TE 用户 ID 绑定诊断
诊断 TE 系统中多端上报导致的用户 ID 碎片化问题，自动检测 Account ID / Distinct ID 缺失率，定位碎片化根因并输出代码级修复方案。
数据分析
异常诊断全行业TE 用户 ID 映射异常排查是 ThinkingAI 行业 Skill 库中的一项数据质量能力，帮助数据工程师在 TE 系统中诊断多端上报（客户端+服务端）导致的用户 ID 碎片化问题，自动检测 Account ID 与 Distinct ID 的缺失比例，区分正常业务行为与异常碎片化，定位根因并输出代码级修复方案。这正是 ThinkingAI「10 年行业经验沉淀为开箱即用 Skill」的体现。
行业痛点
TE 系统中用户身份识别依赖 #distinct_id、#account_id、#user_id 三个字段。在多端上报场景下，约 50% 的双端上报项目存在 ID 缺失问题，缺失率通常在 15-40% 之间。客户端事件有 #distinct_id 但缺少 #account_id，服务端事件有 #account_id 但缺少 #distinct_id，导致同一用户被拆成多条记录，直接影响留存、渠道归因和用户行为序列。
核心价值
- 区分正常与异常：先判断是正常业务行为（如多角色登录）还是异常碎片化（如服务端上报缺失 ID），避免误诊
- SQL 自动检测：自动执行 SQL 查询 Account ID / Distinct ID 缺失比例，量化碎片化严重程度
- 代码级修复方案：不只诊断问题，还提供 SDK 上报代码修改建议，从根因层面解决 ID 碎片化
适用场景
多端上报场景下的用户 ID 碎片化排查
TE 系统中 Account ID 缺失率异常偏高时的诊断
Distinct ID 缺失导致渠道归因偏差的排查
新 SDK 版本上线后的 ID 上报完整性验证
用户行为序列中出现断裂时的 ID 映射排查
实战案例
常见疑问
多角色登录算 ID 碎片化吗？
不算。同一设备创建多个角色是正常业务行为。Skill 会先区分正常与异常，只有上报缺失 ID 导致的碎片化才进入排查。
修复方案是改 SDK 代码还是改 TE 配置？
通常是改 SDK 上报代码，确保客户端登录后绑定 account_id，服务端上报时透传 distinct_id。
ID 碎片化对数据影响有多大？
影响留存分析、付费归因和渠道分析。10% 的 ID 碎片化可能导致留存率计算偏差 3-5 个百分点。
相关 Skills 推荐
用「TE 用户 ID 绑定诊断」武装你的 Agent
预约演示，看看它如何在你的业务场景中落地
