3.8 KiB
3.8 KiB
title, type, tags, date
| title | type | tags | date | |||||
|---|---|---|---|---|---|---|---|---|
| TikTok Shop - Apache Superset Dashboard设计思路 | source |
|
2026-04-28 |
Source File
Summary（用中文描述）
- 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）
- 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 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
- 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：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 ← 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 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