用户属性表
User Property Table（用户属性表） 是一张描述"用户是谁"的表 —— 国家、版本、生命周期分群、付费状态、留存分桶 —— 而非"用户做了什么"。ABetterChoice 用它来支撑维度与特征。
在控制台的位置
Data Management → Tables 列出所有已注册的表，Type 为 User Property Data Source 的行就是本页面描述的对象。
标签不一致提示
列表页把这类行显示为 User Property Data Source，但 New Table 弹窗的 Table Type 下拉以及详情页把同一类型显示为 User Property Table。两者指的是同一对象 —— 本套文档统一使用 User Property Table 作为正式名称。
表单字段
打开 New Table（或已有用户属性表的详情页）。当 Table Type 为 User Property Table 时，表单需要填写：
| 字段 | 说明 |
|---|---|
Data Warehouse | 当前固定为 BigQuery。 |
DataSet ID | 源表所在的 BigQuery 数据集。 |
Table ID | 要注册的 BigQuery 表，下拉受 DataSet ID 过滤。 |
Name | 展示名，默认与 Table ID 一致。 |
Owner | 默认为当前用户且不可清空。 |
Description (Optional) | 自由文本。 |
Apply to Causal Inference | 复选框。勾选后，该表的列可被注册为特征，平台据此进行 HTE 分析 与 CUPED 方差减少。 |
Data Output Type | 单选：Incremental（默认）或 Full。告诉 ABetterChoice 每个新分区是增量还是全量快照。 |
User ID Field | 用来与分流表、事实表 join 的列。 |
Partition Field | ABetterChoice 用来挑选合适快照的列。 |
Partition Field Type | Date、Timestamp 或 Datetime。 |
用户属性表 没有 Event Time Field —— 它描述的是用户的状态，不是事件级活动。
下方的 Schema 面板会列出 BigQuery 列与检测到的类型。
Incremental 与 Full 的差异
Data Output Type 是用户属性表特有、且会真正改变 ABetterChoice 读数行为的字段：
Incremental—— 每个分区只包含当天发生变化的行。ABetterChoice 在读取时会合并历史分区以重建每个用户的最新状态。Full—— 每个分区都是当日全量用户的快照。ABetterChoice 仅读取最新一个分区。
请按上游流水线实际写表的方式选择。错配（增量被声明为 Full，或反之）会导致重复计数或漏算。
真实用户属性表的样子
Demo 项目 6666 注册的用户属性表是 abc_user_property_date_partition —— 一张按日生成的用户属性快照表，覆盖字符串、整数、浮点等多种用户属性。它的注册配置：
Apply to Causal Inference—— 已勾选。Data Output Type——Incremental。User ID Field=user_id，Partition Field=ds，Partition Field Type=Date。
它的 schema 覆盖四类属性：
| 分组 | 列 | 用途 |
|---|---|---|
| 身份与分区 | user_id（string）、ds（date） | join 与快照选取。 |
| 设备与地域 | country、language、device_platform、device_model、os_version、app_version、install_channel（string） | 维度切分与特征列。 |
| 人群属性与分群 | gender、user_segment（string）；age（integer） | HTE 用的特征列。 |
| 行为聚合 | register_days、total_login_days、total_session_count、max_level_passed、total_pay_count（integer）；total_pay_amount_usd、total_ad_revenue_usd、ltv_predicted_usd、avg_session_duration_minute、retention_d7（float） | 实验前基线、CUPED 协变量与特征列。 |
维度与特征如何消费它
一张用户属性表可以供给：
维度不会出现在 HTE 分析里 —— HTE 只消费特征与特征组合。受众也不消费用户属性表；受众规则落在 Audience 下单独注册的属性上。
编辑与归档
详情页以只读为主。Apply to Causal Inference 与 Data Output Type 之后还能切换，但更改不会回填历史结果。唯一的破坏性操作是列表页的 Archive；详见 表生命周期。