通义千问数据口径文档提示词：平台与人群限制设置指南

写数据口径文档，最怕什么？最怕你写完，数仓的同事看半天，跑来问一句：“你这里面说的‘订单’，到底是抖音的、淘宝的还是线下小程序的？”又或者，人群定义写了一长串，结果落地的时候发现没有对应的标签ID，根本没法直接取数。

说白了，一份能通过数据RD评审的口径文档，第一句话就得说清楚两件事：什么平台？什么人群？这两个要素，任何一个缺失，后面的所有细节都可能是白搭。

很多人习惯让通义千问这类AI工具直接生成文档。但你很快会发现，如果提示词写得不够精准，它默认输出的结果往往只给了“通用口径”——比如“订单金额”这种万金油字段，完全没法直接对齐数仓里的实际表结构。问题的根源就在于，你的提示词里漏掉了具体的平台限制和人群圈定逻辑。

如何让提示词“绑定”平台限制

第一步其实很简单：开篇第一句，直接写死平台的名字。“某平台”“主流App”这种模糊表达，在数据文档里等于什么都没说。要写，就写“抖音小店订单表中的支付成功口径”，而不是“电商订单表的支付成功口径”。一个字段的差异，映射到数仓可能就差了好几个表。

第二步，紧跟着写出这个平台特有的字段逻辑。不同平台的埋点字段体系完全不同：抖音有个enter_from字段，用来区分用户是从直播间、短视频还是搜索进来的；淘宝看traffic_source；微信小程序则依赖scene值。你必须在提示词里写下你实际会用到的字段名和关键的枚举值。比如，明确告诉模型：“抖音订单需排除enter_from = 'search'的搜索直达单”，这样生成的逻辑才是可落地的。

第三步，如果涉及多平台对比，最稳妥的办法是用表格把结构强制固定下来。在提示词里直接加上“请按以下格式输出：|平台|数据源表名|关键过滤条件|是否含测试账号流量|”。这能有效防止模型把抖音的跳转逻辑和快手的去重规则混为一谈。

三种方式，把人群限制“说清楚”

相比平台限制，人群定义更容易写成“主观意愿”。以下三种方法可以帮你把人群描述从“业务需求”精确到“技术口径”。

方法一：用业务角色+行为阈值来定义，而不是堆砌静态标签。例如，写“近90天首次完成支付且客单价≥299元的女性用户”，就远好于“25–35岁、一线城市的女性”。因为前者的first_pay_date和last_90d_a vg_order_amt字段，在数仓的用户宽表里是现成的；而后者如果标签体系没那么细，就得重新推算。

方法二：直接引用已有的人群包ID或标签体系。如果你有CDP系统，务必写明“采用CDP系统中标签ID为U_TAG_782的人群包（定义：过去7天打开APP≥3次且点击过会员页）”。这样模型会优先匹配该ID对应的技术口径，而不是自行脑补一套规则。

方法三：对容易混淆的人群做否定排除。“排除内部员工”这种写法，对模型来说太模糊了。要写成：“排除user_id在dim_user_type表中user_type = 'EMPLOYEE_TEST'的所有记录”。不写表名和字段名，模型大概率会用一个通用逻辑来替代，结果不可控。

实操：如何把平台和人群“绑”在一起

最理想的操作，是把平台和人群作为并列约束条件写进同一句主干，中间用“且”连接，不换行，不加括号。举个例子：

“请定义小红书笔记互动数据口径：统计2024年Q2内，小红书App客户端产生的笔记点赞、收藏、评论行为，且用户属于CDP标签ID为U_TAG_419的人群（近30天浏览美妆类目≥5次的18–24岁学生）。”

这句指令里，“小红书App客户端”锁定了数据采集端，“CDP标签ID为U_TAG_419”锁定了人群的技术来源，“近30天浏览美妆类目≥5次的18–24岁学生”则是该标签的业务解释。三者缺一不可。如果你漏掉了标签ID，模型就会自己去猜人群逻辑，大概率猜不准。

最后留一个自检标准：你的提示词里，是否至少包含了一个平台特有的字段名，以及一个人群标签ID或宽表字段名？如果这两项都没有，那生成的口径文档大概率不会通过数据RD的评审。