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。

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：

{
  "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
viewCount: 店铺浏览次数
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：

{
  "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：

{
  "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：

{
  "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：

{
  "storeScore": 4.5,              // 店铺评分（Double类型，0-5分）
  "tasteScore": 4.3,              // 口味评分（Double类型，0-5分）
  "environmentScore": 4.2,        // 环境评分（Double类型，0-5分）
  "serviceScore": 4.4,            // 服务评分（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表统计，businessType=1，计算平均分）
tasteScore: 口味评分（从common_rating表的otherScore字段解析"口味"评分，计算平均分）
environmentScore: 环境评分（从common_rating表的otherScore字段解析"环境"评分，计算平均分）
serviceScore: 服务评分（从common_rating表的otherScore字段解析"服务"评分，计算平均分）
ratingCount: 评价数量（common_rating表中该店铺的评价总数）
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）

otherScore字段格式示例：

{
  "口味": 5.0,
  "环境": 4.5,
  "服务": 4.0
}

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：

[
  {
    "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：

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）
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）
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：

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

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：[]）
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
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
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

埋点统计数据JSON格式说明.md 12 KB Historia Raaka

埋点统计数据JSON格式说明

一、概述

二、各字段JSON格式

2.1 traffic_data（流量数据）

2.2 interaction_data（互动数据）

2.3 coupon_data（优惠券数据）

2.4 voucher_data（代金券数据）

2.5 service_data（服务质量数据）

2.6 price_ranking_data（价目表排名数据）

三、数据保存说明

3.1 统计数据如何保存

3.2 手动触发统计

3.3 数据更新策略

四、注意事项

埋点统计数据JSON格式说明.md 12 KB

Historia Raaka