Auto-sync: 2026-04-28 12:03

wiki/sources/tiktok-shop-apache-superset-dashboard设计思路.md

@@ -1,53 +1,48 @@
 ---
 title: "TikTok Shop - Apache Superset Dashboard设计思路"
 type: source
-tags: ["TikTok电商", "数据可视化", "Apache Superset", "选品分析", "BI仪表盘"]
-date: 2026-04-18
+tags: ["TikTok Shop", "Apache Superset", "跨境电商", "选品分析", "数据可视化"]
+date: 2026-04-28
 ---
 
 ## Source File
-- [[raw/跨境电商/TikTok Shop - Apache Superset Dashboard设计思路.md]]
+- [[跨境电商/TikTok Shop - Apache Superset Dashboard设计思路.md]]
 
 ## Summary（用中文描述）
-- 核心主题：Apache Superset 在 TikTok Shop 电商选品分析场景的完整 Dashboard 设计方案
-- 问题域：TikTok Shop 跨境电商卖家如何通过数据可视化系统发现爆品、识别类目机会、监控竞品店铺
-- 方法/机制：基于 Scrapy + Playwright 抓取的 TikTok Shop 产品数据（products 表、product_reviews 表、product_variations 表），通过 SQL View 预处理 JSON 字段，设计 4-Tab 专业 Dashboard（爆品雷达 / 类目洞察 / 店铺监控 / 评论分析），结合动态过滤器实现选品决策自动化
-- 结论/价值：提供了一套"可长期演进的专业选品分析系统"的完整设计蓝图，从数据准备→指标体系→可视化图表→Dashboard 布局→高阶选品评分 SQL，均有可直接落地的方案
+- 核心主题：使用 Apache Superset 构建 TikTok Shop 电商选品分析 Dashboard 的完整设计指南
+- 问题域：TikTok Shop 跨境电商选品决策支持、竞品监控、价格策略分析
+- 方法/机制：通过 SQL View 预处理数据（JSON 字段提取），设计多 Tab Dashboard（爆品雷达、类目洞察、店铺监控、评论分析），提供 25-30 个图表的详细配置方案及可导入 Superset 的 JSON 模板
+- 结论/价值：提供一套"低价高销量"、"高客单价爆品"、"蓝海类目"的自动化选品评分模型，结合交互过滤器实现动态选品系统
 
 ## Key Claims（用中文描述）
-- Apache Superset 不会自动解析 JSON 字段，必须通过 SQL View 预先提取 rating、rating_count 等数值字段，才能构建 KPI 卡、Heatmap 等图表
-- 核心选品目标为"找出热卖产品 + 高评分 + 低竞争 + 高折扣"，Dashboard 应支持动态过滤器实现交互式选品决策
-- SQL 选品评分公式：score = sold × 0.4 + rating × 15 + discount_percent × 0.5 + rating_count × 0.2，可根据业务需求自定义权重
-- 推荐 4-Tab Dashboard 结构：爆品雷达（KPI总览）→ 类目机会洞察（热力图/箱线图）→ 店铺监控（时序图）→ 评论分析（评分趋势）
+- 通过 `JSON_EXTRACT` 将 `prodct_rating`、`videos` 等 JSON 字段预处理为数值列，Superset 才能直接计算 numeric metrics
+- 选品评分模型 = `sold * 0.4 + rating * 12 + rating_count * 0.2 + discount_percent * 0.5`，权重可自定义
+- 气泡图（X=final_price, Y=sold, Size=rating, Color=category）可一眼识别"低价高销量类"和"高客单价爆品"
+- 类目竞争度分析：`COUNT(*)` 少但 `SUM(sold)` 大的类目 = 典型蓝海类目
+- 竞争对手监控：利用 `timestamp` 字段追踪店铺上新趋势，判断哪家店最近疯狂上新或做活动冲 GMV
 
 ## Key Quotes
 > "找出热卖产品 + 高评分 + 低竞争 + 高折扣 → 决定选哪些产品卖" — 选品 Dashboard 核心目标
-> "Superset 不会自动解析 JSON，你需要创建 SQL View 预先提取数值字段" — 数据准备关键步骤
-> "这样整个 Dashboard 变成一个动态选品系统" — 动态过滤器的价值定位
+> "Superset 支持将整个 Dashboard 导出成 JSON，Settings → Import Dashboard → 选择 JSON 即可一键导入完整成品 Dashboard" — Superset 可导出/导入机制
+> "创建 `view_products_cleaned` 只需要一次，之后所有图表都基于此 View" — 数据预处理一次性完成原则
 
 ## Key Concepts
-- [[Apache Superset]]：开源 BI 可视化平台，支持 SQL 查询、多样化图表和仪表盘构建，本文档中使用 Docker 容器化部署
-- [[KPI Card]]：关键绩效指标卡片，展示总产品数、热卖产品数、平均评分、平均价格等核心数字
-- [[选品评分公式]]：加权多维度评分公式，权重可自定义（sold × 0.4 + rating × 15 + discount × 0.5 + rating_count × 0.2）
-- [[Scatter Plot]]（散点图）：用于分析销量 vs 价格关系，气泡大小代表评分，颜色代表类目
-- [[Box Plot]]（箱线图）：用于分析类目价格带分布，找出"利润空间大但竞争低"的类目
-- [[Heatmap]]（热力图）：用于类目评分 vs 销量交叉分析
-- [[SQL View]]：在数据库层面预处理 JSON 字段（如 JSON_EXTRACT），使 Superset 能直接计算数值指标
-- [[Dynamic Filter]]（动态过滤器）：支持 Category/Store Name/价格范围/时间范围等交互式筛选，使 Dashboard 具备实时分析能力
-- [[GMV]]（商品交易总额）：final_price × sold，用于产品排名
+- [[选品评分模型]]：通过加权公式（销量×0.4 + 评分×12 + 评分数量×0.2 + 折扣比例×0.5）对产品进行综合排名，用于自动化推荐值得跟卖的产品
+- [[蓝海类目]]：指产品数量少但总销量大的细分市场，竞争度低但需求旺盛，适合新卖家切入
+- [[价格带分析]]：通过气泡图、箱线图分析不同价格区间与销量的关系，找出最优价格带
+- [[GMV分析]]：`total_gmv = final_price * sold`，用于衡量店铺/产品的整体成交额
+- [[竞品监控]]：通过追踪目标店铺的上新节奏、价格策略变化、评分趋势来进行竞争情报分析
 
 ## Key Entities
-- [[TikTok Shop]]：字节跳动旗下电商平台，本文档数据抓取的目标平台
-- [[tiktok_products 数据库]]：包含 products、product_reviews、product_variations 三张核心表的数据库结构
-- [[products 表]]：存储产品基础信息（id/title/sold/price/rating/category/store_name/timestamp/position）
-- [[product_reviews 表]]：存储用户评论数据（rating/review_date/review_text/product_id）
-- [[product_variations 表]]：存储 SKU 层变体数据（sku/stock/final_price/discount_percent）
+- [[TikTok Shop]]：目标电商平台，数据来源；通过爬虫抓取 `tiktok_products` 数据库
+- [[Apache Superset]]：开源 BI 可视化工具，支持 SQL 查询、多图表类型、交互过滤器、Dashboard 导入导出
+- [[tiktok_products]]：存储 TikTok Shop 商品数据的数据库表，包含 products、product_reviews、product_variations 三张核心表
 
 ## Connections
-- [[Scrapy + Playwright 抓取TikTok Shop Data]] ← upstream_data_source ← [[TikTok Shop Apache Superset Dashboard设计思路]]
-- [[TikTok PM - Python Django 项目]] ← shares_database_schema ← [[TikTok Shop Apache Superset Dashboard设计思路]]
-- [[Apache Superset]] ← tool ← [[TikTok Shop Apache Superset Dashboard设计思路]]
-- [[用Docker安装Apache Superset]] ← prerequisite ← [[TikTok Shop Apache Superset Dashboard设计思路]]
+- [[Scrapy + Playwright 抓取TikTok Shop Data]] ← depends_on ← [[TikTok Shop - Apache Superset Dashboard设计思路]]（前者提供数据源，后者消费数据做分析）
+- [[做TK跨境思路不对努力白费]] ← extends ← [[TikTok Shop - Apache Superset Dashboard设计思路]]（前者提供宏观跨境策略，后者提供数据驱动选品工具）
+- [[选品评分模型]] ← part_of ← [[TikTok Shop - Apache Superset Dashboard设计思路]]
 
 ## Contradictions
-- 与 [[电商如何选品-如何找到爆款-选品策略]]：后者侧重选品策略理论（市场调研/竞争对手分析/利润测算），前者侧重数据驱动的可视化执行工具（Apache Superset Dashboard）。两者互补而非冲突——策略指导选品方向，Dashboard 提供实时数据验证。
+- 与 [[Scrapy + Playwright 抓取TikTok Shop Data]] 无冲突：两者互补，前者专注数据采集，后者专注数据可视化分析
+- 与 [[电商如何选品-如何找到爆款选品策略]] 无冲突：本文侧重"如何用 BI 工具落地选品分析"，策略层面一致但工具方法不同