1 实验目的

本实验基于实验7-1已清洗完成的数据集，依托数据处理工具完成作品标题特征提取、互动指标衍生计算及关键词维度数据汇总，实现两类特征数据的合规计算与精准入库存储，核心完成两大模块任务：

（1）作品明细数据更新：计算作品整体互动总数，提取5类标题特征标识字段，将结果更新至已有content_analysis明细表，实现单作品维度特征补全；

（2）关键词维度汇总统计：基于5类标题特征关键词，分组计算各关键词对应作品的平均互动数据，将汇总统计结果输出至title_feature_analysis汇总表。

通过本实验，应掌握：

• 理解特征工程在数据分析中的核心作用

• “计算器”组件计算衍生指标

• 使用“JavaScript代码”组件完成文本关键词的自动标注

• 使用“插入/更新”组件回填数据，不新建表、不覆盖已有基础数据

• 使用“过滤+聚合”组件组合完成分组统计计算

2 实验环境

本次实验使用的核心组件：

组件	用途
表输入	读取 content_analysis 表中待处理的数据
计算器	计算互动总数（likes + favorites + shares + coins）
JavaScript代码	提取标题中的5个关键词特征标志
插入/更新	按 id 匹配，更新 content_analysis 表中的特征字段
过滤记录 + 聚合	分别统计整体平均值和每个关键词的平均值
增加常量	为每个关键词分支添加名称标识
合并记录	将5个关键词的统计结果合并为5行
表输出	将互动数据汇总写入 title_feature_analysis 表

3 核心设计思路

本次实验构建两类特征，并将数据更新到实验7-1 的content_analysis 表中：

• 互动总数：likes + favorites + shares + coins，反映作品的用户互动规模（绝对值）

• 标题特征：把标题中是否包含特定关键词提取为0/1标志字段，后续量化对比这些词的实际效果

数据处理流程：

​

4 实验步骤

本环节核心是基于实验7-1清洗完成的明细数据，通过可视化组件完成互动指标衍生计算、文本标题特征智能提取，最终精准回填更新原有业务明细表，在不新增冗余数据、不覆盖原始基础字段的前提下，完善作品维度的特征与互动指标体系，具体操作步骤如下：

4.1 更新 content_analysis 表（标题特征+互动总数）

步骤1：导入数据

登录平台，进入本次实验对应的ETL项目工作界面，打开可视化数据加工工作区。在组件资源库中拖拽「表输入」核心组件至工作画布，配置数据源为实验7-1最终输出的content_analysis数据表。

步骤2：提取标题特征（核心分析维度）

在「表输入」组件下游，连线添加「JavaScript代码」组件，用于对作品标题文本进行关键词匹配，自动化提取5类标题特征0-1标志字段。

var title = title;  // 字段名直接作为变量使用
​
// 判断关键词
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;
​
// 将结果赋值给新字段（输出字段需在字段表中提前定义）
has_best = has_best;
has_lowcode = has_lowcode;
has_practice = has_practice;
has_tutorial = has_tutorial;
has_pit = has_pit;

​

返回值说明：

字段	返回值	条件
has_best	1 / 0	title中含"保姆级"为1，否则为0
has_lowcode	1 / 0	title中含"零代码"为1，否则为0
has_practice	1 / 0	title中含"实战"为1，否则为0
has_tutorial	1 / 0	title中含"教程"或"指南"为1，否则为0
has_pit	1 / 0	title中含"踩坑"为1，否则为0

设计思路：这五个关键词在数据中高频出现，且与“教学价值”“实操性”强相关，是分析标题影响力的理想切入点。每个特征独立提取，便于在BI中做分组对比。

步骤3：计算互动总数

承接JS组件输出的数据流，接入「计算器」组件，新建衍生字段total_interaction，配置计算公式：total_interaction = likes + favorites + shares + coins，批量计算每一条作品的整体用户互动总量，整合四类互动行为数据，形成统一热度指标。

步骤4：数据更新

为避免数据重复、覆盖原始基础数据，本次统一使用“插入/更新”组件替代普通表输出组件，实现精准增量更新，核心配置参数如下：

关键配置：

配置项	设置
目标表	content_analysis
查询关键字	id（匹配依据）
更新字段	total_interaction, has_best, has_lowcode, has_practice, has_tutorial, has_pit

字段映射：

流字段	表字段
id	id
interactions	total_interaction
has_best	has_best
has_lowcode	has_lowcode
has_practice	has_practice
has_tutorial	has_tutorial
has_pit	has_pit

“插入/更新” vs “表输出”的区别：如果使用“表输出”，每次运行都会新增行，导致数据重复。“插入/更新”按 id 匹配，如果 id 已存在则更新指定字段，如果不存在才插入新行（本例中 id 一定存在，所以只做更新，不新增行）。这样本实验可以反复运行，不会产生重复数据。

步骤5：执行转换流

梳理完整数据流转链路：表输入→JavaScript代码组件→计算器组件→插入/更新组件，确认所有组件参数、字段映射配置无误后，点击运行任务，执行数据转换与更新，完成作品明细维度的特征数据补全。

​​

数据结果：

​​

4.2 输出关键词级别的汇总表

本环节核心目标：基于更新后的content_analysis明细数据，分组统计5类关键词对应作品的平均互动量、样本数量，结合平台整体平均互动数据，生成标准化关键词维度汇总表title_feature_analysis。

步骤1：创建目标表

在新建title_feature_analysis数据表，用于存储关键词统计汇总结果，数据表字段结构规范如下：

字段	类型	说明
id	INT	自增主键
platform	VARCHAR(20)	平台（B站/CSDN）
feature_name	VARCHAR(50)	关键词名称
avg_interaction	DECIMAL(10,2)	含该关键词的平均互动总数
overall_avg	DECIMAL(10,2)	该平台整体平均互动总数
sample_count	INT	含该关键词的作品数

步骤2：计算整体平均互动数

基于更新后的content_analysis明细数据新建数据分支，依次接入“排序记录”“聚合”组件，按作品id升序排序，不设置筛选分组条件，对全量数据执行聚合计算，求取total_interaction字段的整体平均值，得到平台整体互动均值overall_avg。

聚合完成后，接入“增加常量”组件，新增feature_name字段并赋值为对应关键词名称，为整体均值数据添加标签，用于后续数据匹配与合并。

步骤3：计算关键词的平均互动数

以“保姆级”关键词为例，复制数据源分支，搭建单关键词统计流程：

1. 接入“过滤记录”组件，设置筛选条件has_best = 1，精准筛选出标题含「保姆级」的所有作品数据；

2. 接入“排序记录” “聚合”组件，排序后执行聚合计算，分别求取筛选数据的total_interaction平均值（avg_interaction）、作品样本数（sample_count）；

3. 接入「增加常量」组件，设置feature_name = 「保姆级」，为当前分支统计数据添加专属标签，区分不同关键词统计结果，避免数据混淆。

步骤4：合并整体平均值和关键词平均值

使用“记录集连接”组件，以feature_name为唯一匹配字段，关联合并“平台整体平均数据”与“关键词专属统计数据”，整合为单关键词完整统计数据集。因两条分支均为单行数据，无需额外排序，直接精准匹配合并即可。

步骤5：数据入库

接入“表输出”组件，将合并后的关键词统计数据写入title_feature_analysis目标表，取消勾选裁剪表选项，保留已有数据，为后续多关键词数据入库预留空间，避免数据清空。

步骤6：执行转换流

完整复制“保姆级”关键词的整套数据处理分支，仅修改两处核心配置：

一是过滤组件的筛选条件（对应修改为has_lowcode=1、has_practice=1等剩余四类特征）

二是常量组件的feature_name关键词名称，其余组件参数、流转逻辑保持不变，依次完成“零代码” “实战” “教程/指南” “踩坑”四类关键词的统计计算与数据入库。

​

查看数据：

​​

接下来加工其他关键词的数据：

复制粘贴整个分支，然后只修改两处：过滤条件（如 has_lowcode = 1）和常量值（如 零代码）。其他组件配置完全相同。

最后的完整数据情况如下：

​​5 实验输出

输出表	数据粒度	用途
content_analysis（更新）	作品级	排名、趋势、概况等明细分析
title_feature_analysis（新建）	关键词级	标题特征互动分析

6 实验总结和收获

本次实验依托助睿ETL完成了作品标题特征提取、互动指标计算与关键词汇总分析，让我扎实掌握了零代码大数据ETL的基本操作与处理流程。

我熟练掌握了计算器、JS代码、过滤聚合、插入/更新等常用组件的用法，能够完成指标衍生计算、文本关键词量化、增量数据更新和分组统计分析，明白了插入更新与直接表输出的区别，学会了保护原始数据、避免数据重复覆盖的规范操作。

同时我初步理解了特征工程的意义，学会将文本、多维度数据进行量化分析，掌握了从明细加工到聚合汇总的分层数据分析思路，提升了大数据处理的实操能力与逻辑思维。