文 | Mr-Bruce

作为系列文章的第五篇，本文重点探讨数据采集层中的微信分享追踪系统。

微信分享，早已成为移动互联网运营的主要方向之一，以Web H5页面(下面称之为微信海报)为载体，利用微信庞大的好友关系进行传播，实现宣传、拉新等营销目的。

以下图为例，假设有一个海报被分享到了微信中，用户A与B首先看到了这个海报，浏览后又分享给了自己的好友，用户C看到了A分享的海报，浏览后继续分享给了自己的好友。这便形成了一个简单的传播链，其中蕴含了两种数据：

行为，指的是用户对微信海报的操作，比如打开、分享。

关系，指的是在海报传播过程中，用户之间形成的传播关系，比如用户A将海报传播给C。

这样的数据的意义在于：

展开全文

第一，统计分析各个渠道的海报的传播效果;

第二，对传播贡献较大的用户发放微信红包奖励，提高用户的分享积极性。

微信分享追踪系统，便是完成对这两种数据的采集和存储。在过去的一年里，受到公司业务和运营推广方向的影响，这部分数据驱动了近一半的推广业务。

熟悉微信开发的朋友应该知道：

第一，每个微信用户在某个公众号下都拥有一个唯一的open_id，打开微信海报时，可以通过OAuth2静默授权在用户无感知的情况下拿到其open_id;

第二，通过微信JS-SDK，我们可以捕捉到用户对海报页面的分享事件;

第三，拿到用户在公众号下的open_id后，便可以对该用户发放微信红包了。

基于这三点，我们便可以实现相关的数据追踪和分享奖励了，本文主要是总结我们在微信分享追踪上的方案演进。

首先要说一点的是，其实微信分享追踪系统本身并不复杂，但是与复杂的产品业务结合到一起，就变得越来越复杂了。如何做到将数据逻辑与产品业务逻辑剥离开，以不变应万变，就是这里要说的方案演进了。

1. 早期服务

早期的微信分享追踪系统，笔者曾经在浅谈微信公众号营销背后的技术一文中介绍过，其时序图如下所示。

基本流程是：

第一，用户打开海报时，通过OAuth2授权，将open_id加入到页面链接中;

第二，前端上报浏览事件，需要带上open_id和传播链信息;

第三，用户分享时，需要在分享出去的链接中加上传播链信息，所谓传播链信息，就是每个分享过的用户的open_id组合，比如“open_id_1;open_id_2”;

第四，上报用户的分享事件，需要带上open_id和传播链信息。

后端收到上报数据后，根据不同的功能需求，将数据保存到不同的数据表中，用于后期消费。随着业务的发展，这个系统暴露出一些问题：

随着推广活动的调整，统计和奖励政策也随之变化，比如有的依据一度分享者的分享次数进行奖励，有的依据一度、二度分享者带来的浏览量进行奖励等等，还有需要根据上报的参数不同做不同的处理。

所有逻辑都在上报的API请求中处理，来一个需求加一段逻辑，导致该请求的功能不断膨胀，而且一些推广活动已经下线了，相关的逻辑也没有清理掉。

参数比较混乱，页面URL中携带了不同的参数，包括微信相关参数、产品相关参数，前端上报时需要携带不同的参数，而前端页面太多，经常搞错。

2. neo4j的尝试

于是，我们思考，有没有可能在后端直接构建完整的传播信息，后期使用时直接根据条件就可以查询出所需的数据，前端上报时也不用携带传播链信息，我们想到了图形数据库存储技术。

图形数据库是一种非关系型数据库，它应用图形理论存储实体之间的关系信息。在文章开头的那张传播图中，用户的行为数据其实可以归结为用户与海报之间的关系数据。

这个系统其实就包含两种实体：用户、海报，三种关系：用户打开海报、用户分享海报、用户之间的传播。

在诸多图形数据库中，我们决定选择比较成熟、文档相对丰富的neo4j来做DEMO。采用neo4j的查询语法，很简单的就可以查询出所需数据，简单示例一下。

下图呈现基于neo4j存储的新系统时序图，在OAuth2授权的重定向过程中，建立User和Poster节点信息，以及二者之间的OPEN关系信息，并且对页面URL计算hash值(去除无用参数信息)，然后将用户open_id和URL的hash值加到页面URL中返回给前端。

用户分享时，把该用户的open_id作为parent字段值，加到分享链接中，新用户打开该链接时，会根据该值来建立User与User节点之间的SPREAD关系信息。

在用户分享的事件中，做一次数据上报，携带open_id和页面URL的hash值即可，后端拿到信息后，便可以建立User与Poster之间的FORWARD关系信息。如此，便可以建立完整的微信分享追踪数据了。

然而，一切并非预期的那么完美，在DEMO过程中，我们发现有两点问题不能很好的满足我们的需求：

无法根据时间条件快速查询信息，比如查询出昨天的一度分享者。

在查询用户间的关系时，会发生误判。比如在下图所示的传播关系中，UserA和UserC的传播关系是发生在海报PosterA上的，在PosterB上并没有，但是当我们尝试查询二度分享者时，会将UserA->UserC->PosterB误判为二度分享。

虽然这些问题可以想办法绕过去，比如根据时间建立不同的实体节点等等，但是这样会把数据存储做复杂化，经过权衡，我们暂时搁置了这个方案。

3. 基于用户行为数据采集系统的方案

在创业公司做数据分析(三)用户行为数据采集系统一文中，曾经提到早期的数据采集服务是分散在各个业务功能中的，后来我们重新构建了统一的用户行为数据采集系统。在完成这个系统后，我们开始考虑将上述的微信分享追踪系统并入其中，主要工作有：

数据上报的流程与早期的系统一致，但是更换原有的上报方式，采用用户行为数据采集系统的方案统一上报微信分享的数据;

数据接入Kafka后，一方面直接将原始数据存储到Elasticsearch，另一方面，以worker的形式来消费数据，根据相应的业务需求提取出所需的数据存入格式化数据表中，用于统计和奖励活动。当某个推广活动结束后，将其所属的worker停掉即可。

通过这样的改进，我们暂时解决了前端上报混乱和后端业务逻辑膨胀的问题，将数据上报和业务需求隔离开。数据方面，实时数据流在Kafka中，历史数据也在Elasticsearch中有存储;业务需求方面，来了一个新的需求后，我们只需添加一个新的worker来实现消费逻辑，活动结束后停掉worker。

End.

微信回复文字，查看系列文章

回复 1大数据可视化 5篇系列文章回复 2推荐系统 5篇系列文章回复 3机器学习 5篇系列文章回复 4随机森林 5篇系列文章回复 5 数据科学家 5篇系列文章回复 6大数据面试题 5篇系列文章回复 7大数据工具 5篇系列文章回复 8大数据应用案例 5篇系列文回复 9新手入门大数据 5篇系列文36大数据36大数据成立于2013年5月，是中国访问量最大的大数据网站。

36大数据以独立第三方的角度，为大数据产业生态图谱上的需求商、应用商、服务商、技术解决商等相关公司及从业人员提供全球资讯、商机、案例、技术教程、项目对接、创业投资及专访报道等服务。投稿/合作联系：dashuju36@qq.com

网址：http://www.36dsj.com

长按二维码发现惊喜

点击下方“阅读原文”查看更多↓↓↓