ishenwei/nexus

Fork 0

Files

Shen Wei f09834b5a5 Update nexus: fix conflicts and sync local changes

2026-04-26 12:06:50 +08:00

16 KiB

Raw Blame History

title, source, author, published, created, description, tags, link, kanban-plugin, aliases, cssclasses

title

source

author

published

created

description

1. 你的数据库结构 → 适合做哪些分析？

从你提供的 DDL（）提炼可用于 Superset 的核心事实数据：

核心表：products

字段用于分析选品的关键指标：

sold（销量）
final_price, initial_price, discount_percent
category
store_name
prodct_rating（JSON，包含平均评分、评分数量）
timestamp（抓取时间）
videos / product_videos / product_images
position（热度排名）
shipping_fee, specifications, colors/sizes（JSON）

辅助表：product_reviews

rating
review_date
review_text
product_id

可做情绪分析、评分趋势等（如果你未来接入 NLP）。

product_variations

sku, stock, final_price, discount_percent
可做 SKU 层价格、库存监控。

2. Superset Dashboard 的目标（适用于 TikTok Shop）

你的核心目标是：

“找出热卖产品 + 高评分 + 低竞争 + 高折扣” → 决定选哪些产品卖

根据 TikTok Shop 的数据特性，一个专业选品 Dashboard 应支持：

核心能力

爆品发现（基于销量、评分、折扣、视频曝光）
价格 vs 销量关系分析（找出最优价格带）
类目机会洞察（某类目热卖、低竞争）
店铺监控（竞争对手表现）
SKU 层库存 + 价格管理
评论分析（质量、评分趋势）

3. Superset 数据集（Dataset）如何准备

Superset 不会自动解析 JSON，你需要：

A. 预处理 JSON 字段（推荐）

创建 SQL View：

`view_products_cleaned`

包含：

SELECT
    id,
    title,
    category,
    store_name,
    final_price,
    initial_price,
    discount_percent,
    sold,
    position,
    timestamp,
    JSON_EXTRACT(prodct_rating, '$.rating') AS rating,
    JSON_EXTRACT(prodct_rating, '$.count') AS rating_count,
    JSON_EXTRACT(videos, '$') AS videos_raw
FROM products;

理由：

Superset 能直接计算 numeric fields（rating，rating_count）。
JSON 在 chart 里很难使用，变成列更灵活。

B. 预处理评论 View（可选）

SELECT 
  id, product_id, rating, review_date
FROM product_reviews;

用于评分趋势折线图。

4. Superset Dashboard 组件设计（完整方案）

下面给出最适合 TikTok Shop 选品的 Dashboard 结构。

🌟 Dashboard 总结构（建议 4 个 Tab）

📌 Tab 1：爆品雷达（核心指标总览）

用于快速筛选「值得跟卖」的产品。

① KPI 卡片

总产品数
热卖产品数（sold > X）
平均评分
平均最终价格
折扣商品占比

② 热门产品榜（Top10）

图表：Bar Chart（水平条形）
维度：title
指标：sold
排序：DESC

③ 热门类目占比（Pie / Donut）

维度：category
指标：count(*)

快速识别高需求类目。

④ 销量 vs 价格气泡图

图表：Scatter Plot

X：final_price
Y：sold
气泡大小：rating
气泡颜色：category

作用：

一眼识别“低价高销量类”
一眼识别“高客单价爆品”

⑤ 产品评分分布直方图

图表：Histogram
字段：rating
分析整体产品质量分布。

📌 Tab 2：类目机会洞察（Category Analytics）

核心目标：识别值得进入的新类目。

① 类目热度榜

维度：category
指标：SUM(sold)

② 类目评分平均值 vs 销量

图表：Heatmap

行：category
列：rating（分箱）
值：sold

③ 类目价格带分布（箱线图）

图表：Box Plot
维度：category
指标：final_price

用途：
找出“利润空间大但竞争低”的类目。

📌 Tab 3：店铺监控（Store Performance）

当你分析竞争对手时特别有用。

① 店铺销量排名

维度：store_name
指标：SUM(sold)

② 店铺平均评分

图表：Bar Chart
维度：store_name
指标：AVG(rating)

③ 店铺产品价格分布（箱线图）

④ 店铺上新趋势

图表：Time-series Area
维度：timestamp
指标：count(product_id)

📌 Tab 4：评论与用户反馈分析

如果你以后做 NLP，可以进一步增强，这里给出基础方案。

① 评分趋势折线图（来自 product_reviews）

时间：review_date
指标：avg(rating)
过滤：按产品

② 产品评论数量 vs 销量散点图

X：rating_count
Y：sold
过滤器：category

③ 好评/差评占比

如果 rating_count 提取出来，可以算：

SUM(CASE WHEN rating >= 4 THEN 1 END) / COUNT(*)

5. Superset 中的交互过滤器（强烈推荐）

放在顶部：

Category（选择类目）
Store Name
价格范围（Slider）
时间范围（timestamp）
分页选择（Top N）
评分范围

这样整个 Dashboard 变成一个动态选品系统。

6. 高阶玩法（选品策略自动化）

如果你愿意，我可以帮你写 SQL 自动生成“推荐选品列表”。

例如选品评分（适合作为一个表格 Chart）：

SELECT
    id,
    title,
    category,
    final_price,
    sold,
    rating,
    rating_count,
    discount_percent,
    (
        sold * 0.4 +
        COALESCE(rating, 0) * 15 +
        COALESCE(discount_percent, 0) * 0.5 +
        rating_count * 0.2
    ) AS score
FROM view_products_cleaned
ORDER BY score DESC
LIMIT 50;

你可以自定义权重。

7. Dashboard 布局建议

按照 Superset 12yo+ 企业级布局习惯：

第一行

KPI 卡片（4–6 个）

第二行（两列）

左：销量 TOP10
右：价格 vs 销量（散点图）

第三行

类目占比（甜甜圈图）

第四行（两列）

类目价格分布（箱线图）
类目评分热力图

第五行

产品选品评分排行榜（表格）

你是做 SaaS 和 Cloud Delivery 的，这种布局非常适合长期运营。

8. 如果你愿意，我可以直接为你生成：

✅ Superset SQL View
✅ Superset Dashboard JSON（可以直接“Import Dashboard”）
✅ 各个图表的配置 JSON
✅ 覆盖你的业务逻辑（爆品模型、利润模型、库存模型）
只需要你告诉我：

你更倾向：

A. “电商选品分析” 全套 Dashboard？
B. “竞争对手监控” Dashboard？
C. “评论质量分析” Dashboard？
D. “视频带货表现分析”（基于 videos）？

我可以直接给你 Superset 可导入的完整 dashboard 文件（JSON）。

很好，你选择了 A. 电商选品分析 Dashboard + B. 竞争对手监控 Dashboard。
下面我会给出一套专业级、完整可落地的 Superset 方案，包含：

总体结构（两个大 Dashboard）
每个 Dashboard 的图表清单
SQL View（用于 Superset Dataset）
推荐的布局结构
可选：我可以帮你自动生成可直接导入 Superset 的 Dashboard JSON

你只需要告诉我你希望我生成 单个 Dashboard 还是两个 Dashboard 的 JSON。

------------------------------------

🟦 PART 1：电商选品分析 Dashboard（核心）

------------------------------------

该 Dashboard 的目标：

用于快速发现 TikTok Shop 上的「爆品」、「高利润」、「高评分」、「低竞争」、「价格带机会」。

1. 数据集准备（SQL View）

为了 Superset 图表更好用，你需要创建以下 View（只需要一次）。

① view_products_cleaned

CREATE OR REPLACE VIEW view_products_cleaned AS
SELECT
    id,
    source_id,
    title,
    store_name,
    category,
    final_price,
    initial_price,
    discount_percent,
    sold,
    position,
    timestamp,
    JSON_EXTRACT(prodct_rating, '$.rating') AS rating,
    JSON_EXTRACT(prodct_rating, '$.count') AS rating_count,
    (final_price * sold) AS total_gmv,
    (initial_price - final_price) AS discount_amount
FROM products;

理由：

rating、rating_count 提出来便于做 Heatmap / Ranking
discount_amount 用于看促销带货效果
total_gmv 用于 GMV 排名

2. Dashboard 图表设计（25~30 个）

📌 第一部分：KPI 总览（最顶层，一眼看爆品）

指标卡：

总产品数
热卖产品数（sold > X）
平均评分
平均最终价格
总 GMV
平均折扣比例

📌 第二部分：核心爆品分析

图表 1：爆品榜（TOP 20）

图表类型：Bar Chart
指标：sold
维度：title（限制展示 20 个）

图表 2：GMV 榜（TOP 20）

指标：total_gmv

图表 3：评分高但销量低（潜力品）

类型：Scatter
X：rating
Y：sold
Size：rating_count

用于发现“评分优秀但销量没爆发”的机会。

📌 第三部分：价格带与销量关系

图表 4：价格 vs 销量气泡图

类型：Scatter
X：final_price
Y：sold
Size：rating_count
Color：category

图表 5：价格带销量分布（直方图）

类型：Histogram
字段：final_price 分箱
指标：count(*)

📌 第四部分：类目机会分析

图表 6：类目销量榜

维度：category
指标：SUM(sold)

图表 7：类目价格箱线图

分析每个类目的价格带。

图表 8：类目评分热力图

维度：category × rating
值：COUNT(*)

图表 9：类目竞争度分析

SQL（示例）：

SELECT 
    category, 
    COUNT(*) AS product_count,
    SUM(sold) AS total_sold,
    AVG(rating) AS avg_rating
FROM view_products_cleaned
GROUP BY category;

在 Superset 使用 Table + Conditional Formatting
→ 找出“产品少但销量大”的类目（典型蓝海）。

📌 第五部分：选品评分模型（自动推荐产品）

创建一个可排序表格 Chart：

SQL：选品评分模型

SELECT
    id,
    title,
    category,
    final_price,
    sold,
    rating,
    rating_count,
    discount_percent,
    (
        sold * 0.4 +
        COALESCE(rating, 0) * 12 +
        rating_count * 0.2 +
        COALESCE(discount_percent, 0) * 0.5
    ) AS score
FROM view_products_cleaned
ORDER BY score DESC
LIMIT 100;

这是选品最核心图表之一。

------------------------------------

🟦 PART 2：竞争对手监控 Dashboard

------------------------------------

目标：

跟踪“目标店铺 + 竞争对手”销量、价格策略、上新节奏、评分趋势。

适合追踪 3–10 个关注店铺。

1. 顶部过滤器

Store Name（支持多选）
Category（可选）
时间范围（timestamp）

2. 核心图表设计

📌 店铺整体表现

图表 1：店铺 GMV 排名

维度：store_name
指标：SUM(total_gmv)

图表 2：店铺销量排名

指标：SUM(sold)

图表 3：店铺平均评分排行

📌 店铺产品结构分析

图表：店铺产品价格分布（箱线图）

维度：store_name
指标：final_price

图表：店铺类目构成饼图

维度：category
指标：count(*)
Filter：store_name=某店铺

📌 店铺上新节奏（重点）

你已经有字段：timestamp（抓取时间）

可以做趋势图：

图表：上新数量趋势（Time-series Bar）

时间：timestamp
指标：count(id)
过滤：store_name

这能判断：

哪家店铺最近疯狂上新
是否在做活动冲 GMV

📌 价格策略对比

图表：店铺最终价格均值趋势

时间：timestamp
指标：avg(final_price)
按 store_name 分组

用于分析成本、价格策略变化。

📌 店铺爆品分析

图表：每家店铺的爆品 TOP 10

SQL 示例：

SELECT
    store_name,
    title,
    sold,
    final_price,
    rating
FROM view_products_cleaned
ORDER BY sold DESC
LIMIT 10;

这种表格适合分析竞争对手的主推商品。

------------------------------------

🟦 PART 3：Dashboard 布局结构

------------------------------------

🟩 电商选品分析 Dashboard 布局

第一行：KPI

6–10 个 KPI 卡片（两行）

第二行：爆品榜 + GMV 榜

2 列布局

第三行：价格 vs 销量（气泡图）

1 列大图

第四行：类目分析（3 图）

左：类目销量榜
中：类目评分热力图
右：类目价格箱线图

第五行：选品评分模型（表格）

全宽

🟩 竞争对手监控 Dashboard 布局

第一行：过滤器

第二行：KPI（店铺数量、总销量、平均评分）

第三行：店铺表现（GMV / 销量 / 评分）

三张 Bar Chart

第四行：店铺上新趋势

Time-series Area

第五行：店铺类目结构（饼图 + 表格）

第六行：爆品榜（按店铺分组）

------------------------------------

🟦 PART 4：下一步（我可以自动为你生成 Dashboard JSON）

------------------------------------

Superset 支持将整个 Dashboard 导出成 JSON，因此我可以为你：

✓ 自动生成：两个 Dashboard 的 JSON 文件

你可以直接在 Superset 中：

Settings → Import Dashboard → 选择 JSON
即可一键导入完整成品 Dashboard。

包含完整的：

每个图表
每个字段映射
每个 SQL
布局
Filter Box
控制面板配置

就像企业 BI 交付一样开箱即用。

❓ 请告诉我下面的问题（非常重要）

1. 你希望我生成：

单个 Dashboard（综合选品 + 竞争分析）
还是
两个 Dashboard（选品分析 / 竞争对手监控）分开？

2. 你现在使用的 Superset 版本是？（例如：2.1、3.0 等）

不同版本 JSON 格式略有差异。

3. 你的业务偏好：

偏向“百货类”、“电子产品”，还是“美妆类”？
（会影响哪些字段更重要）

回答这 3 点，我就可以直接给你 可导入的 Superset Dashboard JSON（强烈推荐）。

16 KiB Raw Blame History Unescape Escape

1. 你的数据库结构 → 适合做哪些分析？

核心表：products

辅助表：product_reviews

product_variations

2. Superset Dashboard 的目标（适用于 TikTok Shop）

核心能力

3. Superset 数据集（Dataset）如何准备

A. 预处理 JSON 字段（推荐）

view_products_cleaned

B. 预处理评论 View（可选）

4. Superset Dashboard 组件设计（完整方案）

🌟 Dashboard 总结构（建议 4 个 Tab）

📌 Tab 1：爆品雷达（核心指标总览）

推荐可视化：

① KPI 卡片

② 热门产品榜（Top10）

③ 热门类目占比（Pie / Donut）

④ 销量 vs 价格 气泡图

⑤ 产品评分分布直方图

📌 Tab 2：类目机会洞察（Category Analytics）

① 类目热度榜

② 类目评分平均值 vs 销量

③ 类目价格带分布（箱线图）

📌 Tab 3：店铺监控（Store Performance）

① 店铺销量排名

② 店铺平均评分

③ 店铺产品价格分布（箱线图）

④ 店铺上新趋势

📌 Tab 4：评论与用户反馈分析

① 评分趋势折线图（来自 product_reviews）

② 产品评论数量 vs 销量 散点图

③ 好评/差评占比

5. Superset 中的交互过滤器（强烈推荐）

6. 高阶玩法（选品策略自动化）

7. Dashboard 布局建议

第一行

第二行（两列）

第三行

第四行（两列）

第五行

8. 如果你愿意，我可以直接为你生成：

你更倾向：

------------------------------------

🟦 PART 1：电商选品分析 Dashboard（核心）

------------------------------------

1. 数据集准备（SQL View）

① view_products_cleaned

2. Dashboard 图表设计（25~30 个）

📌 第一部分：KPI 总览（最顶层，一眼看爆品）

📌 第二部分：核心爆品分析

图表 1：爆品榜（TOP 20）

图表 2：GMV 榜（TOP 20）

图表 3：评分高但销量低（潜力品）

📌 第三部分：价格带与销量关系

图表 4：价格 vs 销量 气泡图

图表 5：价格带销量分布（直方图）

📌 第四部分：类目机会分析

图表 6：类目销量榜

图表 7：类目价格箱线图

图表 8：类目评分热力图

图表 9：类目竞争度分析

📌 第五部分：选品评分模型（自动推荐产品）

SQL：选品评分模型

------------------------------------

🟦 PART 2：竞争对手监控 Dashboard

------------------------------------

1. 顶部过滤器

2. 核心图表设计

📌 店铺整体表现

图表 1：店铺 GMV 排名

图表 2：店铺销量排名

图表 3：店铺平均评分排行

📌 店铺产品结构分析

图表：店铺产品价格分布（箱线图）

图表：店铺类目构成饼图

📌 店铺上新节奏（重点）

图表：上新数量趋势（Time-series Bar）

📌 价格策略对比

图表：店铺最终价格均值趋势

16 KiB

Raw Blame History

`view_products_cleaned`

④ 销量 vs 价格气泡图

② 产品评论数量 vs 销量散点图

图表 4：价格 vs 销量气泡图