随着移动互联网的发展，在多数人拥有多台设备的今天，用户触点在跨设备之间移动已经成为常态。他可能中午在PC上看到了一件T恤，晚上在iPad上看了类似商品，最后在手机上下了单；也可能在公众号上看到了推荐，最后进入网站产生了关注。

早在2016年，市场研究机构Extole 就一个电商企业的用户推荐和消费转化行为做了研究，发现只有65%的推荐和消费是在同一类型的设备上。

实际上，很多企业也会搭建产品矩阵，在Android、iOS、H5、Web、公众号、小程序等多端着力。但多数情况下，这些数据之间割裂的，那么是否有必要打通？如何打通？打通后如何应用？需要一一分析。

是否有必要打通？

说到数据打通，大多数人会觉得，站在运营的角度来看，自然是希望能够知道用户在各个平台上的完整数据，通过用户行为来挖掘用户的真实需求，使得很多基于此的分析变得可能，比如：

1. 获得完整的用户旅程

2. 对比了解用户在不同平台上的使用情况，优化用户体验

3. 能够在一个系统中查看所有平台的数据，提高工作效率

虽然有这样的好处，但是当不同平台之间差异巨大，都是独立运营，更多关注的是平台内的使用情况时，跨平台打通就失去了它的重要性。分开数据源、分开数据分析、分开数据使用有利于保证数据不受干扰，易于发现问题，针对特有平台做追踪反而能提高效率。

如何打通？

在梳理清楚数据运营的逻辑之后，确定有必要打通时，就需要确定跨平台识别的标准。

通常会有两种方法：1. 确定性方法识别；2. 概率论方法匹配。

1. 确定性方法识别：利用用户帐号体系中的数据资源，可以是系统生成的UserID，可以是手机号，也可以是邮箱，不同的产品情况略有差异，总之就是用户唯一的标识。

比如， X 应用在Android、iOS、Web、小程序四个平台上运营，各个平台用统一的帐号体系。假如小明有Android、iOS、PC三台设备，早上在Android的小程序上看了一个推荐的，中午登录了网页查看了详细信息，晚上回家在iOS 手机上下了单，那么完全可以通过UserID将用户行为连贯起来。

2. 概率论方法匹配：电商推广使用设备相关的间接数据来匹配。

比如，Cookie、IDFA、上网时间、Wifi、IP 等等，通过机器学习或者其他复杂的规则来分析。但是严重依赖于数据的多样性和算法，相对确定性的方法来说，准确性差距很大，因此不推荐。