1 实验目的

本实验基于实验7-1预处理完成的标准化自媒体数据集，依托助睿ETL工具开展作品特征工程搭建工作，完成衍生指标计算与文本特征标注，构建双层维度的特征数据体系，并完成数据表迭代更新与统计结果落地存储，为后续自媒体运营效果分析、标题策略优化、数据可视化挖掘提供标准化特征支撑。

本次实验主要完成两大核心任务：

（1）作品维度特征迭代更新：基于作品原有互动数据计算综合互动总量指标，同时通过文本匹配规则提取5类标题属性特征标签，将所有新增特征字段回填至已清洗的作品明细数据表，完善单作品维度数据体系。

（2）关键词维度聚合统计：针对五类标题核心关键词，分别统计对应作品样本的平均互动数据，量化不同标题风格的传播效果，生成关键词维度的统计分析数据表。

通过本次实验实操，可熟练掌握以下专业知识与实操技能：

深入理解特征工程在数据分析链路中的核心价值，掌握从原始清洗数据到结构化特征数据的加工逻辑，明确特征量化对量化分析、效果对比的支撑作用。

熟练运用助睿ETL计算器组件，完成多字段融合的衍生指标自定义计算，实现业务指标的数据化落地。

掌握基于JavaScript代码组件的文本批量匹配、特征自动标注方法，实现非结构化标题文本的结构化、数字化转化。

熟练使用插入/更新组件完成数据表增量回填，掌握数据迭代更新逻辑，规避重复数据问题，保障原始基础数据的完整性。

掌握过滤、聚合、常量新增、数据合并等多组件组合用法，实现分组筛选、分类统计的自动化数据计算流程。

2 实验环境

实验操作平台：助睿在线实验平台 https://lab.guilian.cn/

本次实验依托Uniplore助睿数智一站式大数据智能服务平台开展，该平台具备零代码全链路数据处理能力，覆盖数据接入、ETL加工、AI建模、可视化展示等全流程功能，既适配高校数据分析教学实训场景，也可满足企业商用级数据治理与数据挖掘需求。

助睿数智官方网址：https://www.uniplore.com//

核心数据处理工具：助睿ETL数据集成平台

全域元数据标准化架构：平台所有数据对象、处理节点均依托统一元数据规范定义，标准化规则贯穿数据读取、转换加工、落地存储全流程，保障数据规范性与一致性。

零代码可视化操作模式：采用拖拽式可视化交互方式搭建ETL流程，无需编写大量复杂代码，即可完成数据抽取、转换、加载全流程操作，降低数据分析实操门槛。

全场景预处理组件库：内置筛选、空值填充、数据聚合、表连接、字段筛选、代码加工等丰富功能组件，可灵活适配各类数据清洗、特征加工、统计分析场景。

流水线模块化处理机制：以多类型功能组件组合为核心Pipeline流水线，模块化拆分数据处理步骤，精准聚焦数据加工与逻辑转换，流程清晰、可复用性强。

高可用开源引擎架构：基于开源核心搭建稳定高效的数据处理引擎，搭配可拓展插件体系，可根据业务需求灵活拓展数据处理能力，适配多场景数据加工需求。

本次实验核心功能组件及对应用途如下：
组件 用途
表输入 读取实验7-1输出的content_analysis标准化明细数据集，作为本次特征加工的基础数据源
计算器 融合多类互动指标，计算作品综合互动总数衍生字段
JavaScript代码 对作品标题文本进行关键词匹配，自动生成五类标题特征0-1标记字段
插入/更新 根据唯一ID匹配数据，实现新特征字段增量回填，不新增冗余数据、不覆盖原始基础字段
过滤记录 + 聚合 筛选对应关键词样本数据，完成样本数量、平均互动量的分组统计计算
增加常量 为各分支统计数据添加关键词名称标签，区分不同维度统计结果
合并记录 整合五类关键词的统计数据，汇总为完整的关键词分析数据集
表输出 将关键词维度统计结果落地存储至title_feature_analysis目标数据表

3 核心设计思路

本次实验以“基础数据量化升级、特征维度分层搭建”为核心思路，在已有清洗数据的基础上，完成数值型衍生特征与文本型标签特征的双重构建，搭建作品级、关键词级双层特征体系，实现自媒体作品数据的深度结构化升级。

本次构建的两类核心特征作用如下：

第一类为综合互动总数特征：整合点赞、收藏、分享、投币四类核心互动数据，计算单作品总互动量，以量化数值直观反映单篇作品的整体用户传播与互动效果，是衡量作品热度的核心绝对值指标。

第二类为标题关键词特征：针对作品标题文本，通过精准匹配规则生成5类0-1量化标记字段，将非结构化的标题内容转化为可统计、可对比的结构化数据，用于后续量化分析不同标题关键词对作品流量、互动效果的影响。

整体数据处理逻辑分为两大模块：一是单作品特征迭代，完成指标计算与标签标注，回填更新原有明细数据表；二是关键词聚合分析，基于新增特征分组统计，生成维度汇总表，实现从单样本明细到多维度统计的全覆盖，为后续运营分析、可视化对比提供完善的数据支撑。

4 实验步骤

4.1 更新 content_analysis 表（标题特征+互动总数）

本环节主要完成单作品维度的特征计算与数据表增量更新，完善明细数据的特征字段。

步骤1：加载基础数据源

在助睿ETL工作区中添加表输入组件，直接引用实验7-1最终输出的content_analysis标准化明细表作为本次实验的基础数据源。平台支持跨实验项目复用数据集，无需重复导入原始文件，大幅提升数据处理效率。

步骤2：批量提取标题特征标签

接入JavaScript代码组件，通过文本索引匹配规则，对每条数据的作品标题字段进行关键词检索，自动生成五类二元特征标记字段，实现标题文本的结构化量化转换，具体执行代码与判定规则如下：

定义标题变量，分别匹配“保姆级”“零代码”“实战”“教程/指南”“踩坑”五类核心关键词，匹配成功则赋值为1，未匹配则赋值为0，最终输出5类特征字段。

本次选取的五类关键词均为本次自媒体作品数据中的高频词汇，精准对应实操教学、技术分享、经验避坑等核心内容定位，可有效区分作品内容风格，为后续分析标题对作品互动效果的影响提供精准的分类维度。

步骤3：计算作品综合互动总量

在流水线中接入计算器组件，自定义新增total_interaction综合互动字段，整合四类核心互动指标，计算公式为：total_interaction = likes + favorites + shares + coins，全面汇总单作品的用户互动行为，量化作品整体热度。

步骤4：增量更新目标数据表

选用插入/更新组件完成数据回填迭代，区别于直接表输出的新增数据模式，该组件可通过唯一ID精准匹配原有数据，仅更新新增特征字段，保留所有原始基础数据，彻底规避数据重复、原始数据被覆盖的问题，支持流水线重复运行。

步骤5：执行流水线并核验结果

完成所有组件配置与字段映射后，检查流水线逻辑无误，启动ETL转换任务。运行结束后查看数据探查结果，核验新增特征字段完整、数值准确，数据表更新无重复、无缺失。

添加图片注释，不超过 140 字（可选）

4.2 输出关键词级别的汇总表

本环节基于更新后的明细数据，完成五类关键词的分组统计，对比各关键词作品的平均互动效果与平台整体均值，生成维度化统计数据表。

步骤1：新建关键词统计目标表

在助睿ETL平台新建title_feature_analysis汇总数据表，用于存储各关键词的统计分析结果，具体字段结构与说明如下：

字段 类型 说明
id INT 数据自增主键
platform VARCHAR(20) 作品发布平台（B站/CSDN）
feature_name VARCHAR(50) 标题关键词名称
avg_interaction DECIMAL(10,2) 对应关键词作品的平均互动总量
overall_avg DECIMAL(10,2) 对应平台所有作品的整体平均互动总量
sample_count INT 包含对应关键词的作品样本数量

步骤2：计算平台整体平均互动量

搭建独立统计分支，通过表输入加载完整明细数据，接入排序、聚合组件，在不设置筛选条件的前提下，对total_interaction字段求取平均值，得到对应平台作品的整体平均互动数据。聚合完成后，新增常量字段feature_name并赋值为对应关键词名称，为后续数据合并提供匹配依据。

步骤3：计算单关键词平均互动数据

以“保姆级”关键词为例搭建统计分支：复制基础数据源分支，接入过滤记录组件，设置筛选条件has_best=1，精准筛选出标题包含“保姆级”的所有作品样本。随后通过聚合组件，分别计算该样本集的互动量平均值、作品样本总数。最后通过增加常量组件，标记关键词名称，解决聚合后无维度标识的问题，保障多分支数据可区分、可合并。

步骤4：合并整体数据与关键词数据

调用记录集连接组件，以feature_name为匹配字段，将单关键词样本统计数据与平台整体均值数据进行关联合并，整合为一条完整的关键词分析数据，同时保留样本量、均值对比等核心信息。

步骤5：数据落地存储

接入表输出组件，将合并后的结构化统计数据写入title_feature_analysis表，操作时不勾选裁剪表选项，保留已有数据，实现多关键词数据的批量累加入库。

步骤6：批量复刻完成全关键词统计

完成单关键词流水线调试后，整体复制复刻该处理分支，仅修改过滤条件与常量关键词名称，依次完成“零代码”“实战”“教程/指南”“踩坑”四类关键词的数据统计，最终汇总生成完整的五类关键词特征分析数据集，运行流水线并核验最终数据完整性。

5 实验输出

本次实验最终输出两类结构化数据表，分别适配明细分析与维度统计场景，具体信息如下：

输出表名称 数据粒度 核心用途
content_analysis（迭代更新） 单作品明细粒度 用于后续作品排名统计、流量趋势分析、单作品概况精细化挖掘等明细维度分析工作
title_feature_analysis（全新新建） 关键词维度汇总粒度 用于量化分析不同标题关键词的互动传播效果，支撑标题运营策略优化、特征效果对比分析