仓库原生快速开始

本页面给出从连接仓库到实验开始接收曝光数据的最短路径，适用于第一次配置仓库原生的场景。

你将完成

完成本快速开始后，你将拥有：

• 一个位于 Data Management → Warehouse Native 的 BigQuery 连接。
• 一张注册到 Data Management → Tables 的分流表和一张事实表。
• 一个在 Data Management → Metrics Catalog 中定义好的指标。
• 一个使用该分流表作为分流来源的实验。
• 一条用于检查 Cumulative Exposures 的首个读数路径。

前置条件

• 一个你拥有 Admin 权限的 ABetterChoice 项目。
• 一个 BigQuery 项目，你可以向 ABetterChoice 服务账号授予源数据集读取权限和结果数据集写入权限。
• 已有曝光或分流数据，以及至少一张可以产出简单指标的事实表。
• 一个 SDK 或事件管道方案，能在实验开始后持续写入分流与曝光数据。

1. 连接 BigQuery

打开 Data Management → Warehouse Native，选择 BigQuery 并完成连接流程。如果你的仓库治理允许，建议把源数据集和结果数据集分开。

详细权限配置请见 BigQuery 连接。

2. 注册最小数据模型

在 Data Management → Tables 中注册：

• 一张分流表，用于曝光或分流记录。
• 一张事实表，用于承载你要衡量的业务事件或业务值。

先从能回答一个实验问题的最小模型开始。第一条路径跑通后，再添加用户属性数据源、更多事实表和维度。见表模型。

3. 定义一个指标

在 Data Management → Metrics Catalog 中，基于刚注册的事实表创建指标。优先选择团队可以在 BI 中独立校验的指标，例如转化率、购买次数或平均会话时长。

指标配置页面见指标目录和指标类型。

4. 创建并启动测试实验

创建一个实验，选择分流表作为分流来源，并从指标目录中选择指标。第一个实验保持收敛：一个假设、一个主指标，以及对产品安全的流量方案。

产品操作流程见创建实验。

5. 验证第一条信号

当 SDK 或事件管道写入分流与曝光记录后，打开实验结果页查看 Cumulative Exposures。第一目标不是做决策，而是确认仓库连接、表模型、指标定义和实验配置已经连通。