姓名任佳莉一、实验目的①基于实验 7-1 清洗完成的content_analysis明细表学习特征工程核心思路掌握衍生指标、文本标签特征的构建方法。②熟练使用助睿 ETL 计算器、JavaScript 代码、插入 / 更新、过滤、分组聚合、记录集连接等组件。③计算总互动指标total_interaction提取 5 类标题关键词 0/1 特征字段回填更新原有明细数据表。④按关键词、平台分组聚合统计各标题标签作品平均互动量生成关键词分析汇总表title_feature_analysis。⑤区分表输出与插入 / 更新组件差异掌握增量更新、多分支合并统计的数据处理逻辑支撑后续标题运营效果分析。二、实验环境与数据源2.1 实验环境实训平台助睿数智 Uniplore 在线实训平台 https://lab.guilian.cn/官网https://www.uniplore.com/操作方式浏览器零代码拖拽 ETL 组件搭建转换流无需手写完整业务代码。核心组件表输入、计算器、JavaScript 代码、插入 / 更新、过滤记录、分组、增加常量、记录集连接、表输出。2.2 实验数据源输入数据源实验 7-1 产出清洗明细表content_analysis仅包含 B 站、CSDN 有效浏览作品无空值、冗余字段。待新建目标表title_feature_analysis关键词互动汇总表。本次实验分两大处理链路作品级特征更新链路扩充明细字段回填至原表关键词聚合统计链路分平台、分关键词计算平均互动生成汇总分析表。三、实验原理与整体设计思路3.1 核心原理特征工程将原始离散互动指标合并为总互动量将非结构化标题文本转为结构化 0/1 标签实现量化对比。总互动计算公式total_interaction likes favorites shares coins文本关键词匹配通过 JS 代码判断标题是否包含指定关键词匹配成功标记 1无则标记 05 组标签分别对应保姆级、零代码、实战、教程 / 指南、踩坑。增量更新逻辑使用「插入 / 更新」按主键 id 匹配更新原有数据避免重复新增数据普通表输出会全量覆盖 / 新增不适合明细更新场景。多分支聚合合并单关键词分两条分支一条统计平台整体平均互动一条统计含该关键词作品均值与样本量通过常量字段标记关键词名称后合并复制分支批量处理 5 类关键词。3.2 整体流程设计链路一更新明细数据表表输入读取 content_analysis → JS 提取标题特征 → 计算器计算总互动 → 插入 / 更新回填原表链路二关键词汇总统计表表输入分流针对单个关键词①分支 A全量聚合计算平台整体平均互动增加常量标注关键词②分支 B过滤对应关键词数据分组求平均互动、作品数量增加常量③记录集连接合并两条分支数据复制整套分支修改过滤条件与常量名称依次处理 5 个关键词全部关键词结果合并后表输出写入title_feature_analysis。四、实验步骤4.1 前期准备打开上次实验「自媒体运营分析」项目新建转换流命名为「自媒体运营分析 - 作品特征构建」。确认content_analysis数据表可正常读取提前建好汇总表title_feature_analysis字段包含 id、platform、feature_name、avg_interaction、overall_avg、sample_count。4.2 链路一扩充并更新 content_analysis 明细表读取数据拖拽「表输入」组件选择实验 7-1 输出的content_analysis表。提取标题关键词特征接入 JavaScript 代码组件粘贴匹配脚本生成 5 个标签字段var title title;var has_best title.indexOf(保姆级) ! -1 ? 1 : 0;var has_lowcode title.indexOf(零代码) ! -1 ? 1 : 0;var has_practice title.indexOf(实战) ! -1 ? 1 : 0;var has_tutorial (title.indexOf(教程) ! -1 || title.indexOf(指南) ! -1) ? 1 : 0;var has_pit title.indexOf(踩坑) ! -1 ? 1 : 0;输出字段设置 5 个 Integer 类型标记字段。3. 计算总互动量添加「计算器」组件新增字段total_interaction likes favorites shares coins。4. 增量回填更新数据表拖拽「插入 / 更新」组件目标表选择content_analysis匹配主键 id更新字段选择 total_interaction、has_best、has_lowcode、has_practice、has_tutorial、has_pit运行后完成明细数据扩充。4.3 链路二构建关键词汇总统计表 title_feature_analysis以关键词「保姆级」为例读取同一份明细表数据流拆分两条分支。分支 1计算平台整体平均互动添加分组组件无过滤直接聚合 AVG (total_interaction) 得到 overall_avg增加常量组件设置 feature_name保姆级。分支 2统计含关键词作品数据添加过滤记录条件has_best1分组聚合求 avg_interaction、COUNT (id) 作为 sample_count增加常量 feature_name保姆级。记录集连接以 feature_name、platform 为关联字段合并两条分支平均值。批量复用分支复制整套处理流程分别修改过滤条件与常量名称依次处理零代码、实战、教程、踩坑。合并所有关键词数据接入「表输出」写入title_feature_analysis不勾选裁剪表防止覆盖已有数据。4.4 执行转换流与数据校验分别运行两条转换链路查看执行日志无报错。预览更新后的 content_analysis每条作品附带总互动数值与 5 个关键词 0/1 标签。预览 title_feature_analysis分 B 站、CSDN 展示每个关键词的平均互动、平台整体均值、对应作品样本数量可直观对比标题引流效果。五、实验结果分析明细数据表content_analysis新增总互动量与 5 个标题标签结构化存储文本特征便于后续筛选、排序、可视化。关键词汇总表title_feature_analysis结果规律CSDN 全部关键词作品平均互动均高于平台整体均值零代码、教程类标题在双平台互动表现更好B 站 “踩坑” 类作品平均互动低于全站平均引流效果偏弱。数据更新逻辑正常使用插入 / 更新不会重复生成作品数据可反复执行流程多分支合并后 5 类关键词完整汇总数据无缺失、错配。六、实验中遇到的问题及解决方法①问题JS 脚本运行报错标签字段无法生成解决检查输出字段是否提前定义关键词文字无错别字字段变量与数据表 title 名称一致。②问题插入 / 更新后原表新增大量重复数据解决确认匹配主键设置为 id仅更新新增特征字段不新增主键数据。③问题关键词合并后整体平均值无法匹配解决两条聚合分支都添加 platform、feature_name 常量标签保证连接字段类型、内容完全一致。④问题多条关键词分支输出覆盖原有汇总数据解决表输出组件取消 “裁剪目标表”多条关键词数据分批追加写入。七、实验总结与心得体会本次实验完成自媒体数据特征工程全流程区别于 7-1 的数据清洗本次重点学习衍生指标计算、文本结构化特征提取、分组聚合统计。通过计算器组件实现多指标融合JS 代码将非结构化标题转为可统计标签掌握插入 / 更新增量更新方案理解多分支分流、合并统计的 ETL 设计思路。从结果可以看出标题关键词直接影响作品互动数据为自媒体内容运营提供量化依据。实操中也学会排查字段不匹配、脚本语法、数据覆盖等常见故障完善了从数据清洗、特征构建到指标汇总的完整数据分析链路为后续可视化仪表盘制作打下基础。