Acasă Explorează Ajutor
Autentificare
alien
/
alien_cloud
12
0
Bifurcare 0
Fisiere Probleme 0 Trageți solicitările 0 Wiki
Arbore: 67092cefcf
Ramuri Etichete
alien_cloud
/
alien-store
/
doc
/
埋点统计数据JSON格式说明.md

埋点统计数据JSON格式说明.md 16 KB
Istoric Crud

埋点统计数据JSON格式说明

一、概述

store_track_statistics 表中的各个数据字段存储的是JSON格式的统计数据。本文档详细说明各个字段的JSON格式。

```sql -- 埋点事件表 CREATE TABLEstore_track_event( idbigint(20) NOT NULL AUTO_INCREMENT COMMENT '主键ID', event_typevarchar(50) NOT NULL COMMENT '事件类型(VIEW-浏览,SEARCH-搜索,COLLECT-收藏,SHARE-分享,CHECKIN-打卡,CONSULT-咨询,FOLLOW-关注,UNFOLLOW-取消关注,FRIEND_ADD-添加好友,POST_PUBLISH-发布动态,POST_LIKE-动态点赞,POST_COMMENT-动态评论,POST_REPOST-动态转发,REPORT-举报,BLOCK-拉黑,COUPON_GIVE-赠送优惠券,COUPON_USE-使用优惠券,VOUCHER_GIVE-赠送代金券,VOUCHER_USE-使用代金券,PRICE_VIEW-价目表浏览,PRICE_SHARE-价目表分享,RATING-评价,APPEAL-申诉)', event_categoryvarchar(50) NOT NULL COMMENT '事件分类(TRAFFIC-流量数据,INTERACTION-互动数据,COUPON-优惠券,VOUCHER-代金券,SERVICE-服务质量,PRICE-价目表)', user_idint(11) DEFAULT NULL COMMENT '用户ID', store_idint(11) DEFAULT NULL COMMENT '店铺ID', target_idint(11) DEFAULT NULL COMMENT '目标对象ID(如价目表ID、动态ID等)', target_typevarchar(50) DEFAULT NULL COMMENT '目标对象类型(PRICE-价目表,POST-动态,STORE-店铺等)', event_datatext COMMENT '事件附加数据(JSON格式)', amountdecimal(10,2) DEFAULT NULL COMMENT '金额(用于优惠券、代金券等)', durationbigint(20) DEFAULT NULL COMMENT '时长(毫秒,用于访问时长等)', ip_addressvarchar(50) DEFAULT NULL COMMENT 'IP地址', user_agentvarchar(500) DEFAULT NULL COMMENT '用户代理', device_typevarchar(20) DEFAULT NULL COMMENT '设备类型(IOS,ANDROID,WEB)', app_versionvarchar(20) DEFAULT NULL COMMENT 'APP版本号', event_timedatetime NOT NULL COMMENT '事件发生时间', created_timedatetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间', delete_flagint(1) NOT NULL DEFAULT '0' COMMENT '删除标记(0:未删除,1:已删除)', PRIMARY KEY (id), KEYidx_store_id(store_id), KEYidx_user_id(user_id), KEYidx_event_type(event_type), KEYidx_event_category(event_category), KEYidx_event_time(event_time), KEYidx_store_event_time(store_id,event_time`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='埋点事件表';

-- 埋点统计表 CREATE TABLE store_track_statistics ( id bigint(20) NOT NULL AUTO_INCREMENT COMMENT '主键ID', store_id int(11) NOT NULL COMMENT '店铺ID', stat_date date NOT NULL COMMENT '统计日期', stat_type varchar(50) NOT NULL COMMENT '统计类型(DAILY-日统计,WEEKLY-周统计,MONTHLY-月统计)', traffic_data text COMMENT '流量数据(JSON格式)', interaction_data text COMMENT '互动数据(JSON格式)', coupon_data text COMMENT '优惠券数据(JSON格式)', voucher_data text COMMENT '代金券数据(JSON格式)', service_data text COMMENT '服务质量数据(JSON格式)', price_ranking_data text COMMENT '价目表排名数据(JSON格式)', created_time datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间', updated_time datetime NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间', PRIMARY KEY (id), UNIQUE KEY uk_store_date_type (store_id,stat_date,stat_type), KEY idx_store_id (store_id), KEY idx_stat_date (stat_date) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='埋点统计表';


## 二、各字段JSON格式

### 2.1 traffic_data（流量数据）

**字段说明**：存储流量相关的统计数据

**JSON格式**：

json { "searchCount": 100, // 搜索量（Long类型） "viewCount": 500, // 浏览量（Long类型） "visitorCount": 300, // 访客数（去重后的用户数，Long类型） "newVisitorCount": 50, // 新增访客数（Long类型） "totalDuration": 1500000, // 总访问时长（毫秒，Long类型） "avgDuration": 5000 // 平均访问时长（毫秒，Long类型） }


**字段说明**：
- `searchCount`: 店铺搜索次数（埋点时间SEARCH该店铺的次数）
- `viewCount`: 店铺浏览次数（埋点时间VIEW该店铺的次数）
- `visitorCount`: 访客数（去重后的用户ID数量）
- `newVisitorCount`: 新增访客数（在统计日期之前没有访问记录的用户）
- `totalDuration`: 总访问时长（所有浏览事件duration字段的总和，单位：毫秒）
- `avgDuration`: 平均访问时长（totalDuration / 有duration的浏览事件数，单位：毫秒）

---

### 2.2 interaction_data（互动数据）

**字段说明**：存储用户互动相关的统计数据

**JSON格式**：

json { "collectCount": 50, // 收藏次数（Long类型） "shareCount": 30, // 分享次数（Long类型） "checkinCount": 20, // 打卡次数（Long类型） "consultCount": 10, // 咨询次数（Long类型） "friendCount": 100, // 好友数量（互相关注的用户数，Long类型） "followCount": 200, // 关注数量（店铺用户关注的人数，Long类型） "fansCount": 150, // 粉丝数量（关注店铺用户的人数，Long类型） "postCount": 25, // 发布动态数量（Long类型） "postLikeCount": 200, // 动态点赞数量（Long类型） "postCommentCount": 80, // 动态评论数量（Long类型） "postRepostCount": 15, // 动态转发数量（Long类型） "reportCount": 5, // 被举报次数（Long类型） "blockCount": 2 // 被拉黑次数（Long类型） }


**字段说明**：
- `collectCount`: 店铺收藏次数（从埋点事件中统计COLLECT类型）
- `shareCount`: 店铺分享次数（从埋点事件中统计SHARE类型）
- `checkinCount`: 店铺打卡次数（从埋点事件中统计CHECKIN类型）
- `consultCount`: 咨询商家次数（从埋点事件中统计CONSULT类型）
- `friendCount`: 好友数量（通过life_fans表查询互相关注的用户数）
- `followCount`: 关注数量（店铺用户关注的人数）
- `fansCount`: 粉丝数量（关注店铺用户的人数）
- `postCount`: 发布动态数量（从life_user_dynamics表查询，type=2商家社区）
- `postLikeCount`: 动态点赞数量（从埋点事件中统计POST_LIKE类型）
- `postCommentCount`: 动态评论数量（从埋点事件中统计POST_COMMENT类型）
- `postRepostCount`: 动态转发数量（从埋点事件中统计POST_REPOST类型）
- `reportCount`: 被举报次数（从埋点事件中统计REPORT类型）
- `blockCount`: 被拉黑次数（从埋点事件中统计BLOCK类型）

---

### 2.3 coupon_data（优惠券数据）

**字段说明**：存储优惠券相关的统计数据

**JSON格式**：

json { "giveToFriendCount": 50, // 赠送好友数量（Long类型） "giveToFriendAmount": 5000.00, // 赠送好友金额合计（BigDecimal类型，单位：元） "giveToFriendUseCount": 30, // 赠送好友使用数量（Long类型） "giveToFriendUseAmount": 3000.00, // 赠送好友使用金额合计（BigDecimal类型，单位：元） "giveToFriendUseAmountPercent": 60.00, // 赠送好友使用金额占比（Double类型，单位：%） "friendGiveCount": 20, // 好友赠送数量（Long类型） "friendGiveAmount": 2000.00, // 好友赠送金额合计（BigDecimal类型，单位：元） "friendGiveUseCount": 15, // 好友赠送使用数量（Long类型） "friendGiveUseAmount": 1500.00, // 好友赠送使用金额合计（BigDecimal类型，单位：元） "friendGiveUseAmountPercent": 75.00 // 好友赠送使用金额占比（Double类型，单位：%） }


**字段说明**：
- `giveToFriendCount`: 赠送好友数量（从life_discount_coupon_user表统计，关联店铺的优惠券）
- `giveToFriendAmount`: 赠送好友金额合计（优惠券面值的总和）
- `giveToFriendUseCount`: 赠送好友使用数量（status=1已使用的数量）
- `giveToFriendUseAmount`: 赠送好友使用金额合计（已使用优惠券的面值总和）
- `giveToFriendUseAmountPercent`: 赠送好友使用金额占比（giveToFriendUseAmount / giveToFriendAmount * 100）
- `friendGiveCount`: 好友赠送数量（好友赠送给店铺用户的优惠券数量，从life_discount_coupon_store_friend表统计）
- `friendGiveAmount`: 好友赠送金额合计（好友赠送的优惠券面值总和）
- `friendGiveUseCount`: 好友赠送使用数量（已使用的数量）
- `friendGiveUseAmount`: 好友赠送使用金额合计（已使用的优惠券面值总和）
- `friendGiveUseAmountPercent`: 好友赠送使用金额占比（friendGiveUseAmount / friendGiveAmount * 100）

---

### 2.4 voucher_data（代金券数据）

**字段说明**：存储代金券相关的统计数据

**JSON格式**：

json { "giveToFriendCount": 30, // 赠送好友数量（Long类型） "giveToFriendAmount": 3000.00, // 赠送好友金额合计（BigDecimal类型，单位：元） "giveToFriendUseCount": 20, // 赠送好友使用数量（Long类型） "giveToFriendUseAmount": 2000.00, // 赠送好友使用金额合计（BigDecimal类型，单位：元） "giveToFriendUseAmountPercent": 66.67, // 赠送好友使用金额占比（Double类型，单位：%） "friendGiveCount": 10, // 好友赠送数量（Long类型） "friendGiveAmount": 1000.00, // 好友赠送金额合计（BigDecimal类型，单位：元） "friendGiveUseCount": 8, // 好友赠送使用数量（Long类型） "friendGiveUseAmount": 800.00, // 好友赠送使用金额合计（BigDecimal类型，单位：元） "friendGiveUseAmountPercent": 80.00 // 好友赠送使用金额占比（Double类型，单位：%） }


**字段说明**：
- `giveToFriendCount`: 赠送好友数量（从埋点事件中统计VOUCHER_GIVE类型）
- `giveToFriendAmount`: 赠送好友金额合计（从埋点事件的amount字段汇总）
- `giveToFriendUseCount`: 赠送好友使用数量（从埋点事件中统计VOUCHER_USE类型）
- `giveToFriendUseAmount`: 赠送好友使用金额合计（从埋点事件的amount字段汇总）
- `giveToFriendUseAmountPercent`: 赠送好友使用金额占比（giveToFriendUseAmount / giveToFriendAmount * 100）
- `friendGiveCount`: 好友赠送数量（好友赠送给店铺用户的代金券数量，从life_discount_coupon_store_friend表统计，type=1代金券）
- `friendGiveAmount`: 好友赠送金额合计（好友赠送的代金券面值总和）
- `friendGiveUseCount`: 好友赠送使用数量（已使用的数量）
- `friendGiveUseAmount`: 好友赠送使用金额合计（已使用的代金券面值总和）
- `friendGiveUseAmountPercent`: 好友赠送使用金额占比（friendGiveUseAmount / friendGiveAmount * 100）

---

### 2.5 service_data（服务质量数据）

**字段说明**：存储服务质量相关的统计数据

**JSON格式**：

json { "storeScore": 4.5, // 店铺评分（Double类型，0-5分） "scoreOne": 4.3, // 评分1（Double类型，0-5分） "scoreTwo": 4.2, // 评分2（Double类型，0-5分） "scoreThree": 4.4, // 评分3（Double类型，0-5分） "ratingCount": 100, // 评价数量（Long类型） "goodRatingCount": 60, // 好评数量（score >= 4.5，Long类型） "midRatingCount": 30, // 中评数量（3.0 <= score <= 4.0，Long类型） "badRatingCount": 10, // 差评数量（0.5 <= score <= 2.5，Long类型） "badRatingPercent": 10.00, // 差评占比（Double类型，单位：%） "appealCount": 5, // 差评申诉次数（Long类型） "appealSuccessCount": 3, // 差评申诉成功次数（Long类型） "appealSuccessPercent": 60.00 // 差评申诉成功占比（Double类型，单位：%） }


**字段说明**：
- `storeScore`: 店铺评分（从common_rating表查询score字段，businessType=1，计算平均分）
- `scoreOne`: 评分1（从common_rating表的score_one字段，计算平均分）
- `scoreTwo`: 评分2（从common_rating表的score_two字段，计算平均分）
- `scoreThree`: 评分3（从common_rating表的score_three字段，计算平均分）
- `ratingCount`: 评价数量（common_rating表中该店铺的累计评价总数）
- `goodRatingCount`: 好评数量（score >= 4.5的评价数）
- `midRatingCount`: 中评数量（3.0 <= score <= 4.0的评价数）
- `badRatingCount`: 差评数量（0.5 <= score <= 2.5的评价数）
- `badRatingPercent`: 差评占比（badRatingCount / ratingCount * 100）
- `appealCount`: 差评申诉次数（从埋点事件中统计APPEAL类型）
- `appealSuccessCount`: 差评申诉成功次数（从store_comment_appeal表统计，appealStatus=2已同意）
- `appealSuccessPercent`: 差评申诉成功占比（appealSuccessCount / appealCount * 100）

**注意**：评价数据为累计数据，统计截止到统计日期的所有评价。

---

### 2.6 price_ranking_data（价目表排名数据）

**字段说明**：存储价目表排名相关的统计数据（数组格式）

**JSON格式**：

json [ {

"priceId": 1001,        // 价目表ID（Integer类型）
"viewCount": 500,       // 浏览量（Integer类型）
"visitorCount": 300,    // 访客数（Integer类型）
"shareCount": 50        // 分享数（Integer类型）

}, {

"priceId": 1002,
"viewCount": 400,
"visitorCount": 250,
"shareCount": 40

}, {

"priceId": 1003,
"viewCount": 300,
"visitorCount": 200,
"shareCount": 30

} ]


**字段说明**：
- 数组按`viewCount`（浏览量）降序排列
- 每个元素包含一个价目表的统计数据
- `priceId`: 价目表ID（targetId字段）
- `viewCount`: 浏览量（PRICE_VIEW事件数量）
- `visitorCount`: 访客数（去重后的用户ID数量）
- `shareCount`: 分享数（PRICE_SHARE事件数量）

---

## 三、数据保存说明

### 3.1 统计数据如何保存

统计数据通过定时任务自动计算并保存：

1. **日统计任务**：每天凌晨1点执行，计算前一天的统计数据（statType=DAILY）
2. **周统计任务**：每周一凌晨2点执行，计算上一周的统计数据（statType=WEEKLY）
3. **月统计任务**：每月1号凌晨3点执行，计算上一个月的统计数据（statType=MONTHLY）

**定时任务类**：`TrackStatisticsScheduler.java`

### 3.2 手动触发统计

如果需要手动触发统计数据计算，可以调用：

java trackEventService.calculateAndSaveStatistics(storeId, statDate, statType); ```

参数说明：

  • storeId: 店铺ID
  • statDate: 统计日期
  • statType: 统计类型（DAILY/WEEKLY/MONTHLY）

3.3 数据更新策略

  • 如果该店铺、该日期、该统计类型的记录已存在，则更新数据
  • 如果不存在，则创建新记录
  • 使用唯一索引 uk_store_date_type 保证唯一性

四、注意事项

  1. 数据类型：

    • Long类型字段在JSON中显示为数字（如：100）
    • BigDecimal类型字段在JSON中显示为数字（如：5000.00）
    • Double类型字段在JSON中显示为数字（如：4.5）
    • 数组类型字段在JSON中显示为数组（如：[]）

  2. 空值处理：

    • 如果某个分类没有数据，对应的字段可能为null或空对象
    • 建议在查询时进行null判断

  3. 数据精度：

    • 金额字段使用BigDecimal保证精度
    • 百分比字段保留2位小数
    • 评分字段保留1位小数

  4. 性能优化：

    • 统计数据已预计算并存储，查询时直接读取，无需实时计算
    • 建议定期清理历史统计数据，避免数据表过大