，创建用户002；

第三天，我们发现这个用户的微信号和用户002相同，微信号只能有一个，我们把这两个行为关联到一个人用户002上；

第四天，我们发现这个用户的设备ID2和用户002的设备ID2相同，因为用户002目前还没有邮箱，把第四天留下的邮箱作为用户002的标识保存起来；

第五天，我们发现用户邮箱和用户002相同，而邮箱只能有一个，所以把行为关联到002上，同时增加了手机号。并且发现设备ID1和cookieID 和用户001相同。且cookie ID 和设备ID 的limit可以是多个，于是将用户001 和用户002 合并；

第六天，发现打电话进来的用户手机号和合并后的用户一致，于是判断打电话的行为和过去的行为是一个人。

当然，识别碎片化的人还可能会有更多场景，这里我们只是学习其中一种，我们还经常遇到比如app弹出一个加密的被识别出来的可能匹配的账户，让用户确认，是否合并两个用户，这也是一种方法，这其中要同时考虑信息安全和客户体验。

本文讲述了B端用户画像中ID mapping的必要性，并以Segment为案例，提供了一个相对比较通用的解决方法供大家参考。但实际上ID Mapping的方法还有很多，大家也可以参考《阿里/网易/美团/58用户画像中的ID体系建设》学习。如有纰漏，欢迎指正。

参考文章

Segment帮助中心：

https://segment.com/docs/personas/identity-resolution/identity-resolution-settings/