项目目标
把分散的数据，
变成可追问的答案
围绕 Sleepal 预热与众筹，把用户、流量、购买及行为数据放到同一分析入口，帮助比较来源质量、观察转化路径。
Sleepal 数据看板
独立借助 AI，完成从产品定义到全栈交付。
项目概览
我的职责
独立定义产品，
用 AI 完成前后端
从分析问题、指标口径与交互设计，到数据接入、数据库、接口、前端和部署，独立借助 AI 完成，并持续核对与修正。
项目成果
从单次分析报告，
到团队日常使用
上线内部看板，支持多平台数据整合、来源筛选与转化分析。根据同事反馈持续修正，并在后续推进团队维护交接。
比较不同渠道的表现
SleepalMarketing
演示数据
渠道质量
当前视图会话3,000
完成页会话82
完成页比例2.73%
| 来源 | 会话数 | 跳出率 | 完成页比例 | 会话占比 |
|---|
Meta A · 完成页比例
24 ÷ 1,200 = 2.00%完成页会话 ÷ 来源会话
>1s 按 GA4 聚合行的平均会话时长筛选，不等同于逐次会话过滤。
先定义团队要回答的问题
我将分散在各平台的数据，按团队日常关注的来源、行为和转化重新组织。
流量从哪里来？
将 ref、UTM 和已有来源标签归为可理解的渠道类别，同时保留原始代码，便于追溯。
用户有没有认真看？
结合参与时长、跳出、滚动和设备等维度，比较不同来源；保留原始数据和筛选后的观察口径。
在哪一步停止了？
把主页面、参与行为、Back、支付与完成页组织成路径视图，再按来源查看各节点。
一个人，把前后端串起来
我定义需求、拆解任务并给出约束，由 AI 执行与试错，再由我核对结果。
数据接入
GA4 · KickstarterKlaviyo · Shopify · Clarity
同步与整理
Python存储与接口
D1 + Pages Functions分析界面
Astro + Preact把使用需求变成技术约束
团队需要每天查看，Clarity 等接口又有限流。我选择定时拉取并保留历史数据，由数据库支持筛选查询，让查看页面不必反复请求来源平台。
让每次修改有核对依据
明确数据源、字段、计算口径和界面行为，再让 AI 分步实现。保留原始计数，通过查询校验、构建检查与刷新状态，判断代码是否真正完成了任务。
把数据口径做准确
先加总，再算比例
跨日期、跨来源先汇总计数，避免直接平均百分比。
总完成页会话 ÷ 总会话 = 当前视图完成页比例
把筛选范围说清楚
类别、来源代码和 >1s 切换会同步影响表格、排序与汇总。让用户知道数字属于当前视图，并能回到全部数据比较。
区分观测值与估算值
完成页访问、平台归因和实际订单分开呈现。以完成页会话乘以可调客单价得到的数值标为估算营收，避免当成实收。
让更新状态可见
按数据源提供更新时间，并检查关键表是否刷新。把同步拆成独立任务、对临时接口错误重试，便于定位停在哪一步。
在团队使用中，把工具做完整
从报告到可操作的看板
先跑通 Klaviyo 数据链路，再接入数据库与接口，构建多平台交互界面。
开放给团队使用
同事通过企业邮箱验证访问，开始提出想看的维度；看板随后用于官网与众筹漏斗的日常分析。
沿着真实反馈修正
处理来源分类、日期筛选和提示遮挡等反馈。面对数据波动，回到 GA 后台对照，确认 Direct 是否纳入统计，先对齐范围再解释差异。
推进维护交接，继续配合迭代
为保证后续响应，推进团队维护交接；继续完善刷新任务，并配合新增引导事件的指标对齐。
NEXT PROJECT