感谢您的反馈！
品牌数据银行帮助中心
重代码平台操作手册
更新时间：2021/09/28
访问次数：4409
背景
服务商在服务品牌时，通常需要针对不同品牌的特性进行定制化的数据分析，满足商家个性化的分析诉求。为此，平台上线代码平台，通过开放代码分析数据的能力，来满足商家及服务商的两方诉求。
操作流程一览
一、使用权限
1.1 店铺数据使用授权
根据合法合规层面相关约束，品牌若希望在数据银行中使用分析店铺数据，需要先向绑定的店铺获取授权。协议中将明确店铺授权后，品牌才可以在数据银行中查看并分析生意参谋产品中该店的数据，且数据可能会由第三方完成分析。若店铺不授权，则品牌购买的应用在运行时，不能使用该店铺的生意参谋数据进行计算和展示。 重要！！！
注意：店铺授权为一次性授权该店的所有数据，请服务商、品牌与店铺间确保沟通清晰。
申请路径：
品牌主账号在【设置-数据权限申请】页面，第三部分中将看到当前品牌所有绑定的店铺信息。
点击【点击申请】按钮，将发送申请的请求至生意参谋店铺主账号侧。 如下图所示。
点击后请联系生意参谋主账号，登陆生意参谋产品【个人中心-数据授权】模块进行授权。
若店铺拒绝或撤销审批，后续可以二次操作，重新同意数据使用。所有状态列举如下：
操作 |
银行端 - 状态栏展示 |
参谋端 - 状态栏展示 |
初始 |
未申请 |
|
申请 |
申请中 |
待授权 |
同意 |
授权已通过 |
已授权 |
拒绝 |
授权被驳回 |
已拒绝 |
撤销 |
授权被撤销 |
已撤销 |
1.2 生意参谋产品版本使用权限
本期需求的场景中，会包含生意参谋产品的数据指标。品牌商家在使用前，需先完成参谋数据对应的产品版本的订购动作。重要！！
品牌在服务市场进行应用订购时，系统会根据账号选择的品牌名称，找出该品牌绑定的所有店铺，并找到所有店铺在生意参谋产品中已开通的产品版本信息。
点击“同意并付款”按钮，校验品牌绑定的店铺，在生意参谋的产品版本，是否大于等于所使用的数据表版本要求，及版本的时间期限。若满足，可正常付款。 若有任何一个店铺的产品版本不满足，均会有拦截并有以下情况：
- 版本不满足：拦截并红字提示“该应用中包含生意参谋产品数据使用，为确保应用正常运行，请先完成生意参谋【XX】版本订购。”
- 版本时间小于应用订购时间：拦截并红字提示“该应用中包含生意参谋产品数据使用，当前生意参谋【XX】版本剩余时间小于应用有效期，请重新选择。”
二、数据信息
2.1 开放的数据
本次将支持服务商分析来自数据银行、生意参谋两个产品的品牌/店铺私域数据。
数据开放及限制具体信息如下：
- 数据银行相关：支持SaaS端自定义人群内的所有条件权圈选，但
- 去掉：
- 一级触点【以场圈人-天猫超市】、【以场圈人-淘鲜达】、【以货圈人-天猫超市】
- 数据银行去掉现有人群 （本期代码不支持引用品牌的现有人群，会报错！处于安全考虑去掉）
- 消费者人数限制：
- 下限2000，不输出人群 （9月28日下限将调整至500）
- 上限5000万，随机截断到5000万
- 数据银行产品页面数据：品牌私域消费者相关数据，详见附录
- 生意参谋产品页面数据：品牌绑定的店铺相关数据，详见附录
2.2 数据使用方法
支持四种方式使用数据，每种方式需要使用的代码方式如下：
- 自定义TA人群：通过Python API形式，调用圈人接口，实现条件圈选，得到人数。【对应2.1 第①条】
- 自定义TA人群明细数据，查看该人群在指定维度下的分布情况：通过Python API形式先圈人，再看这群消费者在指定维度下的分布。本期支持范围与「报告模板」中「指定维度分布分析」的「以场圈人、以货圈人、AIPL、基础属性」相同的分布。【对应2.1第①条】
- 自定义TA人群明细数据，查看该人群的生意指标：通过Python API形式先圈人，再看这群消费者的生意指标，例如GMV等。【对应2.1第①条】
- 查看品牌/店铺汇总数据：数据银行/生意参谋产品页面数据，通过SQL可查询。【对应2.1第②③条】
注意：本期仅支持通过代码指定圈选逻辑，将圈出的人数放入数据表，不支持通过代码在品牌侧直接生产人群
2.3 说明
- 数据产出时间：
- 汇总数据产出时间：每天上午10:30
- 明细数据当前产出：每天上午10:30
- 数据计算：
- 支持通过时间分区，合并提取一段时间周期的数据。
- 生意参谋产品数据：
- 若SaaS页面上有“数据端”的区分，本次均只提供“无线端”。 若无区分，提供整体数据。
- 本次均提供“日”数据
- 生意参谋页面【流量 - 店铺来源】：使用 转化效果归属于“每一次访问来源”
- 生意参谋新老客：若取一段时间的数据，平台不会重新计算在选择时间段内的新老客。仅单纯做单日数据的加总。重要！！
三、dataphin环境使用
在数据工厂内，点击左侧一级菜单中的 代码平台 进入dataphin代码平台(下图) 。
光标滑动至左侧边栏将展示如下菜单选项：
1) 任务管理-计算任务
2) 文件管理-函数管理
3.1 任务管理-计算任务
此处为所有代码脚本存放的地方，初始化时【计算任务】内将新建文件夹「 @代码模板 」内含「 @代码模板虚拟根节点 」。
3.1.1 注意事项
注意事项写在前面，请用户谨遵注意事项操作，保障代码编写及运行顺利进行。代码编写是上架应用的第一步，避免返工，遵守指导，极为重要！
- 最终提交的所有代码必须在【@代码模板】文件夹里创建，且需要先建立子文件夹。 子文件夹的名称就是在工厂里【代码模板】下拉菜单的名称。
- 子文件夹里的每个文件都必须提交。若部分代码文件只是用于测试，建议重新创建文件夹，不要在【@代码模板】文件夹内新建。
- 子文件夹内必须建立虚节点。 使用virtual创建root， 必须建【周期性节点】。 在调度配置中“手动添加上游“，输入【@代码模板】里【@代码模板虚拟根节点】名称。并起名，右上角点击提交。必须提交！！
- 创建的代码文件，如果要在银行端，必须是【周期性节点】。 代码文件都需要进行调度配置，“手动添加上游“添加上面创建好的root.
- 不能删【@代码模板】、【@代码模板虚拟根节点】！！！ 误删需要平台技术手动添加。
- 本次涉及的报告应用品牌侧在运行前不会进行参数配置，请注意所有时间、类目、商品等ID都需要在代码里写好！
3.1.2 新建子文件夹
最终提交的所有代码必须在【@代码模板】文件夹里创建，且需要先建立子文件夹。点击创建子文件夹，目录选择“@代码模板 ”。 注意：子文件夹的名称是在数据工厂里【代码模板】下拉菜单显示的名称。
3.1.3 新建虚节点
在子文件夹内，使用virtual创建root， 必须建【周期性节点】。
?
在调度配置中“手动添加上游“，输入【@代码模板】里【@代码模板根虚拟节点】名称，必须选择virtual_dev_default 开头的根虚拟节点，否则会出错！ 输入名称后，右上角点击提交。必须提交！！
3.1.4 新建代码脚本
点击上方工具栏中 新建脚本 按钮，按需选择即将创建脚本的类型。
当前支持:
1）SQL
2) Python
选择脚本类型后，在弹窗中填写该脚本相关信息。
1) 名称：脚本名称
2) 调度类型：请务必选择 周期性节点，否则后续运行会出错。
3) 描述：任务描述
4) 选择目录：该脚本归属的文件夹
调度配置
代码文件都需要进行调度配置。点击左上方“调度配置”，打开窗口。
步骤一：
选择 “手动添加上游”，添加上面已经创建好的root 根虚拟节点。
步骤二：
填写参数配置。参数配置如下
runToken=$token;runReportId=$reportId;runBizdate=$bizdate
步骤三：
点击确定后，提交代码。注意：提交按钮均在右上角。
3.1.5 运行代码脚本
代码脚本运行过程中会弹窗，供输入参数。可按需填写。
填写建议：
3.2 文件管理-函数管理
此处可查看当前可使用的全部函数。通过在输入栏内输入关键字可快速查询需要的函数。
文件夹「MAXC函数」内包含：
1）系统函数 ：dataphin环境内默认内置的98个系统函数，系统函数不可编辑更改。
2) 用户定义函数：暂不支持 用户添加自定义函数。
3.2.1 查看函数详情
通过检索或浏览定位至某个函数后，点击即可查看该函数的基本信息。
1) 函数名称
2）函数类型
3）命令格式
4）函数说明
四、圈人、实时计算、报告代码写法
4.1 Quota限制
Mock数据暂不限制在代码平台的圈人、实时计算、报告接口调用, 待平台支持服务商可见真实数据时，将限制使用quota.
4.2 PYTHON\SQL示例
4.2.1 PYTHON SDK
-----------------------------------------------------------------------
## 核心类
from datafactory.client.DFClient import DFTask
from datafactory.client.DFClient import DFData
# 上下文参数
context = {'token': '${runToken}','bizId':'${runReportId}','bizDate':'${runBizdate}'}
## 启动任务
task=DFTask(context).count(taskParam)
## 任务结果
data=task.data
## ISV自定义分析逻辑
newData=xxx_call()
....
....
....
## 数据回写回RDS
DFData(context).write(param,task.data)
-----------------------------------------------------------------------
4.2.2 SQL 示例
-----------------------------------------------------------------------
CREATE TABLE IF NOT EXISTS test_refresh_01
(
stat_date STRING COMMENT 'stat_date'
,brand_id STRING COMMENT 'brand_id'
,report_id INT COMMENT 'report_id'
,crowd_count INT COMMENT 'crowd_count'
)
COMMENT '测试表'
LIFECYCLE 7
;
-----------------------------------------------------------------------
注意：使用SQL创建ODPS数据表时，必须包含stat_date、brand_id 和 report_id 三个字段，否则后续运行会出错！
4.3 圈人
圈人代码分为5个板块
- 引入sdk
- 圈人参数
- 上下文参数
- 接口调用
- 数据回写进表
4.3.1 代码示例
-----------------------------------------------------------------------
#!/usr/bin/env python
# -*- coding: utf-8 -*-
################################################
# Author: xxxxxxxx
# Created Time: 2021-09-10 16:28:42
################################################
#===============================================
# 功能类
from datafactory.client.DFClient import DFTask
from datafactory.client.DFClient import DFData
## 圈人参数
taskParam = [
{
"crowdName": "sample_crowd_01",
"list": [
{
"selectionLv1": [
"FULL_LINK",
"FULL_LINK"
],
"selectionLv3": {
"cate": "ALL",
"types": [
"18#|#D_AWARENESS"
],
"dateType": "ABSOLUTE_DATE_RANGE",
"dateValue": {
"from": "20210824",
"to": "20210901"
}
}
}
]
},
{
"crowdName": "sample_crowd_02",
"list": [
{
"selectionLv1": [
"FULL_LINK",
"FULL_LINK"
],
"selectionLv3": {
"cate": "ALL",
"types": [
"18#|#D_AWARENESS"
],
"dateType": "ABSOLUTE_DATE_RANGE",
"dateValue": {
"from": "20210824",
"to": "20210901"
}
}
}
]
}
]
# 上下文参数
context = {'token': '${runToken}','bizId':'${runReportId}','bizDate':'${runBizdate}'}
import json
print("crowdParam:"+json.dumps(taskParam))
print(json.dumps(context))
## 接口调用
# 圈人任务
task=DFTask(context).target(taskParam)
print(json.dumps(task.data))
# 数据回写
param = [{
"reader": {
"name": "upload_reader",
"parameter": {
"column": [
{
"field": "crowd_cnt",
"alias":"crowd_count"
}
]
}
},
"writer": {
"name": "rds_writer",
"parameter": {
"column": ["crowd_id", "crowd_name", "crowd_count"],
"table": "sample_crowd_data_01",
}
}
}]
DFData(context).write(param, task.data)
-----------------------------------------------------------------------
4.3.2圈人条件获取方式
说明：由于圈人参数比较复杂，情况也比较多，可以通过自定义圈人或人群模板开发功能，获取对应的圈人JSON。
JSON 中重点语句释义：
- op 表示交、并、差；
- selectionLv1 是字符串数组，表示场景中的一级、二级条件，比如:以场圈人 - 付费广告；
- selectionLV2 是字符串数组，表示场景中的三级条件，比如：一夜霸屏；
- selectionLv3 是一个对象，表示三级条件下的过滤维度，比如:账号、行为、天数、时间等；
- list是一个数组，表示用户选择了多个条件，并通过每个条件的op进行交并差，得到最终人群；
a. 通过自定义人群圈选获取：
- 步骤一：打开Chrome右键“检查”
- 步骤二：配置自定义圈人条件
- 步骤三：配置完毕后，输入人群包名称（Tips: 为避免消耗人群包quota，有两种tips可用。①输入某个已生成的人群包名称，提交时系统会拦截。 ②在Network下调整为offline，再提交。）
- 步骤四：点击提交，找到Network 下的“paasapi”，点击后找到右侧的“Header"， 拖拽至底部，找到“Request Payload”。 点击“view source”切换成更可读的形式。
- 步骤五：复制“customModelStr"中包含的JSON，该部分即为圈人条件的JSON。
- 步骤六：拷贝至 https://bejson.com/ 在线去除转义的平台。 点击“去除转义”，再将去除后的内容复制到代码平台进行使用。
b. 通过人群模板获取：
- 步骤一：打开Chrome右键“检查”
- 步骤二：配置圈人条件
- 步骤三：配置完毕后，输入人群包名称（tips: 输入某个已生成的人群包名称，提交时系统会拦截，避免消耗人群包quota）
- 步骤四：点击提交，获取圈人规则。（需确保path是"api/develop/template")
- 步骤五：复制“customModelStr"中包含的JSON，该部分即为圈人条件的JSON。 （同上）
- 步骤六：拷贝至 https://bejson.com/ 在线去除转义的平台。 点击“去除转义”，再将去除后的内容复制到代码平台进行使用。（同上）
4.3.3 圈人相关常见问题
1. 银行圈人的所有条件都可以支持吗？
- 除了天猫超市、淘鲜达相关触点，以及现有人群和上传人群有限制外，其他绝大多数条件均可支持。
2. 圈人接口只能进行实时计算嘛？可以返回人群ID，然后根据上一次圈人结果的ID在进行交并差？
- 圈人和实时计算人数是同一个接口，不同的接口参数
- 圈人接口会返回人群ID，可以根据上一次人群ID进行交并差，但是有血缘限制。
3. 数据的回写是异步操作嘛？如果是异步的话怎么会的计算成功通知？
- 数据回写接口是同步接口，因为是结果数据写回，接口调用成功，数据写入成功。
4.4 实时计算
实时计算代码分为5个板块
- 引入sdk
- 圈人参数
- 上下文参数
- 接口调用
- 数据回写进表
4.4.1 代码示例
-----------------------------------------------------------------------
#!/usr/bin/env python
# -*- coding: utf-8 -*-
################################################
# Author: xxxxxxx
# Created Time: 2021-09-10 17:47:13
################################################
# 功能类
from datafactory.client.DFClient import DFTask
from datafactory.client.DFClient import DFData
## 圈人参数
taskParam = [
{
"crowdName": "sample_crowd_03",
"list": [
{
"selectionLv1": [
"FULL_LINK",
"FULL_LINK"
],
"selectionLv3": {
"cate": "ALL",
"types": [
"18#|#D_AWARENESS"
],
"dateType": "ABSOLUTE_DATE_RANGE",
"dateValue": {
"from": "20210801",
"to": "20210901"
}
}
}
]
}
]
# 上下文参数
context = {'token': '${runToken}','bizId':'${runReportId}','bizDate':'${runBizdate}'}
import json
print("crowdParam:"+json.dumps(taskParam))
print(json.dumps(context))
## 接口调用
# 圈人任务
task=DFTask(context).count(taskParam)
print(json.dumps(task.data))
# 数据回写
param = [{
"reader": {
"name": "upload_reader",
"parameter": {
"column": [
{
"field": "crowd_cnt",
"alias":"crowd_count"
}
]
}
},
"writer": {
"name": "rds_writer",
"parameter": {
"column": ["crowd_count"],
"table": "RealTimeCompute_count_01",
}
}
}]
DFData(context).write(param,task.data)
-----------------------------------------------------------------------
4.5 报告
报告代码分为5个板块
- 引入sdk
- 圈人参数
- 上下文参数
- 报告参数
- 接口调用
- 数据回写进表
4.5.1 代码示例
-----------------------------------------------------------------------
#!/usr/bin/env python
# -*- coding: utf-8 -*-
################################################
# Author: xxxxxxx
# Created Time: 2021-09-13 10:36:30
################################################
#===============================================
# 功能类
from datafactory.client.DFClient import DFTask
from datafactory.client.DFClient import DFData
## 圈人参数
crowdParam = [
{
"crowdName": "TAcrowd01",
"list": [
{
"selectionLv1": [
"FULL_LINK",
"FULL_LINK"
],
"selectionLv3": {
"cate": "ALL",
"types": [
"18#|#D_AWARENESS"
],
"dateType": "ABSOLUTE_DATE_RANGE",
"dateValue": {
"from": "20210801",
"to": "20210901"
}
}
}
]
}
]
# 上下文参数
context = {'token': '${runToken}','bizId':'${runReportId}','bizDate':'${runBizdate}'}
import json
print("crowdParam:"+json.dumps(crowdParam))
print(json.dumps(context))
## 报告参数
reportParam = [
{
"task_id": "databank_pespective_base_task_1",
"scene": "databank_pespective_base",
"dimension": [
{ "name": "crowd_id","alias": "crowd"},
{ "name": "interest_prefer"}
],
"measure": [
{"name": "cust_cnt"}
],
"filter": [
{"name": "crowd_id","value": ["#{TAcrowd01}","#{TAcrowd01}"]}
]
}
]
## 接口调用
# 圈人任务
task=DFTask(context).olap(crowdParam, reportParam).print("OLAP分析")
print(task)
# 数据回写
param = [
{
"task_id": "databank_pespective_base_task_1",
"reader": {
"name": "upload_reader",
"parameter": {
"column": [
{
"field": "task_id",
"alias":"dim1"
},
{
"field": "crowd_id",
"alias":"dim2"
},
{
"field": "interest_prefer",
"alias":"dim3"
},
{
"field": "cust_cnt",
"alias":"mea1"
},
{
"field":"scene",
"value": "databank_pespective_base"
}
]
}
},
"writer": {
"name": "rds_writer",
"parameter": {
"column": ["scene","dim1", "dim2","dim3","mea1"],
"table": "sample_report_01",
}
}
}]
DFData(context).write(param,task.data)
-----------------------------------------------------------------------
4.5.2 指标说明
对于每一个指标，我们的文档会说明该指标计算的方式和限制（见附录【自定义TA人群支持查看明细数据的数据表】），我们举个例子：
场景英文名 |
sycm_cate_cate360_std |
场景中文名 |
生意参谋-品类-品类360-品类排行-标准类目 |
指标英文名 |
pay_amt |
指标中文名 |
店铺支付金额 |
指标口径 |
统计时间内，买家拍下后通过支付宝支付给您的金额，未剔除事后退款金额，预售阶段付款在付清当天才计入内，货到付款订单确认收货时计入内。 |
group by支持的全部维度 |
ds,crowd_id,brand_id,seller_id,cate_level1_id,cate_level2_id,cate_id |
group by必须都要传的维度 |
crowd_id,brand_id |
group by至少要传1个的维度 |
cate_level1_id,cate_level2_id,cate_id |
group by传且仅传其中的1个维度 |
|
where支持的全部条件 |
ds,crowd_id,brand_id,seller_id,cate_level1_id,cate_level2_id,cate_id |
where必须都要传的条件 |
ds,crowd_id,brand_id |
注意：其中的“group by传且仅传其中的1个维度”目前只在场景“数据银行-人群透视-基础属性”中有使用，其含义是在标签透视时，只能选择一个维度进行透视，不能同时选择多个维度进行透视：
场景英文名 |
databank_pespective_base |
场景中文名 |
数据银行-人群透视-基础属性 |
指标英文名 |
customer_cnt |
指标中文名 |
人数 |
指标口径 |
统计周期内品牌人群在不同标签下的消费者人数分布情况。 |
group by支持的全部维度 |
crowd_id,sanwich_generation ,daas_tag_pred_age_level_20200415093010 ,daas_tag_pred_education_degree_20200421154731 ,daas_tag_pred_is_undergraduate_20200421180239 ,daas_tag_pred_gender_20200415091417 ,daas_tag_has_car ,daas_tag_has_house ,daas_tag_pred_life_stage_v2_databank ,daas_tag_baby_gender_20201020 ,daas_tag_baby_age_level_14stages ,daas_tag_family_group ,pred_career_type ,common_receive_city_level_180d ,mobile_brand_name_prefer ,common_receive_province_180d ,common_receive_city_180d ,vst_days_1m_015 ,tq_level ,pref_purchasing_power ,daas_tag_trade_hour_most ,daas_tag_avg_pay_mord_amt_6m ,derive_pay_ord_amt_6m_015_range ,fitness_prefer ,high_standard_living ,stayup_late_youth ,daas_tag_pet_species_v2020 ,interest_prefer （这里标签英文名对应的含义请参考附录部分） |
group by必须都要传的维度 |
crowd_id |
group by至少要传1个的维度 |
|
group by传且仅传其中的1个维度 |
sanwich_generation ,daas_tag_pred_age_level_20200415093010 ,daas_tag_pred_education_degree_20200421154731 ,daas_tag_pred_is_undergraduate_20200421180239 ,daas_tag_pred_gender_20200415091417 ,daas_tag_has_car ,daas_tag_has_house ,daas_tag_pred_life_stage_v2_databank ,daas_tag_baby_gender_20201020 ,daas_tag_baby_age_level_14stages ,daas_tag_family_group ,pred_career_type ,common_receive_city_level_180d ,mobile_brand_name_prefer ,common_receive_province_180d ,common_receive_city_180d ,vst_days_1m_015 ,tq_level ,pref_purchasing_power ,daas_tag_trade_hour_most ,daas_tag_avg_pay_mord_amt_6m ,derive_pay_ord_amt_6m_015_range ,fitness_prefer ,high_standard_living ,stayup_late_youth ,daas_tag_pet_species_v2020 ,interest_prefer （这里标签英文名对应的含义请参考附录部分） |
where支持的全部条件 |
crowd_id,brand_id |
where必须都要传的条件 |
crowd_id |
4.5.3 用户输入限制
4.5.3.1 scene限制
范围限制：必须是在元数据当中出现的场景。
4.5.3.2 measure限制
范围限制：必须是在元数据当中出现的指标。
生命周期限制：
不同的指标，目前我们提供的可使用的生命周期不同，请参考附录【自定义TA人群支持查看明细数据的数据表】。
批量输入限制：
measures可以输入多个，但必须是在当前的场景(scene)下的指标。
数量限制：
限制类型 |
说明 |
单task的measure个数 |
15 |
4.5.3.3 dimension限制
范围限制：必须是该指标中“group by支持的全部维度”中出现的维度。
必传限制：
类型 |
举例 |
group by必须都要传的维度 |
crowd_id,brand_id |
group by至少要传1个的维度 |
cate_level1_id,cate_level2_id,cate_id |
group by传且仅传1个的维度 |
数量限制：无
4.5.3.4 filter限制
范围限制：必须是该指标中“where支持的全部条件”中出现的维度。
算子限制：
维度类型 |
支持算子(operator) |
说明 |
非日期 |
eq, in |
eq相当于SQL中的"=" |
日期 |
eq, in, btw |
必须限制：
目前有2个维度是必须写到filter中的：ds, crowd_id
数量限制：
维度 |
限制数量 |
日期 |
task跨度180天 |
商品 |
无限制 |
类目 |
|
人群 |
10 |
4.5.3.5 report／task限制
限制类型 |
限制数量 |
report个数 |
1 |
一个report中task个数 |
10 |
一个task中的measure个数 |
15 |
单task结果输出条数 |
500 |
4.5.4 结果输出限制
每个task的结果条数限制：500， 安全限制
4.5.5 报告相关常见问题
1. 如果要某一场景下的所有指标，是需要在measure中list所有指标嘛？
- 目前是的，还不能支持*或者all类似的语法。
2. dimension有先后group顺序嘛？
- 没有顺序，dimension的顺序仅回影响结果展示的列顺序，不会影响数据结果
3. 可以嵌套获取嘛？
- 目前不支持嵌套，也就是不支持嵌套SQL。但是，可以支持多个分析任务一起运行。
4. 报告接口里的crowd_id是指银行中已经生成的人群ID？
- 报告接口总共分两步 1-人群圈选 2-报告运行，报告运行依赖第一步产生的crowd_Id。
- 可以通过${人群1}和${人群2}的取值表达式获取到对应的crowd_Id
4.6 其他常见问题
1. brand_id怎么获取？
- 不能获取，系统会自动补充。
2. crowd_id怎么获取？
- 在报告代码中可通过写#{crowd_id}来实现引用，但crowd ID值不能获取，系统已隐去。
3. 如何获取生意参谋中店铺的对应数据？有的品牌可能会有多店铺
- 需要通过指定seller_id字段，进行对应的数据查询。
4. 周期性任务调度在哪里配合
- ISV侧-Dataphin有三种任务类型，一种就是用户在编辑区开发代码，点击运行按钮队对应的任务，称为即时任务。另一种是通过任务管理，启动的补数据任务和周期任务。几种任务都是由Dataphine的任务调度器进行调度。
- 品牌侧-品牌的周期任务，是品牌在运行App的时候，填写的App运行参数，进行配置。这部分任务，有数据银行内部调度器进行调度。报告任务表结构，runId|ds|dim1|dim2|mea1|mea2，一次运行对应一个runId，runId的周期运行对应不同的ds。
5. 跨店铺相同的brand_name对应brand_id是否一定相同
- 相同
6. 如果想查询全店铺，全品牌的数据，怎么查询？
- 安全限制，目前没办法查到全部店铺和全部数据
7. category_id 和 cate_lvl_2， cate_lvl1 id的区别
- cate_id指叶子类目，cate_level1_id和cate_level2_id分别指一级类目和二级类目
8. 代码环境是否支持for循环语句
- 支持for循环，因为任务接口已经支持批量操作，所以建议用for循环组装查询条件，而不要用for循环启动任务。
- 如果限制返回500条，是否支持order by?从哪里输入？
- 目前不支持，后面支持
- 圈人接口的大概返回时间是多久？现在银行做实时计算大概会是在几十秒返回，我是需要等上一次提交的任务结束后再提交下一个任务嘛？
- 目前，任务接口都是分钟或者小时级返回。所以，任务之间是同步操作。但是单任务可以批量进行。
- Json里的catelevel1_cateLevel2_cateId是且的逻辑吗？如果想要满足或的逻辑，例如catelevel1=xx或cateLevel2=xx或cateId=xx需要如何传参？
- 目前，还无法实现或的逻辑关系。
五、代码模板
5.1 新建代码模板
新建代码模板：
模板开发- 数据银行-代码模板中，点击“新建代码模板”。
选择代码模板，下拉菜单中显示的名称为用户在代码平台，「@代码模板」文件夹内的子文件夹名称。
注意：代码模板一旦创建，相当于系统从代码平台复制了一份代码文件出来。 若用户再返回修改代码，需要重新创建一份新的代码模板。 新修改的内容不会自动更新到原有的代码模板中。同时会影响后续的数据表、仪表盘等所有链路，请确认代码无需修改后，再创建！避免返工！
六、新建数据表、数据集
6.1 新建数据表
6.1.1 操作概览
在数据工厂内，点击左侧一级菜单中的 数据源 选中 我的 分页，进入 我的数据源，点击 "新建数据表"
进入 新建数据表 创建页面
需填写以下信息： 备注*的为必填项
1) 数据表名称*
2) 选择代码模板
3) 数据表引入*
4) 确定表结构*
5) 配置索引
6) 可上架到*
7) 描述
6.1.2 选择代码模板
输入关键词查找到所期望引用的代码模板。代码模板名称为上一步（第五点）创建的代码模板名称。
注意：代码模板不建议在新建数据表的时候完成选择，可以等到完全确定代码，不需要再修改后，再点击【编辑】按钮选择代码模板。一旦选择，不可修改！！ 如果选择后再修改代码模板，需要重建数据表，请谨慎！避免返工！
6.1.3 数据表引入及确定表结构
可选择 从代码平台引入(复用代码平台已有的表结构) 或 自定义建表(重新定义表结构)
情况①：从代码平台引入
输入关键词查找到所期望引入的表名后，页面会展示该表的表结构。
*注：所引入的数据表内必须包含stat_date、brand_id 和 report_id 字段
需要为每一个字段都选择该字段的 <字段类型> 和 <业务类型>
新建表信息 内的 <字段类型>需和引入表信息中的<字段类型>相匹配。下面附上常见字段类型对照关系表。
引入表信息 |
新建表信息 |
字段类型 |
字段类型 |
string |
VARCHAR |
bigint |
BIGINT |
double |
DECIMAL |
int |
INT |
<业务类型>分为以下八种，请依据字段选择其符合的业务分类。
若表结构内某一字段的值可为空，可勾选上该字段的 可空 选项
情况②：自定义建表
选择 自定义建表 后 点击 左下角的 “添加字段信息”开始添加字段
该字段的<字段名称>，<字段类型>，业务分类 为必填项。<描述> 建议填写。
*注：自定义建表 的表结构 中建议加上stat_date、brand_id 和 report_id 字段，若没有系统也会补足。
6.1.4 配置索引
确定表结构后 还可为该数据表配置索引。
点击左下角 “添加索引信息” 增加索引。
每个索引需有①索引名称、②索引类型 ③列名
①索引名称:
可由英文、数字和下划线组成
②索引类型：
有3种类型的索引可选：
- primary
primary索引只能有一个
- unique
unique(唯一)索引的值必须唯一。如果是组合索引，则列值的组合必须唯一。
- normal
normal(普通)索引无特殊限制。
*注：以上这几种索引都不能有null值，有null值则失去索引效果。
6.1.5 保存并生成数据表
可上架到 选择 数据银行，填写数据表描述(选做)后，即可保存该数据表并在 我的数据源 列表内查看。
6.2 新建数据集
现有两条使用链路可供用户新建数据集。
1) 点击左侧一级菜单中的 数据集 -> 点击 新建数据集
2) 点击左侧一级菜单中的 数据源 选中 我的 分页 ->使用已有数据表 新建数据集
*注：只有引用了代码模板的数据表可以直接用于新建数据集
两条链路都会显示 「新建数据集」弹窗。
需填写以下信息：
1) 数据集名称
2) 文件夹
单一数据集必须归属于 所有数据集 列表中某个文件夹内。如需新建，可点击右上角的 新建文件夹。
3）数据源：可选择 生意参谋、数据银行、我的，分别对应数据源列表页的三个分页tab
4) 数据表: 选择所需数据表，不支持多选。
新建数据集完成后，可点击左侧一级菜单中的 数据集 进入 所有数据集 在相应文件夹下找到该数据集。
七、电子表格、仪表盘模板/应用
7.1 电子表格/仪表盘模板
数据工厂-数据银行-模板开发内，找到电子表格、仪表盘模板。 电子表格、仪表盘为QuickBI产品功能，操作与QBI 完全一致。 点击“新建电子表格”将跳转至搭建页面。
注意：模板编辑好可以发布时，需点击右上角“保存并发布”，必须确保需要使用的版本是“已发布”状态。在模板列表中可查看发布状态。
7.2 电子表格/仪表盘应用
数据工厂-数据银行-应用管理内，可创建电子表格、仪表盘应用。点击“新建电子表格/仪表盘应用”可进行新建。
应用模板：最多可选择10份模板放入
应用场景：最贴切当前应用的分析场景，一旦选择不可更改
应用描述：商家端运行应用前可见描述，请仔细填写
计算开始日期：可帮助商家设定立即计算，或在未来的某个日期才开始运行
更新周期：最多设置持续更新7天
若编辑应用，应用版本将相应提升。注意若需更新已上架的应用版本，需再次点击“上架”按钮。
八、应用上架及订购
8.1 应用上架
在应用列表操作列点击“上架”即可上架该应用。同人群、报告、方案应用操作。并前往服务市场进行上架配置。
8.2 品牌订购
品牌在服务市场进行订购时，会校验当前应用中所使用的数据，商家是否已订购对应的生意参谋版本。
点击“同意并付款”按钮，校验品牌绑定的店铺，在生意参谋的产品版本，是否大于等于所使用的数据表版本要求，及版本的时间期限。若满足，可正常付款。 若不满足，
- 版本不满足：拦截并红字提示“该应用中包含生意参谋产品数据使用，为确保应用正常运行，请先完成生意参谋【XX】版本订购。”
- 版本时间小于应用订购时间：拦截并红字提示“该应用中包含生意参谋产品数据使用，当前生意参谋【XX】版本剩余时间小于应用有效期，请重新选择。”
九、应用运行 （暂未开放）
品牌订购应用后，可前往数据银行- 我的应用，进行应用运行。
运行应用时，本次只有两个步骤，无需品牌配置。
步骤：
- 计算机更新配置：与报告应用配置页面一致。可设置计算日期，及更新周期。 最长周期7天。
- 运行：输入应用名称，开始运行。应用名称不可重复，需校验唯一性。
- 根据账号选择的品牌名称，系统找出该品牌绑定的所有店铺，并找到所有店铺在生意参谋产品中已开通的产品版本信息。
交互：点击运行按钮时，
- 情况1：若已开通的产品版本高于或等于【付费类型】的最高等级，则不用拦截，正常运行。
- 情况2：若已开通的产品版本低于【付费类型】的最高等级，弹窗 拦截应用运行。 红字提示“运行失败！该应用中包含生意参谋产品数据使用，为确保应用正常运行，请先完成生意参谋【XX】版本订购。”
应用成功运行后，可在定制化报告中查看报告。
附录 - 数据表信息
1. 自定义TA人群支持查看明细数据的数据表
注意：如果在查询时超出了指标的生命周期，那么该指标返回值为0。
id |
scene_name |
scene_cn_name |
measure_name |
measure_cn_name |
measure_desc |
support_dim |
required_dim |
required_at_least_one_dim |
required_and_only_one_dim |
support_filter |
required_filter |
|
指标id |
场景英文名 |
场景中文名 |
指标英文名 |
指标中文名 |
指标生命周期@逐浪(zhulang.ys) |
指标口径 |
group by支持的全部维度 |
group by必须都要传的维度 |
group by至少要传其中1个的dimension |
group by传且仅传其中1个的dimension |
where支持的全部维度 |
where必须都要传的维度 |
1 |
databank_pespective_base |
数据银行-人群透视-基础属性 |
cust_cnt |
人数 |
- |
统计周期内品牌人群在不同标签下的消费者人数分布情况。 |
crowd_id,sanwich_generation（标签中英文对照见下方对应表） |
crowd_id |
（标签中英文对照见下方对应表） sanwich_generation |
crowd_id,brand_id |
crowd_id |
|
2 |
databank_pespective_aipl |
数据银行-人群透视-AIPL |
cust_cnt |
人数 |
730 |
统计周期内品牌人群的AIPL消费者人数分布情况。 |
ds,crowd_id,brand_id,stage |
crowd_id,stage |
ds,crowd_id,brand_id |
ds,crowd_id,brand_id |
||
3 |
databank_pespective_touch |
数据银行-人群透视-以场圈人 |
cust_cnt |
人数 |
180 |
统计周期内品牌人群在各触点下的消费者分布情况。 |
ds,crowd_id,brand_id,touch_level2_id （二级触点ID对应关系见下表） |
crowd_id,touch_level2_id |
ds,crowd_id,brand_id |
ds,crowd_id,brand_id |
||
4 |
databank_pespective_channel |
数据银行-人群透视-以货圈人 |
cust_cnt |
人数 |
180 |
统计周期内品牌人群在各渠道下的消费者分布情况。 |
ds,crowd_id,brand_id,channel_level2_id （二级渠道ID对应关系见下表） |
crowd_id,channel_level2_id |
ds,crowd_id,brand_id |
ds,crowd_id,brand_id |
||
5 |
sycm_flow_overview |
生意参谋-流量-流量看版-流量总览 |
pay_ord_amt_001 |
店铺支付金额 |
730 |
归属到对应渠道的支付买家，所对应的支付金额 |
ds,crowd_id,brand_id,seller_id |
crowd_id,seller_id |
ds,crowd_id,brand_id,seller_id |
ds,crowd_id,brand_id |
||
6 |
sycm_flow_overview |
生意参谋-流量-流量看版-流量总览 |
pay_ord_byr_cnt_001 |
店铺支付买家数 |
730 |
通过对应渠道进入店铺访问的访客数中，后续支付的人数 |
ds,crowd_id,brand_id,seller_id |
crowd_id,seller_id |
ds,crowd_id,brand_id,seller_id |
ds,crowd_id,brand_id |
||
7 |
sycm_flow_overview |
生意参谋-流量-流量看版-流量总览 |
uv_001 |
店铺访客数 |
730 |
统计周期内观看店铺自播直播间、观看自制全屏页短视频3秒及以上、浏览店铺自制图文3秒及以上、浏览商品微详情3秒及以上、访问宝贝详情页及店铺其他页面的去重人数，一个人在统计时间范围内访问多次只记为一个 |
ds,crowd_id,brand_id,seller_id |
crowd_id,seller_id |
ds,crowd_id,brand_id,seller_id |
ds,crowd_id,brand_id |
||
8 |
sycm_flow_overview |
生意参谋-流量-流量看版-流量总览 |
pv_001 |
店铺浏览量 |
730 |
您的店铺或商品详情页被访问的次数，一个人在统计时间内访问多次记为多次 |
ds,crowd_id,brand_id,seller_id |
crowd_id,seller_id |
ds,crowd_id,brand_id,seller_id |
ds,crowd_id,brand_id |
||
9 |
sycm_flow_overview |
生意参谋-流量-流量看版-流量总览 |
stay_time_len_001 |
店铺平均停留时长 |
730 |
来访您店铺的所有访客总的停留时长/访客数，单位为秒，多天的人均停留时长为各天人均停留时长的日均值。 |
ds,crowd_id,brand_id,seller_id |
crowd_id,seller_id |
ds,crowd_id,brand_id,seller_id |
ds,crowd_id,brand_id |
||
10 |
sycm_flow_overview |
生意参谋-流量-流量看版-流量总览 |
ipv_uv_001 |
商品访客数 |
730 |
统计周期内浏览商品微详情3秒及以上、访问宝贝详情页的去重人数，一个人在统计时间范围内访问多次只记为一个。 |
ds,crowd_id,brand_id,seller_id |
crowd_id,seller_id |
ds,crowd_id,brand_id,seller_id |
ds,crowd_id,brand_id |
||
11 |
sycm_flow_overview |
生意参谋-流量-流量看版-流量总览 |
ipv_001 |
商品浏览量 |
730 |
在统计周期内，商品详情页被浏览的次数累加。 |
ds,crowd_id,brand_id,seller_id |
crowd_id,seller_id |
ds,crowd_id,brand_id,seller_id |
ds,crowd_id,brand_id |
||
12 |
sycm_flow_overview |
生意参谋-流量-流量看版-流量总览 |
stay_time_len_002 |
商品平均停留时长 |
730 |
统计日期内，来访您店铺商品的所有访客总的停留时长/商品访客数，单位为秒，多天的平均停留时长为各天平均停留时长的日均值。 |
ds,crowd_id,brand_id,seller_id |
crowd_id,seller_id |
ds,crowd_id,brand_id,seller_id |
ds,crowd_id,brand_id |
||
13 |
sycm_flow_overview |
生意参谋-流量-流量看版-流量总览 |
cart_byr_cnt_002 |
商品加购人数 |
730 |
统计时间内，访客将商品加入购物车的访客去重数。 |
ds,crowd_id,brand_id,seller_id |
crowd_id,seller_id |
ds,crowd_id,brand_id,seller_id |
ds,crowd_id,brand_id |
||
14 |
sycm_flow_overview |
生意参谋-流量-流量看版-流量总览 |
clt_byr_cnt_027 |
商品收藏人数 |
370 |
统计日期内，新增点击收藏商品的去重人数，不考虑取消收藏的情况。 |
ds,crowd_id,brand_id,seller_id |
crowd_id,seller_id |
ds,crowd_id,brand_id,seller_id |
ds,crowd_id,brand_id |
||
15 |
sycm_flow_overview |
生意参谋-流量-流量看版-流量总览 |
pay_ord_amt_260 |
老买家支付金额 |
730 |
统计时间的最小统计日期前365天内有过支付行为的买家，在统计时间内的累计支付金额。 |
ds,crowd_id,brand_id,seller_id |
crowd_id,seller_id |
ds,crowd_id,brand_id,seller_id |
ds,crowd_id,brand_id |
||
16 |
sycm_flow_overview |
生意参谋-流量-流量看版-流量总览 |
pay_ord_byr_cnt_244 |
支付老买家数 |
730 |
统计时间的最小统计日期前360天内有过支付行为的买家，在统计时间内有过至少一次购买行为的买家数。 |
ds,crowd_id,brand_id,seller_id |
crowd_id,seller_id |
ds,crowd_id,brand_id,seller_id |
ds,crowd_id,brand_id |
||
17 |
sycm_flow_overview |
生意参谋-流量-流量看版-流量总览 |
pay_ord_amt_064 |
新买家支付金额 |
730 |
统计时间内支付一次且365天内首次支付的买家去重人数 |
ds,crowd_id,brand_id,seller_id |
crowd_id,seller_id |
ds,crowd_id,brand_id,seller_id |
ds,crowd_id,brand_id |
||
18 |
sycm_flow_overview |
生意参谋-流量-流量看版-流量总览 |
pay_ord_byr_cnt_057 |
支付新买家数 |
730 |
统计时间的最小统计日期前360天内无支付行为的买家，在统计时间内有过至少一次购买行为的买家数。 |
ds,crowd_id,brand_id,seller_id |
crowd_id,seller_id |
ds,crowd_id,brand_id,seller_id |
ds,crowd_id,brand_id |
||
19 |
sycm_flow_overview |
生意参谋-流量-流量看版-流量总览 |
crt_ord_byr_cnt_026 |
下单买家数 |
730 |
统计时间内，拍下宝贝的去重买家人数，一个人拍下多件或多笔，只算一个人。所有终端下单买家数为PC端和无线端下单买家去重人数，即同一个人既在PC端下单，又在无线端下单，所有终端下单买家数记为1。 |
ds,crowd_id,brand_id,seller_id |
crowd_id,seller_id |
ds,crowd_id,brand_id,seller_id |
ds,crowd_id,brand_id |
||
20 |
sycm_cate_cate360_std |
生意参谋-品类-品类360-品类排行-标准类目 |
pay_ord_amt_001 |
支付金额 |
730 |
统计时间内，买家拍下后通过支付宝支付给您的金额，未剔除事后退款金额，预售阶段付款在付清当天才计入内，货到付款订单确认收货时计入内。 |
ds,crowd_id,brand_id,seller_id,cate_level1_id,cate_level2_id,cate_id |
crowd_id |
cate_level1_id,cate_level2_id,cate_id |
ds,crowd_id,brand_id,seller_id,cate_level1_id,cate_level2_id,cate_id |
ds,crowd_id,brand_id |
|
21 |
sycm_cate_cate360_std |
生意参谋-品类-品类360-品类排行-标准类目 |
ipv_uv_001 |
访客数 |
730 |
统计周期内访问宝贝详情页的去重人数，一个人在统计时间范围内访问多次只记为一个。 |
ds,crowd_id,brand_id,seller_id,cate_level1_id,cate_level2_id,cate_id |
crowd_id |
cate_level1_id,cate_level2_id,cate_id |
ds,crowd_id,brand_id,seller_id,cate_level1_id,cate_level2_id,cate_id |
ds,crowd_id,brand_id |
|
22 |
sycm_cate_cate360_std |
生意参谋-品类-品类360-品类排行-标准类目 |
pay_ord_byr_cnt_001 |
支付买家数 |
730 |
统计时间内，完成支付的去重买家人数，预售分阶段付款在付清尾款当天才计入内；所有终端支付买家数为PC端和无线端支付买家去重人数，即统计时间内在PC端和无线端都对商品完成支付，买家数记为1个 |
ds,crowd_id,brand_id,seller_id,cate_level1_id,cate_level2_id,cate_id |
crowd_id |
cate_level1_id,cate_level2_id,cate_id |
ds,crowd_id,brand_id,seller_id,cate_level1_id,cate_level2_id,cate_id |
ds,crowd_id,brand_id |
|
23 |
sycm_cate_cate360_std |
生意参谋-品类-品类360-品类排行-标准类目 |
cart_byr_cnt_002 |
商品加购人数 |
730 |
统计日期内，新增点击商品加入购物车的去重人数，不考虑删除、加购件数修改和下单转化减少的情况。 |
ds,crowd_id,brand_id,seller_id,cate_level1_id,cate_level2_id,cate_id |
crowd_id |
cate_level1_id,cate_level2_id,cate_id |
ds,crowd_id,brand_id,seller_id,cate_level1_id,cate_level2_id,cate_id |
ds,crowd_id,brand_id |
|
24 |
sycm_cate_cate360_std |
生意参谋-品类-品类360-品类排行-标准类目 |
clt_byr_cnt_027 |
商品收藏人数 |
730 |
统计日期内，新增点击收藏商品的去重人数，不考虑取消收藏的情况。 |
ds,crowd_id,brand_id,seller_id,cate_level1_id,cate_level2_id,cate_id |
crowd_id |
cate_level1_id,cate_level2_id,cate_id |
ds,crowd_id,brand_id,seller_id,cate_level1_id,cate_level2_id,cate_id |
ds,crowd_id,brand_id |
|
25 |
sycm_cate_cate360_std |
生意参谋-品类-品类360-品类排行-标准类目 |
pay_ord_amt_260 |
老买家支付金额 |
730 |
统计时间的最小统计日期前365天内有过支付行为的买家，在统计时间内的累计支付金额。 |
ds,crowd_id,brand_id,seller_id,cate_level1_id,cate_level2_id,cate_id |
crowd_id |
cate_level1_id,cate_level2_id,cate_id |
ds,crowd_id,brand_id,seller_id,cate_level1_id,cate_level2_id,cate_id |
ds,crowd_id,brand_id |
|
26 |
sycm_cate_cate360_std |
生意参谋-品类-品类360-品类排行-标准类目 |
pay_ord_byr_cnt_244 |
支付老买家数 |
730 |
统计时间的最小统计日期前365天内有过支付行为的买家，在统计时间内有过至少一次购买行为的买家数。 |
ds,crowd_id,brand_id,seller_id,cate_level1_id,cate_level2_id,cate_id |
crowd_id |
cate_level1_id,cate_level2_id,cate_id |
ds,crowd_id,brand_id,seller_id,cate_level1_id,cate_level2_id,cate_id |
ds,crowd_id,brand_id |
|
27 |
sycm_cate_cate360_std |
生意参谋-品类-品类360-品类排行-标准类目 |
pay_ord_amt_064 |
新买家支付金额 |
730 |
统计时间内支付一次且365天内首次支付的买家去重人数 |
ds,crowd_id,brand_id,seller_id,cate_level1_id,cate_level2_id,cate_id |
crowd_id |
cate_level1_id,cate_level2_id,cate_id |
ds,crowd_id,brand_id,seller_id,cate_level1_id,cate_level2_id,cate_id |
ds,crowd_id,brand_id |
|
28 |
sycm_cate_cate360_std |
生意参谋-品类-品类360-品类排行-标准类目 |
pay_ord_byr_cnt_057 |
支付新买家数 |
730 |
统计时间的最小统计日期前365天内无支付行为的买家，在统计时间内有过至少一次购买行为的买家数。 |
ds,crowd_id,brand_id,seller_id,cate_level1_id,cate_level2_id,cate_id |
crowd_id |
cate_level1_id,cate_level2_id,cate_id |
ds,crowd_id,brand_id,seller_id,cate_level1_id,cate_level2_id,cate_id |
ds,crowd_id,brand_id |
|
29 |
sycm_cate_cate360_cum |
生意参谋-品类-品类360-品类排行-导购类目 |
pay_ord_amt_001 |
支付金额 |
730 |
统计时间内，买家拍下后通过支付宝支付给您的金额，未剔除事后退款金额，预售阶段付款在付清当天才计入内，货到付款订单确认收货时计入内。 |
ds,crowd_id,brand_id,seller_id,parent_cum_type_id,cum_type_id |
crowd_id |
parent_cum_type_id,cum_type_id |
ds,crowd_id,brand_id,seller_id,parent_cum_type_id,cum_type_id |
ds,crowd_id,brand_id |
|
30 |
sycm_cate_cate360_cum |
生意参谋-品类-品类360-品类排行-导购类目 |
ipv_uv_001 |
访客数 |
730 |
统计周期内访问宝贝详情页的去重人数，一个人在统计时间范围内访问多次只记为一个。 |
ds,crowd_id,brand_id,seller_id,parent_cum_type_id,cum_type_id |
crowd_id |
parent_cum_type_id,cum_type_id |
ds,crowd_id,brand_id,seller_id,parent_cum_type_id,cum_type_id |
ds,crowd_id,brand_id |
|
31 |
sycm_cate_cate360_cum |
生意参谋-品类-品类360-品类排行-导购类目 |
pay_ord_byr_cnt_001 |
支付买家数 |
730 |
统计时间内，完成支付的去重买家人数，预售分阶段付款在付清尾款当天才计入内；所有终端支付买家数为PC端和无线端支付买家去重人数，即统计时间内在PC端和无线端都对商品完成支付，买家数记为1个 |
ds,crowd_id,brand_id,seller_id,parent_cum_type_id,cum_type_id |
crowd_id |
parent_cum_type_id,cum_type_id |
ds,crowd_id,brand_id,seller_id,parent_cum_type_id,cum_type_id |
ds,crowd_id,brand_id |
|
32 |
sycm_cate_cate360_cum |
生意参谋-品类-品类360-品类排行-导购类目 |
cart_byr_cnt_002 |
商品加购人数 |
730 |
统计日期内，新增点击商品加入购物车的去重人数，不考虑删除、加购件数修改和下单转化减少的情况。 |
ds,crowd_id,brand_id,seller_id,parent_cum_type_id,cum_type_id |
crowd_id |
parent_cum_type_id,cum_type_id |
ds,crowd_id,brand_id,seller_id,parent_cum_type_id,cum_type_id |
ds,crowd_id,brand_id |
|
33 |
sycm_cate_cate360_cum |
生意参谋-品类-品类360-品类排行-导购类目 |
clt_byr_cnt_027 |
商品收藏人数 |
730 |
统计日期内，新增点击收藏商品的去重人数，不考虑取消收藏的情况。 |
ds,crowd_id,brand_id,seller_id,parent_cum_type_id,cum_type_id |
crowd_id |
parent_cum_type_id,cum_type_id |
ds,crowd_id,brand_id,seller_id,parent_cum_type_id,cum_type_id |
ds,crowd_id,brand_id |
|
34 |
sycm_cate_item360_sale |
生意参谋-品类-商品360-销售分析 |
pay_ord_amt_001 |
支付金额 |
730 |
买家拍下后通过支付宝支付给您的金额，未剔除事后退款金额，预售阶段付款在付清当天才计入内，货到付款订单确认收货时计入内。 |
ds,crowd_id,brand_id,seller_id,item_id |
crowd_id,item_id |
ds,crowd_id,brand_id,seller_id,item_id |
ds,crowd_id,brand_id |
||
35 |
sycm_cate_item360_sale |
生意参谋-品类-商品360-销售分析 |
ipv_uv_001 |
访客数 |
730 |
统计周期内访问您店铺页面或宝贝详情页的去重人数，一个人在统计时间范围内访问多次只记为一个。 |
ds,crowd_id,brand_id,seller_id,item_id |
crowd_id,item_id |
ds,crowd_id,brand_id,seller_id,item_id |
ds,crowd_id,brand_id |
||
36 |
sycm_cate_item360_sale |
生意参谋-品类-商品360-销售分析 |
cart_byr_cnt_002 |
商品加购人数 |
730 |
统计日期内，新增点击商品加入购物车的去重人数，不考虑删除、加购件数修改和下单转化减少的情况。 |
ds,crowd_id,brand_id,seller_id,item_id |
crowd_id,item_id |
ds,crowd_id,brand_id,seller_id,item_id |
ds,crowd_id,brand_id |
||
37 |
sycm_cate_item360_sale |
生意参谋-品类-商品360-销售分析 |
clt_byr_cnt_027 |
商品收藏人数 |
730 |
统计日期内，新增点击收藏商品的去重人数，不考虑取消收藏的情况。 |
ds,crowd_id,brand_id,seller_id,item_id |
crowd_id,item_id |
ds,crowd_id,brand_id,seller_id,item_id |
ds,crowd_id,brand_id |
||
38 |
sycm_cate_item360_sale |
生意参谋-品类-商品360-销售分析 |
pay_ord_byr_cnt_001 |
支付买家数 |
730 |
统计时间内，完成支付的去重买家人数，预售分阶段付款在付清尾款当天才计入内；所有终端支付买家数为PC端和无线端支付买家去重人数，即统计时间内在PC端和无线端都对商品完成支付，买家数记为1个。 |
ds,crowd_id,brand_id,seller_id,item_id |
crowd_id,item_id |
ds,crowd_id,brand_id,seller_id,item_id |
ds,crowd_id,brand_id |
||
39 |
sycm_cate_item360_sale |
生意参谋-品类-商品360-销售分析 |
ipv_001 |
商品浏览量 |
730 |
商品详情页被访问的次数，一个人在统计时间内访问多次记为多次 |
ds,crowd_id,brand_id,seller_id,item_id |
crowd_id,item_id |
ds,crowd_id,brand_id,seller_id,item_id |
ds,crowd_id,brand_id |
||
40 |
sycm_cate_item360_sale |
生意参谋-品类-商品360-销售分析 |
stay_time_len_002 |
商品平均停留时长 |
730 |
来访您店铺的所有访客总的停留时长/访客数，单位为秒，多天的人均停留时长为各天人均停留时长的日均值。 |
ds,crowd_id,brand_id,seller_id,item_id |
crowd_id,item_id |
ds,crowd_id,brand_id,seller_id,item_id |
ds,crowd_id,brand_id |
||
41 |
sycm_cate_item360_sale |
生意参谋-品类-商品360-销售分析 |
cart_itm_qty_001 |
商品加购件数 |
730 |
统计日期内，新增点击商品加入购物车的商品件数总和，不考虑删除、加购件数修改和下单转化减少的情况。 |
ds,crowd_id,brand_id,seller_id,item_id |
crowd_id,item_id |
ds,crowd_id,brand_id,seller_id,item_id |
ds,crowd_id,brand_id |
||
42 |
sycm_cate_item360_sale |
生意参谋-品类-商品360-销售分析 |
crt_ord_byr_cnt_026 |
下单买家数 |
730 |
统计时间内，拍下宝贝的去重买家人数，一个人拍下多件或多笔，只算一个人。所有终端下单买家数为PC端和无线端下单买家去重人数，即同一个人既在PC端下单，又在无线端下单，所有终端下单买家数记为1。 |
ds,crowd_id,brand_id,seller_id,item_id |
crowd_id,item_id |
ds,crowd_id,brand_id,seller_id,item_id |
ds,crowd_id,brand_id |
||
43 |
sycm_cate_item360_sale |
生意参谋-品类-商品360-销售分析 |
crt_ord_itm_qty_001 |
下单件数 |
730 |
统计时间内，商品被买家拍下的累计件数。 |
ds,crowd_id,brand_id,seller_id,item_id |
crowd_id,item_id |
ds,crowd_id,brand_id,seller_id,item_id |
ds,crowd_id,brand_id |
||
44 |
sycm_cate_item360_sale |
生意参谋-品类-商品360-销售分析 |
crt_ord_amt_002 |
下单金额 |
730 |
统计时间内，商品被买家拍下的累计金额。 |
ds,crowd_id,brand_id,seller_id,item_id |
crowd_id,item_id |
ds,crowd_id,brand_id,seller_id,item_id |
ds,crowd_id,brand_id |
||
45 |
sycm_cate_item360_sale |
生意参谋-品类-商品360-销售分析 |
pay_ord_itm_qty_001 |
支付件数 |
730 |
统计时间内，买家完成支付的商品数量，如出售手机，16G两个，32G一个，那么支付件数为3。 |
ds,crowd_id,brand_id,seller_id,item_id |
crowd_id,item_id |
ds,crowd_id,brand_id,seller_id,item_id |
ds,crowd_id,brand_id |
||
46 |
sycm_cate_item360_sale |
生意参谋-品类-商品360-销售分析 |
pay_ord_amt_260 |
老买家支付金额 |
730 |
统计时间的最小统计日期前365天内有过支付行为的买家，在统计时间内的累计支付金额。 |
ds,crowd_id,brand_id,seller_id,item_id |
crowd_id,item_id |
ds,crowd_id,brand_id,seller_id,item_id |
ds,crowd_id,brand_id |
||
47 |
sycm_cate_item360_sale |
生意参谋-品类-商品360-销售分析 |
pay_ord_byr_cnt_001 |
支付老买家数 |
730 |
统计时间的最小统计日期前365天内有过支付行为的买家，在统计时间内有过至少一次购买行为的买家数。 |
ds,crowd_id,brand_id,seller_id,item_id |
crowd_id,item_id |
ds,crowd_id,brand_id,seller_id,item_id |
ds,crowd_id,brand_id |
||
48 |
sycm_cate_item360_sale |
生意参谋-品类-商品360-销售分析 |
pay_ord_amt_064 |
新买家支付金额 |
730 |
统计时间内支付一次且365天内首次支付的买家去重人数 |
ds,crowd_id,brand_id,seller_id,item_id |
crowd_id,item_id |
ds,crowd_id,brand_id,seller_id,item_id |
ds,crowd_id,brand_id |
||
49 |
sycm_cate_item360_sale |
生意参谋-品类-商品360-销售分析 |
pay_ord_byr_cnt_057 |
支付新买家数 |
730 |
统计时间的最小统计日期前365天内无支付行为的买家，在统计时间内有过至少一次购买行为的买家数。 |
ds,crowd_id,brand_id,seller_id,item_id |
crowd_id,item_id |
ds,crowd_id,brand_id,seller_id,item_id |
ds,crowd_id,brand_id |
||
50 |
sycm_cate_item360_flow_shop |
生意参谋-品类-商品360-流量来源-进店来源（无线端每一次访问来源） |
ipv_uv_111 |
访客数 |
500 |
统计周期内访问您店铺页面或宝贝详情页的去重人数，一个人在统计时间范围内访问多次只记为一个 |
ds,crowd_id,brand_id,seller_id,src_level1_id,src_level2_id,item_id |
crowd_id,item_id |
src_level1_id,src_level2_id |
ds,crowd_id,brand_id,seller_id,src_level1_id,src_level2_id,item_id |
ds,crowd_id,brand_id |
|
51 |
sycm_cate_item360_flow_shop |
生意参谋-品类-商品360-流量来源-进店来源（无线端每一次访问来源） |
crt_ord_byr_cnt_026 |
下单买家数 |
370 |
统计时间内，拍下宝贝的去重买家人数，一个人拍下多件或多笔，只算一个人。所有终端下单买家数为PC端和无线端下单买家去重人数，即同一个人既在PC端下单，又在无线端下单，所有终端下单买家数记为1。 |
ds,crowd_id,brand_id,seller_id,src_level1_id,src_level2_id,item_id |
crowd_id,item_id |
src_level1_id,src_level2_id |
ds,crowd_id,brand_id,seller_id,src_level1_id,src_level2_id,item_id |
ds,crowd_id,brand_id |
|
52 |
sycm_cate_item360_flow_shop |
生意参谋-品类-商品360-流量来源-进店来源（无线端每一次访问来源） |
ipv_058 |
商品浏览量 |
500 |
在统计周期内，商品详情页被浏览的次数累加 |
ds,crowd_id,brand_id,seller_id,src_level1_id,src_level2_id,item_id |
crowd_id,item_id |
src_level1_id,src_level2_id |
ds,crowd_id,brand_id,seller_id,src_level1_id,src_level2_id,item_id |
ds,crowd_id,brand_id |
|
53 |
sycm_cate_item360_flow_shop |
生意参谋-品类-商品360-流量来源-进店来源（无线端每一次访问来源） |
jp_uv_005 |
店内跳转人数 |
500 |
统计日期内，通过该渠道进入该商品，且同时访问店铺内其他页面的去重买家人数。 |
ds,crowd_id,brand_id,seller_id,src_level1_id,src_level2_id,item_id |
crowd_id,item_id |
src_level1_id,src_level2_id |
ds,crowd_id,brand_id,seller_id,src_level1_id,src_level2_id,item_id |
ds,crowd_id,brand_id |
|
54 |
sycm_cate_item360_flow_shop |
生意参谋-品类-商品360-流量来源-进店来源（无线端每一次访问来源） |
jp_uv_006 |
跳出本店人数 |
500 |
统计日期内，通过该渠道进入该商品，且通过该商品退出访问店铺的去重买家人数。 |
ds,crowd_id,brand_id,seller_id,src_level1_id,src_level2_id,item_id |
crowd_id,item_id |
src_level1_id,src_level2_id |
ds,crowd_id,brand_id,seller_id,src_level1_id,src_level2_id,item_id |
ds,crowd_id,brand_id |
|
55 |
sycm_cate_item360_flow_shop |
生意参谋-品类-商品360-流量来源-进店来源（无线端每一次访问来源） |
clt_byr_cnt_113 |
商品收藏人数 |
370 |
统计日期内，新增点击收藏商品的去重人数，不考虑取消收藏的情况。 |
ds,crowd_id,brand_id,seller_id,src_level1_id,src_level2_id,item_id |
crowd_id,item_id |
src_level1_id,src_level2_id |
ds,crowd_id,brand_id,seller_id,src_level1_id,src_level2_id,item_id |
ds,crowd_id,brand_id |
|
56 |
sycm_cate_item360_flow_shop |
生意参谋-品类-商品360-流量来源-进店来源（无线端每一次访问来源） |
cart_byr_cnt_018 |
商品加购人数 |
370 |
统计日期内，新增点击商品加入购物车的去重人数，不考虑删除、加购件数修改和下单转化减少的情况。 |
ds,crowd_id,brand_id,seller_id,src_level1_id,src_level2_id,item_id |
crowd_id,item_id |
src_level1_id,src_level2_id |
ds,crowd_id,brand_id,seller_id,src_level1_id,src_level2_id,item_id |
ds,crowd_id,brand_id |
|
57 |
sycm_cate_item360_flow_shop |
生意参谋-品类-商品360-流量来源-进店来源（无线端每一次访问来源） |
pay_ord_itm_qty_001 |
支付件数 |
370 |
统计时间内，买家完成支付的商品数量，如出售手机，16G两个，32G一个，那么支付件数为3。 |
ds,crowd_id,brand_id,seller_id,src_level1_id,src_level2_id,item_id |
crowd_id,item_id |
src_level1_id,src_level2_id |
ds,crowd_id,brand_id,seller_id,src_level1_id,src_level2_id,item_id |
ds,crowd_id,brand_id |
|
58 |
sycm_cate_item360_flow_shop |
生意参谋-品类-商品360-流量来源-进店来源（无线端每一次访问来源） |
pay_ord_byr_cnt_053 |
支付买家数 |
370 |
统计时间内，完成支付的去重买家人数，预售分阶段付款在付清尾款当天才计入内；所有终端支付买家数为PC端和无线端支付买家去重人数，即统计时间内在PC端和无线端都对商品完成支付，买家数记为1个。 |
ds,crowd_id,brand_id,seller_id,src_level1_id,src_level2_id,item_id |
crowd_id,item_id |
src_level1_id,src_level2_id |
ds,crowd_id,brand_id,seller_id,src_level1_id,src_level2_id,item_id |
ds,crowd_id,brand_id |
|
59 |
sycm_cate_item360_flow_shop |
生意参谋-品类-商品360-流量来源-进店来源（无线端每一次访问来源） |
pay_ord_byr_cnt_1049 |
直接支付买家数 |
370 |
未进行收藏、加购等行为，浏览后直接支付行为的买家人数 |
ds,crowd_id,brand_id,seller_id,src_level1_id,src_level2_id,item_id |
crowd_id,item_id |
src_level1_id,src_level2_id |
ds,crowd_id,brand_id,seller_id,src_level1_id,src_level2_id,item_id |
ds,crowd_id,brand_id |
|
60 |
sycm_cate_item360_flow_shop |
生意参谋-品类-商品360-流量来源-进店来源（无线端每一次访问来源） |
pay_ord_byr_cnt_1051 |
收藏支付买家数 |
370 |
统计时间内，支付商品前已对该商品进行收藏的买家数量。 |
ds,crowd_id,brand_id,seller_id,src_level1_id,src_level2_id,item_id |
crowd_id,item_id |
src_level1_id,src_level2_id |
ds,crowd_id,brand_id,seller_id,src_level1_id,src_level2_id,item_id |
ds,crowd_id,brand_id |
|
61 |
sycm_promt_tool_shop_eff |
生意参谋-营销-营销工具-店铺券-活动效果 |
get_coupons_cnt_001 |
领取张数 |
180 |
ds,crowd_id,brand_id,seller_id,shop_act_id |
crowd_id,shop_act_id |
ds,crowd_id,brand_id,seller_id,shop_act_id |
ds,crowd_id,brand_id |
|||
62 |
sycm_promt_tool_shop_eff |
生意参谋-营销-营销工具-店铺券-活动效果 |
use_coupons_cnt_001 |
使用张数 |
730 |
ds,crowd_id,brand_id,seller_id,shop_act_id |
crowd_id,shop_act_id |
ds,crowd_id,brand_id,seller_id,shop_act_id |
ds,crowd_id,brand_id |
|||
63 |
sycm_promt_tool_shop_eff |
生意参谋-营销-营销工具-店铺券-活动效果 |
pay_ord_amt_709 |
支付金额 |
730 |
ds,crowd_id,brand_id,seller_id,shop_act_id |
crowd_id,shop_act_id |
ds,crowd_id,brand_id,seller_id,shop_act_id |
ds,crowd_id,brand_id |
|||
64 |
sycm_promt_tool_shop_eff |
生意参谋-营销-营销工具-店铺券-活动效果 |
pay_ord_byr_cnt_812 |
支付买家数 |
730 |
ds,crowd_id,brand_id,seller_id,shop_act_id |
crowd_id,shop_act_id |
ds,crowd_id,brand_id,seller_id,shop_act_id |
ds,crowd_id,brand_id |
|||
65 |
sycm_promt_tool_shop_eff |
生意参谋-营销-营销工具-店铺券-活动效果 |
pay_ord_itm_qty_164 |
支付件数 |
730 |
ds,crowd_id,brand_id,seller_id,shop_act_id |
crowd_id,shop_act_id |
ds,crowd_id,brand_id,seller_id,shop_act_id |
ds,crowd_id,brand_id |
|||
66 |
sycm_promt_tool_item_eff |
生意参谋-营销-营销工具-商品券-活动效果 |
get_coupons_cnt_001 |
领取张数 |
730 |
ds,crowd_id,brand_id,seller_id,item_act_id |
crowd_id,item_act_id |
ds,crowd_id,brand_id,seller_id,item_act_id |
ds,crowd_id,brand_id |
|||
67 |
sycm_promt_tool_item_eff |
生意参谋-营销-营销工具-商品券-活动效果 |
use_coupons_cnt_001 |
使用张数 |
730 |
ds,crowd_id,brand_id,seller_id,item_act_id |
crowd_id,item_act_id |
ds,crowd_id,brand_id,seller_id,item_act_id |
ds,crowd_id,brand_id |
|||
68 |
sycm_promt_tool_item_eff |
生意参谋-营销-营销工具-商品券-活动效果 |
pay_ord_amt_709 |
支付金额 |
730 |
ds,crowd_id,brand_id,seller_id,item_act_id |
crowd_id,item_act_id |
ds,crowd_id,brand_id,seller_id,item_act_id |
ds,crowd_id,brand_id |
|||
69 |
sycm_promt_tool_item_eff |
生意参谋-营销-营销工具-商品券-活动效果 |
pay_ord_byr_cnt_812 |
支付买家数 |
730 |
ds,crowd_id,brand_id,seller_id,item_act_id |
crowd_id,item_act_id |
ds,crowd_id,brand_id,seller_id,item_act_id |
ds,crowd_id,brand_id |
|||
70 |
sycm_promt_tool_item_eff |
生意参谋-营销-营销工具-商品券-活动效果 |
pay_ord_itm_qty_164 |
支付件数 |
730 |
ds,crowd_id,brand_id,seller_id,item_act_id |
crowd_id,item_act_id |
ds,crowd_id,brand_id,seller_id,item_act_id |
ds,crowd_id,brand_id |
|||
71 |
sycm_promt_xkzk_eff |
生意参谋-营销-新客折扣-效果概览 |
uv_783 |
新访客数 |
200 |
针对您的店铺而言，6天内访问过本店再次访问的为老访客，否则为新访客。 |
ds,crowd_id,brand_id,seller_id |
crowd_id,seller_id |
ds,crowd_id,brand_id,seller_id |
ds,crowd_id,brand_id |
||
72 |
sycm_promt_xkzk_eff |
生意参谋-营销-新客折扣-效果概览 |
pay_ord_byr_cnt_1181 |
新客支付人数 |
200 |
ds,crowd_id,brand_id,seller_id |
crowd_id,seller_id |
ds,crowd_id,brand_id,seller_id |
ds,crowd_id,brand_id |
|||
73 |
sycm_promt_xkzk_eff |
生意参谋-营销-新客折扣-效果概览 |
pay_ord_amt_1287 |
新客支付金额 |
200 |
ds,crowd_id,brand_id,seller_id |
crowd_id,seller_id |
ds,crowd_id,brand_id,seller_id |
ds,crowd_id,brand_id |
|||
74 |
sycm_promt_xkzk_item |
生意参谋-营销-新客折扣-TOP1000商品榜 |
uv_783 |
新访客数 |
200 |
针对您的店铺而言，6天内访问过本店再次访问的为老访客，否则为新访客。 |
ds,crowd_id,brand_id,seller_id,item_id |
crowd_id,item_id |
ds,crowd_id,brand_id,seller_id,item_id |
ds,crowd_id,brand_id |
||
75 |
sycm_promt_xkzk_item |
生意参谋-营销-新客折扣-TOP1000商品榜 |
pay_ord_byr_cnt_1181 |
新客支付人数 |
200 |
ds,crowd_id,brand_id,seller_id,item_id |
crowd_id,item_id |
ds,crowd_id,brand_id,seller_id,item_id |
ds,crowd_id,brand_id |
|||
76 |
sycm_promt_xkzk_item |
生意参谋-营销-新客折扣-TOP1000商品榜 |
pay_ord_amt_1287 |
新客支付金额 |
200 |
ds,crowd_id,brand_id,seller_id,item_id |
crowd_id,item_id |
ds,crowd_id,brand_id,seller_id,item_id |
ds,crowd_id,brand_id |
|||
77 |
sycm_promt_xkzk_item |
生意参谋-营销-新客折扣-TOP1000商品榜 |
disc_ratio |
新客拉新费率 |
200 |
ds,crowd_id,brand_id,seller_id,item_id |
crowd_id,item_id |
ds,crowd_id,brand_id,seller_id,item_id |
ds,crowd_id,brand_id |
|||
2. 数据银行维度字段中英文对照表
维度英文名 |
维度说明 |
ds |
日期 |
brand_id |
品牌ID |
seller_id |
商家ID |
item_id |
商品ID |
crowd_id |
人群ID |
stage |
AIPL阶段 |
touch_level2_id |
二级触点ID |
channel_level1_id |
一级渠道ID |
channel_level2_id |
二级渠道ID |
sanwich_generation |
预测家有老幼 |
daas_tag_pred_age_level_20200415093010 |
预测年龄 |
daas_tag_pred_education_degree_20200421154731 |
预测教育程度 |
daas_tag_pred_is_undergraduate_20200421180239 |
预测是否在校大学生 |
daas_tag_pred_gender_20200415091417 |
预测性别 |
daas_tag_has_car |
预测是否有车 |
daas_tag_has_house |
预测是否有房 |
daas_tag_pred_life_stage_v2_databank |
预测人生阶段 |
daas_tag_baby_gender_20201020 |
预测子女性别 |
daas_tag_baby_age_level_14stages |
预测子女年龄 |
daas_tag_family_group |
预测家户类型 |
pred_career_type |
预测职业 |
common_receive_city_level_180d |
预测城市等级 |
mobile_brand_name_prefer |
当前使用的手机品牌 |
common_receive_province_180d |
省份 |
common_receive_city_180d |
城市 |
vst_days_1m_015 |
最近30天登录天数 |
tq_level |
88会员等级 |
pref_purchasing_power |
预测购买力 |
daas_tag_trade_hour_most |
购物时间分布 |
daas_tag_avg_pay_mord_amt_6m |
月均频次购物偏好 |
derive_pay_ord_amt_6m_015_range |
月均消费金额 |
fitness_prefer |
健身偏好 |
high_standard_living |
品质生活偏好 |
stayup_late_youth |
熬夜青年 |
daas_tag_pet_species_v2020 |
预测宠物种类 |
interest_prefer |
兴趣偏好 |
cate_level1_id |
一级类目 |
cate_level2_id |
二级类目 |
cate_id |
叶子类目 |
shop_act_id |
店铺券活动id |
item_act_id |
商品券活动id |
src_level1_id |
一级流量渠道id（生意参谋概念） |
3. 数据银行触点ID映射表
一级触点 |
二级触点名称 |
ID |
付费广告 |
Uni Desk |
15 |
优酷广告 |
36 |
|
一夜霸屏 |
14 |
|
超级直播 |
300232 |
|
品牌雷达 |
18 |
|
品牌专区 |
13 |
|
明星店铺 |
17 |
|
钻石展位 |
12 |
|
AI智投 |
300234 |
|
品牌特秀 |
40 |
|
超级公众屏 |
209959 |
|
跨渠道营销 |
209945 |
|
摇一摇 |
76 |
|
淘内广告 |
300152 |
|
优酷创新广告 |
300186 |
|
飞猪广告 |
300219 |
|
内容运营 |
品牌号 |
35 |
淘宝头条 |
37 |
|
有好货 |
27 |
|
必买清单 |
28 |
|
微详情 |
300185 |
|
逛逛 |
300223 |
|
订阅 |
300235 |
|
品牌群聊 |
300181 |
|
猜你喜欢-商品推荐 |
26 |
|
生活研究所 |
29 |
|
微淘 |
42 |
|
每日好店 |
79 |
|
淘宝教育 |
300224 |
|
运动俱乐部 |
93 |
|
电视淘宝 |
300159 |
|
天猫营销平台 |
天合&流量宝 |
72 |
聚划算 |
7 |
|
天猫互动 |
0 |
|
试用中心 |
23 |
|
天猫U先 |
77 |
|
淘抢购 |
24 |
|
欢聚日 |
43 |
|
88VIP x 品牌 |
300188 |
|
天猫小黑盒 |
300187 |
|
超级品牌日 |
300201 |
|
天猫同好派 |
300198 |
|
天猫Club |
300197 |
|
天猫主题店 |
300195 |
|
天猫全明星计划 |
300194 |
|
天猫新文创 |
300190 |
|
天猫潮LIVE |
300215 |
|
天猫活力中心 |
300228 |
|
天猫活力营 |
300227 |
|
天猫国货新势力 |
300226 |
|
天猫国潮 |
300225 |
|
以货圈人 |
天猫国际 |
1 |
天猫国际直营 |
13 |
|
天猫 |
4 |
|
全球购 |
5 |
|
淘宝集市 |
3 |
4.数据银行产品页面数据：品牌私域消费者相关数据 - 逐浪
5.生意参谋产品页面数据：品牌绑定的店铺相关数据 -逐浪
注意：参谋表中，每个指标的生命周期可能不同，参考“字段及其生命周期”中的注释，如果查询日期超出字段生命周期时，该指标返回为0或无数据。
序号 |
表描述 |
表名 |
分区 |
表生命周期 |
字段及其生命周期 |
数据权限 |
1 |
生意参谋流量看版总览 |
ads_brdm_slr_paas_1d |
ds |
400 |
stat_date STRING COMMENT '统计日期', |
29 |
2 |
生意参谋品类360标准类目 |
ads_brdm_slr_std_cate_paas_1d |
ds |
730 |
stat_date STRING COMMENT '统计日期', |
97 |
3 |
生意参谋品类360导购类目 |
ads_brdm_slr_cum_cate_paas_1d |
ds |
400 |
stat_date STRING COMMENT '统计日期', |
97 |
4 |
生意参谋商品360销售分析 |
ads_brdm_slr_itm_paas_1d |
ds |
367 |
stat_date STRING COMMENT '统计日期', |
29 |
5 |
生意参谋店铺流量来源 |
ads_brdm_slr_flw_wl_paas_1d |
ds |
500 |
stat_date STRING COMMENT '统计日期', |
25,94 |
6 |
生意参谋店铺新老客流量来源 |
ads_brdm_slr_flw_crowd_wl_paas_1d |
ds |
93 |
stat_date STRING COMMENT '统计日期', |
25,94 |
7 |
生意参谋商品360进店来源 |
ads_brdm_slr_itm_flw_wl_paas_1d |
ds |
370 |
stat_date STRING COMMENT '统计日期', |
25,94 |
8 |
生意参谋商品360新老客进店来源 |
ads_brdm_slr_itm_flw_crowd_wl_paas_1d |
ds |
93 |
stat_date STRING COMMENT '统计日期', |
25,94 |
9 |
生意参谋营销玩法新客折扣 |
ads_brdm_slr_camp_xkzk_paas_1d |
ds |
367 |
stat_date STRING COMMENT '统计日期', |
29 |
10 |
生意参谋营销玩法新客折扣top商品 |
ads_brdm_slr_itm_camp_xkzk_paas_1d |
ds |
367 |
stat_date STRING COMMENT '统计日期', |
29 |
11 |
生意参谋营销工具活动券 |
ads_brdm_slr_mkt_coupon_act_paas_1d |
ds |
400 |
stat_date STRING COMMENT '统计日期', |
29 |