54 lines
4.5 KiB
Markdown
54 lines
4.5 KiB
Markdown
---
|
||
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
|
||
---
|
||
|
||
## Source File
|
||
- [[跨境电商/TikTok Shop - Apache Superset Dashboard设计思路]]
|
||
|
||
## 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
|
||
|
||
## 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）
|
||
|
||
## 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
|
||
|
||
## 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
|
||
|
||
## 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）
|
||
|
||
## 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]]
|
||
|
||
## 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。
|