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


下面给出一份**极其系统、面向实战、贴合你数据库结构**的 Apache Superset Dashboard 设计方案。内容包含：

- **指标体系设计（面向选品）**
    
- **数据模型（Superset Dataset）如何准备**
    
- **核心图表（含推荐可视化类型）**
    
- **完整 Dashboard 结构布局**
    
- **高级玩法（预测、异常、趋势、自动选品）**
    
- **SQL 示例（基于你当前数据结构 tiktok_products）**
    

因为你会持续扩展抓取系统，我用的风格是“可长期演进的专业选品分析系统”。

---

# 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**

1. **爆品发现（基于销量、评分、折扣、视频曝光）**
    
2. **价格 vs 销量关系分析（找出最优价格带）**
    
3. **类目机会洞察（某类目热卖、低竞争）**
    
4. **店铺监控（竞争对手表现）**
    
5. **SKU 层库存 + 价格管理**
    
6. **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：

```sql
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）**

```sql
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。

### 推荐可视化：

### **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：

```sql
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）：

```sql
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：

1. **总体结构（两个大 Dashboard）**
    
2. **每个 Dashboard 的图表清单**
    
3. **SQL View（用于 Superset Dataset）**
    
4. **推荐的布局结构**
    
5. **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**

```sql
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）：

```sql
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**

```sql
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：

```sql
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）。