Branch SDK 深度分析

Branch SDK 分析和自建归因

1. Branch SDK的主要目的

Branch SDK是一个移动应用归因和深度链接解决方案，主要实现以下功能：

1. 深度链接(Deep Linking)：创建可以直接将用户引导到应用内特定内容的链接
2. 归因分析(Attribution)：跟踪用户安装来源和用户行为
3. 跨平台用户识别：在不同设备和平台上识别用户
4. 应用内容索引：使应用内容可被搜索引擎索引
5. 用户分享和邀请：提供应用内分享功能和邀请追踪

2. 实现方式

2.1 核心组件

1. Branch类：SDK的主入口，提供初始化和主要功能接口
2. BNCPreferenceHelper：管理SDK的配置和持久化数据
3. BNCServerInterface/BNCServerRequest：处理与Branch服务器的通信
4. BNCDeviceInfo：收集设备信息用于用户识别
5. BranchUniversalObject：表示可以被分享或链接的内容对象

2.2 主要实现流程

2.2.1 初始化和会话管理

// Branch.m中的初始化流程
- (void)initSessionWithLaunchOptions:(NSDictionary *)options {
    // 设置设备信息
    // 检查是否是从深度链接启动
    // 发送初始化请求到服务器
}

2.2.2 深度链接处理

SDK通过监听应用启动方式(URL Scheme、Universal Links等)来处理深度链接：

// 处理Universal Links
- (BOOL)application:(UIApplication *)application continueUserActivity:(NSUserActivity *)userActivity {
    // 解析链接
    // 提取参数
    // 通知应用
}

2.2.3 设备识别

通过BNCDeviceInfo和BNCSystemObserver收集设备信息，用于用户识别：

• 设备ID (IDFA或供应商ID)
• 操作系统和版本
• 设备型号
• 安装信息

2.2.4 数据存储

使用BNCPreferenceHelper管理数据持久化：

• 会话信息
• 用户标识
• 安装参数
• 设备令牌

2.2.5 网络通信

通过BNCServerInterface和BNCNetworkService与Branch服务器通信：

• 初始化会话请求
• 创建短链接请求
• 事件追踪请求
• 用户识别请求

2.2.6 内容分享

使用BranchUniversalObject和BranchLinkProperties创建可分享内容：

BranchUniversalObject *buo = [[BranchUniversalObject alloc] initWithCanonicalIdentifier:@"item/123"];
[buo setTitle:@"Item Title"];
// 设置其他属性

BranchLinkProperties *lp = [[BranchLinkProperties alloc] init];
[lp setChannel:@"facebook"];
// 设置其他链接属性

// 生成短链接
[buo getShortUrlWithLinkProperties:lp completion:^(NSString *url, NSError *error) {
    // 使用生成的短链接
}];

2.2.7 事件追踪

通过BranchEvent追踪用户行为：

BranchEvent *event = [BranchEvent standardEvent:BranchStandardEventPurchase];
[event setTransactionID:@"12344555"];
[event setCurrency:BNCCurrencyUSD];
[event setRevenue:@(1.5)];
[event logEvent];

2.2.8 SKAdNetwork支持

通过BNCSKAdNetwork提供Apple的SKAdNetwork广告归因支持，用于iOS 14+的隐私保护环境下的广告归因。

2.3 技术特点

1. 单例模式：大量使用单例模式管理SDK实例和服务
2. 类别扩展：使用Objective-C类别扩展标准类功能
3. 异步操作：网络请求和数据处理采用异步方式
4. 队列管理：使用操作队列管理请求顺序和并发
5. 延迟加载：使用懒加载模式提高性能
6. 隐私保护：适应iOS隐私保护机制(如IDFA权限请求)

2.4 关键文件功能

• BNCConfig.m: 定义SDK版本和API端点
• BNCDeviceInfo.m: 设备信息收集
• BNCPreferenceHelper.m: 配置和数据持久化
• BNCServerRequest.m: 服务器请求基类
• Branch.m: SDK主类和入口点
• BranchUniversalObject.m: 内容对象表示
• BranchEvent.m: 事件追踪

3. 延迟深度链接实现

Branch SDK支持延迟深度链接（Deferred Deep Linking）功能，这是它的核心特性之一。

3.1 实现原理

1. 用户标识匹配：

   • 当用户点击Branch链接但尚未安装应用时，Branch服务器会记录用户的设备指纹信息
   • 用户安装应用后，SDK会收集设备信息并发送到服务器
   • 服务器通过匹配设备指纹确定这是同一用户

2. 首次打开处理：

   • 应用首次启动时，BranchOpenRequest会发送设备信息到Branch服务器
   • 服务器识别这是通过链接引导的安装，返回原始链接的参数
   • SDK将这些参数传递给应用，应用可以据此导航到特定内容

3.2 关键代码实现

在Branch.m中，初始化过程会处理延迟深度链接：

- (void)initSessionWithLaunchOptions:(NSDictionary *)options isReferrable:(BOOL)isReferrable {
    // 初始化会话
    BranchOpenRequest *openRequest = [[BranchOpenRequest alloc] initWithCallback:^(BOOL success, NSError *error) {
        if (success) {
            // 处理延迟深度链接数据
            NSDictionary *installParams = [self getLatestReferringParams];
            if (installParams && self.sessionDelegate) {
                [self.sessionDelegate onInitFinished:installParams error:nil];
            }
        }
    }];
    
    // 设置是否可归因（影响延迟深度链接的匹配窗口）
    [openRequest setIsReferrable:isReferrable];
    
    // 添加设备指纹信息
    [openRequest setDeviceFingerPrintID:[BNCPreferenceHelper sharedInstance].randomizedDeviceToken];
    
    // 发送请求
    [self.requestQueue enqueue:openRequest];
    [self processNextQueueItem];
}

3.3 延迟深度链接的关键组件

1. BranchOpenRequest：

   • 处理应用启动时的服务器通信
   • 接收服务器返回的延迟深度链接数据

2. BNCPreferenceHelper：

   • 存储安装参数(installParams)
   • 当识别到延迟深度链接时，这些参数会被填充

3. 设备指纹识别：

   • BNCDeviceInfo收集设备信息用于匹配
   • 包括IDFA、供应商ID、IP地址等多个因素

4. 回调机制：

   • 通过initSessionWithCallback:提供的回调接收延迟深度链接数据
   • 开发者可以在回调中处理导航逻辑

3.4 使用示例

应用开发者可以这样使用延迟深度链接功能：

- (BOOL)application:(UIApplication *)application didFinishLaunchingWithOptions:(NSDictionary *)launchOptions {
    // 初始化Branch SDK
    Branch *branch = [Branch getInstance];
    
    // 设置延迟深度链接回调
    [branch initSessionWithLaunchOptions:launchOptions andRegisterDeepLinkHandler:^(NSDictionary *params, NSError *error) {
        if (!error && params) {
            // 检查是否是首次安装
            if (params[@"~referring_link"]) {
                NSString *deepLinkPath = params[@"path"];
                if (deepLinkPath) {
                    // 导航到特定内容
                    [self navigateToContent:deepLinkPath];
                }
            }
        }
    }];
    
    return YES;
}

4. 自行实现延迟深度链接的服务端匹配机制

如果想自己实现类似Branch SDK的延迟深度链接功能，服务端匹配是核心环节。

4.1 设备指纹构建

首先需要从客户端收集足够的设备信息来构建唯一的"设备指纹"：

关键设备信息

• 硬件标识符：

  • IDFA (iOS广告标识符)
  • IDFV (iOS供应商标识符)
  • Android的广告ID
  • 设备序列号(谨慎使用，受隐私政策限制)

• 网络信息：

  • IP地址
  • 用户代理字符串(User-Agent)
  • 网络运营商信息

• 设备特征：

  • 设备型号
  • 操作系统版本
  • 屏幕分辨率
  • 已安装应用列表(如果可获取)
  • 语言和地区设置

• 应用信息：

  • 应用版本
  • 安装时间
  • 首次启动时间

4.2 服务端存储结构

点击事件表

CREATE TABLE click_events (
    id VARCHAR(36) PRIMARY KEY,
    click_timestamp TIMESTAMP,
    link_id VARCHAR(36),
    campaign_id VARCHAR(36),
    ip_address VARCHAR(45),
    user_agent TEXT,
    device_type VARCHAR(50),
    os_version VARCHAR(20),
    browser VARCHAR(50),
    referrer TEXT,
    device_fingerprint_hash VARCHAR(64),
    additional_data JSON,
    expiry_timestamp TIMESTAMP
);

安装/打开事件表

CREATE TABLE install_events (
    id VARCHAR(36) PRIMARY KEY,
    install_timestamp TIMESTAMP,
    device_id VARCHAR(100),
    device_id_type VARCHAR(20),
    ip_address VARCHAR(45),
    user_agent TEXT,
    device_model VARCHAR(50),
    os_name VARCHAR(20),
    os_version VARCHAR(20),
    language VARCHAR(10),
    country VARCHAR(2),
    device_fingerprint_hash VARCHAR(64),
    matched_click_id VARCHAR(36),
    match_confidence FLOAT,
    app_version VARCHAR(20)
);

4.3 匹配算法实现

步骤1: 生成设备指纹哈希

当用户点击链接或安装应用时：

def generate_device_fingerprint(device_data):
    # 创建指纹基础
    fingerprint_base = {
        'ip': device_data.get('ip_address', ''),
        'ua': device_data.get('user_agent', ''),
        'model': device_data.get('device_model', ''),
        'os': f"{device_data.get('os_name', '')} {device_data.get('os_version', '')}",
        'screen': f"{device_data.get('screen_width', '')}x{device_data.get('screen_height', '')}"
    }
    
    # 添加唯一标识符(如果有)
    if 'idfa' in device_data and device_data['idfa']:
        fingerprint_base['idfa'] = device_data['idfa']
    elif 'idfv' in device_data and device_data['idfv']:
        fingerprint_base['idfv'] = device_data['idfv']
    
    # 创建哈希
    fingerprint_string = json.dumps(fingerprint_base, sort_keys=True)
    return hashlib.sha256(fingerprint_string.encode()).hexdigest()

步骤2: 点击事件处理

当用户点击深度链接但尚未安装应用时：

def store_click_event(link_id, device_data, campaign_id=None):
    # 生成设备指纹
    fingerprint_hash = generate_device_fingerprint(device_data)
    
    # 设置过期时间(例如7天后)
    expiry = datetime.now() + timedelta(days=7)
    
    # 存储点击事件
    click_id = str(uuid.uuid4())
    db.execute("""
        INSERT INTO click_events 
        (id, click_timestamp, link_id, campaign_id, ip_address, 
         user_agent, device_type, os_version, browser, device_fingerprint_hash, 
         additional_data, expiry_timestamp)
        VALUES (%s, %s, %s, %s, %s, %s, %s, %s, %s, %s, %s, %s)
    """, (
        click_id, datetime.now(), link_id, campaign_id, 
        device_data.get('ip_address'), device_data.get('user_agent'),
        device_data.get('device_type'), device_data.get('os_version'),
        device_data.get('browser'), fingerprint_hash,
        json.dumps(device_data), expiry
    ))
    
    return click_id

步骤3: 安装匹配算法

当用户安装并首次打开应用时：

def match_install_with_click(install_data):
    # 生成安装设备的指纹
    install_fingerprint = generate_device_fingerprint(install_data)
    
    # 存储安装事件
    install_id = str(uuid.uuid4())
    db.execute("""
        INSERT INTO install_events
        (id, install_timestamp, device_id, device_id_type, ip_address,
         user_agent, device_model, os_name, os_version, language,
         country, device_fingerprint_hash, app_version)
        VALUES (%s, %s, %s, %s, %s, %s, %s, %s, %s, %s, %s, %s, %s)
    """, (
        install_id, datetime.now(), 
        install_data.get('device_id'), install_data.get('device_id_type'),
        install_data.get('ip_address'), install_data.get('user_agent'),
        install_data.get('device_model'), install_data.get('os_name'),
        install_data.get('os_version'), install_data.get('language'),
        install_data.get('country'), install_fingerprint,
        install_data.get('app_version')
    ))
    
    # 查找匹配的点击事件
    potential_matches = find_potential_matches(install_data, install_fingerprint)
    
    # 如果找到匹配
    if potential_matches:
        best_match = select_best_match(potential_matches, install_data)
        if best_match:
            # 更新安装事件与匹配的点击关联
            db.execute("""
                UPDATE install_events
                SET matched_click_id = %s, match_confidence = %s
                WHERE id = %s
            """, (best_match['click_id'], best_match['confidence'], install_id))
            
            # 获取关联的深度链接数据
            link_data = get_link_data(best_match['link_id'])
            return link_data
    
    return None

5. 浏览器点击与iOS应用安装匹配

当用户在浏览器中点击链接，然后安装iOS应用时，没有IDFA/IDFV可供匹配。这种情况下，Branch SDK和类似服务仍然能够实现匹配，主要依靠以下技术手段：

5.1 概率匹配技术

没有IDFA/IDFV时，服务端会使用"概率匹配"技术，通过多种信号组合来确定用户身份：

关键匹配信号

1. IP地址匹配

   • 浏览器点击和应用安装的IP地址比较
   • 考虑到移动网络IP可能变化，可能会查看IP地址段或运营商信息

2. 时间接近度

   • 点击事件与安装事件的时间间隔
   • 通常时间越接近，匹配置信度越高

3. 设备特征

   • 浏览器的User-Agent与应用报告的设备型号/OS版本比较
   • 浏览器中可获取的屏幕分辨率与应用报告的屏幕信息比较

4. 地理位置

   • 浏览器中获取的地理位置(如果用户允许)与应用报告的位置比较
   • 即使是粗略的地理位置(城市级别)也有助于提高匹配准确性

5. 参考来源(Referrer)

   • 点击前的来源网站
   • 广告活动标识符

5.2 浏览器指纹技术

现代浏览器指纹技术可以创建相对唯一的设备标识：

// 浏览器端收集的指纹信息示例
function collectBrowserFingerprint() {
    return {
        userAgent: navigator.userAgent,
        language: navigator.language,
        screenResolution: `${screen.width}x${screen.height}`,
        screenColorDepth: screen.colorDepth,
        timezone: Intl.DateTimeFormat().resolvedOptions().timeZone,
        platformVersion: navigator.platform,
        doNotTrack: navigator.doNotTrack,
        cookiesEnabled: navigator.cookieEnabled,
        canvasFingerprint: generateCanvasFingerprint(),
        webglFingerprint: generateWebGLFingerprint(),
        installedFonts: detectInstalledFonts(),
        installedPlugins: Array.from(navigator.plugins).map(p => p.name),
        touchSupport: 'ontouchstart' in window
    };
}

5.3 服务端匹配算法优化

当没有IDFA/IDFV时，匹配算法需要特别优化：

def match_browser_click_to_ios_install(browser_click_data, ios_install_data):
    # 初始化匹配分数
    match_score = 0
    max_score = 100
    
    # 1. IP地址匹配 (高权重)
    if browser_click_data.get('ip_address') == ios_install_data.get('ip_address'):
        match_score += 35
    else:
        # 检查IP地址段匹配 (前两个八位组)
        browser_ip_parts = browser_click_data.get('ip_address', '').split('.')
        ios_ip_parts = ios_install_data.get('ip_address', '').split('.')
        
        if len(browser_ip_parts) >= 2 and len(ios_ip_parts) >= 2:
            if browser_ip_parts[0] == ios_ip_parts[0] and browser_ip_parts[1] == ios_ip_parts[1]:
                match_score += 25  # 部分IP匹配
    
    # 2. 时间接近度 (高权重)
    click_time = datetime.fromisoformat(browser_click_data.get('timestamp'))
    install_time = datetime.fromisoformat(ios_install_data.get('install_time'))
    time_diff_hours = (install_time - click_time).total_seconds() / 3600
    
    # 1小时内满分，24小时内线性降低
    if time_diff_hours <= 1:
        match_score += 30
    elif time_diff_hours <= 24:
        match_score += 30 * (1 - (time_diff_hours - 1) / 23)
    
    # 3. 设备特征匹配
    # 从User-Agent提取设备信息
    browser_device_info = extract_device_info_from_user_agent(browser_click_data.get('user_agent', ''))
    
    # 操作系统匹配
    if browser_device_info.get('os') == 'iOS' and browser_device_info.get('os_version') == ios_install_data.get('os_version'):
        match_score += 15
    
    # 设备型号匹配 (如果UA包含)
    if browser_device_info.get('model') and browser_device_info.get('model') == ios_install_data.get('device_model'):
        match_score += 10
    
    # 4. 地理位置匹配
    if browser_click_data.get('geo_city') == ios_install_data.get('geo_city'):
        match_score += 10
    
    # 计算匹配置信度 (0-1)
    confidence = match_score / max_score
    
    return {
        'is_match': confidence >= 0.7,  # 设置阈值
        'confidence': confidence,
        'match_signals': {
            'ip_match': browser_click_data.get('ip_address') == ios_install_data.get('ip_address'),
            'time_diff_hours': time_diff_hours,
            'os_match': browser_device_info.get('os_version') == ios_install_data.get('os_version'),
            'geo_match': browser_click_data.get('geo_city') == ios_install_data.get('geo_city')
        }
    }

5.4 增强匹配的技术手段

Cookie到应用的桥接

一些服务使用临时标识符在浏览器和应用之间建立桥接：

// 浏览器端
function generateClickIdentifier() {
    const clickId = generateUUID();
    localStorage.setItem('temp_click_id', clickId);
    
    // 添加到目标URL
    const targetUrl = `https://app.store.com/app?click_id=${clickId}`;
    return targetUrl;
}

// iOS应用端
- (void)checkLaunchOptions:(NSDictionary *)launchOptions {
    NSURL *url = launchOptions[UIApplicationLaunchOptionsURLKey];
    if (url) {
        NSURLComponents *components = [NSURLComponents componentsWithURL:url resolvingAgainstBaseURL:NO];
        NSArray *queryItems = components.queryItems;
        
        for (NSURLQueryItem *item in queryItems) {
            if ([item.name isEqualToString:@"click_id"]) {
                // 找到了点击标识符
                [self reportInstallWithClickId:item.value];
                break;
            }
        }
    }
}

引用参数传递

通过App Store的引荐机制传递参数：

// 生成带引荐参数的App Store链接
function generateAppStoreLink(campaignId, clickId) {
    return `https://apps.apple.com/app/id123456789?ct=${campaignId}&pt=${clickId}`;
}

• Cookie桥接​​：仅适用于已安装场景，需配合剪贴板或设备指纹弥补局限。
• ​​App Store参数化链接​​：​​可生成但参数会被丢弃​​，必须通过​​设备指纹/SDK/剪贴板​​实现安装后归因。

5.5 匹配准确性评估

实际应用中，浏览器到iOS应用的匹配准确性通常在60%-80%之间，取决于多种因素：

影响匹配准确性的因素

1. 时间间隔：点击到安装的时间越短，匹配准确性越高
2. 网络环境：用户在相同网络环境下点击和安装，准确性更高
3. 设备变化：如果用户在一个设备上点击，在另一设备上安装，准确性大幅降低
4. IP稳定性：移动网络IP变化频繁，降低匹配准确性
5. 用户量：高流量应用面临更多匹配挑战，因为可能有多个相似用户同时安装

6. 总结

Branch SDK是一个功能强大的移动应用归因和深度链接解决方案，其核心价值在于提供了一套完整的系统，使开发者能够实现跨平台的用户识别、深度链接和归因分析，同时适应不断变化的移动平台隐私政策。

延迟深度链接是Branch SDK的核心特性之一，即使在没有精确标识符(如IDFA/IDFV)的情况下，也能通过多信号概率匹配、浏览器指纹技术、参数传递等方式实现相对可靠的延迟深度链接功能。

自行实现类似功能需要考虑设备指纹构建、服务端存储结构、匹配算法实现、多阶段匹配策略、安全性和隐私保护等多个方面，并且需要不断优化匹配算法以提高准确性。