怎么把业务知识告诉 AskTable：给运营、销售、市场看的语义配置指南

上图使用的是合成 demo 数据。重点不是具体数值，而是 AskTable 能按配置好的业务口径先解释计算方式，再给出表格和关键观察。

很多企业接入 AskTable 之后，第一反应是：数据已经连上了，为什么 AI 还需要配置？

原因很简单：数据系统里通常只有字段名和数字，但真正的业务含义在人的脑子里。

比如：

• •account_name 到底是广告账户、客户账户，还是门店账户？
• •“有效客户”是只要留资就算，还是要排除重复申请？
• •“优质客户”包含三星、四星，还是只算四星？
• •分析成本时，是按线索数算，还是按有效客户数算？
• •老板希望先看结论，还是先看明细过程？

这些信息，AskTable 需要你告诉它。告诉得越清楚，AI 越能按你们公司的业务习惯来分析，而不是只按字段名猜。

这篇文章讲的就是：非技术人员如何配置这些语义信息，让 AskTable 更懂你的业务。

一句话理解

你可以把 AskTable 的语义配置理解成五类“业务说明书”：

1. •表备注：告诉 AI 这一块数据整体是干什么的。
2. •字段备注：告诉 AI 每一列是什么意思。
3. •字段值索引：告诉 AI 这一列里有哪些常见名字、状态、类别。
4. •业务文档：告诉 AI 复杂的业务规则、指标口径、计算逻辑。
5. •偏好设置：告诉 AI 这个智能体应该长期记住哪些背景，以及用什么风格分析。

它们不是给技术人员看的，而是给懂业务的人用的。

五类语义配置怎么选

简单判断：

• •一整块数据怎么理解，写在表备注。
• •一列字段怎么理解，写在字段备注。
• •用户会直接说某个门店、渠道、账户、等级，就给这个字段建字段值索引。
• •规则比较长、涉及多个数据、涉及计算口径，写成业务文档。
• •希望这个智能体每次都按某种风格回答，写进偏好设置。

在数据源字段配置中，可以补充表备注、字段备注；对账户名、渠道、客户等级这类适合的字段，也可以开启字段值索引，让 AskTable 更容易识别业务名称和类别。

1. 表备注：先告诉 AI 这块数据是干什么的

表备注解决的是“这块数据整体代表什么”。

对业务人员来说，可以把“表”理解成“一块业务数据”。它可能来自 Excel，也可能来自 ERP、CRM、广告后台、订单系统。

好的表备注应该回答四个问题：

• •这块数据记录的是什么业务？
• •一行数据代表什么？
• •主要用来分析什么问题？
• •有没有明显不包含的内容？

示例：

账户日消耗数据

记录每个广告账户每天的投放情况，包括消耗、展现、点击、点击率和预约量。每一行代表一个账户在某一天的投放表现。这块数据只包含账户投放结果，不包含客户线索等级和客户是否重复申请。

这样的备注能帮助 AI 避免误解。

如果用户问“昨天自运营账户有效成本前十”，AI 会知道：账户消耗在这块数据里，但“有效客户”可能要去另一块客户线索数据里找。

2. 字段备注：把每一列说成人话

字段备注解决的是“这一列到底是什么意思”。

很多字段名对系统友好，但对 AI 不一定友好，比如：

• •cost
• •gmv
• •valid_cnt
• •account_name
• •status
• •source

字段备注应该尽量写成业务语言。

示例：

字段备注越清楚，AI 越容易选对字段，也越容易解释结果。

字段备注尤其适合写：

• •字段的业务含义
• •金额/数量/比例的单位
• •状态值分别代表什么
• •这个字段是否可用于关联另一块数据
• •空值代表未知、没有发生，还是不适用

3. 字段值索引：让 AI 认得门店、渠道、账户、类别

字段值索引可以理解成：让 AskTable 记住某一列里常见的业务名称。

比如用户会问：

• •“深圳万象城店最近怎么样？”
• •“看一下腾讯广告渠道的消耗”
• •“三星客户的有效成本是多少？”
• •“自运营账户昨天 TOP10 是哪些？”

这些问题里出现了具体名字：门店名、渠道名、客户等级、账户名。AI 需要知道这些名字在数据里怎么写，才能更准确地找到对应数据。

适合开启字段值索引的字段：

• •门店名称
• •城市/区域
• •渠道/媒体
• •商品类目
• •客户等级
• •订单状态
• •广告账户名称
• •业务员/团队名称

不建议开启的字段：

• •金额、消耗、销售额、点击量
• •日期、时间
• •手机号、订单号、身份证号
• •每一行都几乎不一样的唯一编号
• •很长的备注、评论、描述文本

原因很简单：字段值索引适合“有限数量的业务名称”。如果一个字段每行都不一样，或者是数字日期，就不适合让 AI 记。

4. 业务文档：把公司自己的规则写给 AI

业务文档适合放“几句话讲不完”的业务知识。

比如：

• •什么叫有效客户？
• •什么叫优质客户？
• •成本应该怎么算？
• •多块数据之间怎么关联？
• •哪些数据要排除？
• •某个行业黑话是什么意思？

业务文档有四个部分：

推荐写法：

标题

客户线索与投放成本口径说明

描述

说明有效客户、优质客户、良好客户、线索成本，以及客户线索数据和账户日消耗数据的关联方式。

关键词

有效客户、优质客户、良好客户、线索成本、自运营账户、account_name

正文

线索指的是客户线索数据里的记录。
有效客户、有效线索都指排除状态为重复申请后的数据。
优质客户包含三星、四星客户。
良好客户包含二星+、三星、四星客户。
账户日消耗数据只包含账户消耗、展现、点击等投放情况，不包含客户线索信息。
客户线索数据和账户日消耗数据通过 account_name 关联。
分析成本或跨不同粒度事实数据时，必须先聚合再关联，避免重复统计。
有效成本 = 消耗 / 有效客户数量。
优质成本 = 消耗 / 优质客户数量。
良好成本 = 消耗 / 良好客户数量。
异业账户如果获取不到消耗，不代表停投。
部分自运营账户有线索但无消耗，是因为没有获取到消耗，并不是自然流量。

这类内容不适合写在字段备注里，因为它不是某一列的解释，而是一整套业务规则。

业务文档适合承载完整的指标口径、关键词和计算规则。用户后续问到“有效成本”“优质客户”这类问题时，AskTable 就能引用这些业务说明来理解问题。

5. 偏好设置：让智能体长期按你的习惯工作

偏好设置在数据智能体的“配置”里，分为两类：

领域知识

领域知识适合写这个智能体长期需要知道的业务背景。

例如：

我们主要分析广告投放和客户线索转化。核心关注账户消耗、有效客户数、优质客户数、预约量和不同媒体渠道表现。分析时要区分自运营账户和异业账户。

领域知识适合写：

• •公司/团队业务背景
• •常用业务词
• •业务对象之间的关系
• •分析时必须知道的背景

分析偏好

分析偏好适合写你希望 AI 怎么回答。

例如：

回答时先给结论，再给 TOP 明细表，最后给原因和建议。遇到成本类问题，优先说明计算口径；如果数据可能不完整，要在结论中提示风险。

分析偏好适合写：

• •先结论还是先过程
• •要不要给表格
• •是否需要风险提示
• •是否需要行动建议
• •老板看、运营看、财务看分别偏好的表达方式

注意：偏好设置适合写短而稳定的规则。长篇业务口径应该放到业务文档里。

一个完整示例：让 AI 分析“自运营账户有效成本”

假设运营负责人想问：

列出昨天有效成本前十的自运营账户，并绘制表格。

为了让 AI 稳定回答这个问题，可以这样配置。

第一步：给两块数据写表备注

账户日消耗数据

记录每个广告账户每天的投放消耗、展现、点击、点击率和预约量。每行代表一个账户一天的投放表现。不包含客户线索等级、重复申请状态和有效客户数量。

客户线索数据

记录客户线索明细，包括客户所属账户、线索状态、客户星级、是否重复申请等信息。可用于统计有效客户、优质客户和良好客户。

第二步：给关键字段写字段备注

第三步：给常用名称字段开启字段值索引

建议开启：

• •account_name：用户会直接说账户名
• •media：用户会直接说媒体渠道
• •customer_level：用户会直接说三星、四星、二星+

不建议开启：

• •spend：金额字段，不适合
• •date：日期字段，不适合
• •click_count：点击量字段，不适合

第四步：写一篇业务文档

标题：

客户线索与投放成本口径说明

描述：

说明有效客户、优质客户、良好客户、成本计算方式，以及账户日消耗数据和客户线索数据的关联关系。

关键词：

有效客户、有效成本、优质成本、良好成本、自运营账户、客户线索

正文：

有效客户指排除重复申请后的客户线索。
优质客户包含三星、四星客户。
良好客户包含二星+、三星、四星客户。
账户日消耗数据只有账户消耗、展现、点击等投放数据，没有客户线索信息。
客户线索数据和账户日消耗数据通过 account_name 关联。
计算成本时，应先分别按账户聚合消耗和客户数量，再按账户关联，避免重复统计。
有效成本 = 消耗 / 有效客户数量。
优质成本 = 消耗 / 优质客户数量。
良好成本 = 消耗 / 良好客户数量。

第五步：写偏好设置

领域知识：

这个智能体主要服务广告投放运营团队，关注账户消耗、有效客户数、优质客户数、良好客户数、预约量、媒体渠道和账户成本。

分析偏好：

回答成本类问题时，先说明采用的计算口径，再给 TOP 表格。结论要简洁，如果发现数据缺失或口径风险，需要明确提示。

这样配置后，用户再问“昨天自运营账户有效成本前十”，AI 就更容易理解：

• •“昨天”对应日期；
• •“自运营账户”是业务范围；
• •“有效成本”不是字段名，而是业务公式；
• •消耗来自账户日消耗数据；
• •有效客户来自客户线索数据；
• •两块数据要通过账户名称关联；
• •输出时要先给结论，再给表格和说明。

常见配置错误

1. 只写字段名，不写业务含义

不推荐：

spend：消耗

推荐：

spend：广告账户当日投放消耗金额，单位为元，用于计算获客成本。

2. 把长规则塞进字段备注

如果一段规则超过几句话，或者涉及多个数据，就不要放字段备注，应该放业务文档。

3. 给所有字段都开启字段值索引

字段值索引不是越多越好。只给用户会直接说出口的名称、类别、状态开启即可。

4. 偏好设置写得太长

偏好设置适合写“长期习惯”，比如回答风格和常识背景。复杂口径放业务文档，更容易维护。

5. 业务文档只有正文，没有描述和关键词

描述和关键词会帮助 AI 更容易找到这篇文档。建议每篇业务文档都写清：

• •这篇文档讲什么；
• •用户可能会用哪些词问到它。

推荐维护流程

第一次配置时，可以按这个顺序：

1. •先检查数据里最重要的几块数据，补好表备注。
2. •再补关键字段备注，不必一次补完所有字段。
3. •给门店、渠道、账户、商品类别、客户等级等字段开启字段值索引。
4. •把指标口径、业务黑话、跨数据关联关系写成业务文档。
5. •在偏好设置里写清这个智能体的领域背景和回答风格。
6. •用 5-10 个真实业务问题测试，如果 AI 理解错了，就回到对应位置补说明。

后续维护时，可以把每一次“AI 理解错”的原因转化成配置：

• •选错数据：补表备注。
• •选错字段：补字段备注。
• •认不出门店/渠道/账户名：检查字段值索引。
• •算错指标口径：补业务文档。
• •回答风格不符合习惯：改分析偏好。

最后一句话

AskTable 的语义配置，本质不是让业务人员学技术。

它做的是一件更简单的事：把你原本就懂的业务知识，用合适的位置告诉 AI。

字段是什么意思，数据怎么关联，指标怎么算，哪些规则不能错，回答应该怎么组织。

这些说清楚之后，AI 才能真正从“会查数”，变成“懂业务”。