一、实验背景

1.1 实验目标

本实验以全平台概况表、内容分析表和关键词表三张数据表为基础，借助助睿 BI 完成多维度的可视化分析，搭建综合性仪表盘，并撰写数据驱动的运营优化分析报告。通过本次实验，学生应能达到以下要求：

1. 运用助睿 BI 的聚合功能（计数、求和、平均、分组）快速制作图表的数据值
2. 完成涵盖内容概况、学生表现排名、标题影响分析、平台对比以及趋势分析等多个维度的可视化图表
3. 掌握"从图表到洞察"的分析方法论，从数据中提炼出有价值的业务结论

1.2 实验环境

1. 实验所用平台：助睿数智（Uniplore）—— 一站式数据科学实验平台
2. 系统入口：https://lab.guilian.cn/
3. 官方网站：https://www.uniplore.com/
4. 存储引擎：MySQL
5. 实验数据：全平台概况表（summary_all_platforms）、内容分析表（content_analysis）、关键词表（title_feature_analysis）

1.3 处理流程概述

1. 数据源接入与基础连接配置：在数据分析平台中完成数据源的连接配置，建立与目标业务数据库或文件的稳定通路，获取原始业务数据，为后续分析环节提供基础的数据支撑。
2. 数据集构建与预处理：基于已连接的数据源，通过数据筛选、字段选取、格式转换等一系列操作构建分析数据集；同步完成数据清洗和缺失值处理，形成可直接用于分析的标准化数据集合。
3. 工作表制作与指标运算：在平台内创建分析工作表，将标准化后的数据集导入其中；依据业务分析需求，在工作表中执行指标计算、维度拆分与数据聚合等操作，生成符合分析逻辑的中间结果及核心指标。
4. 综合仪表盘搭建与可视化展示：依托工作表的计算结果，搭建综合分析仪表盘；完成图表组件的选型（如折线图、柱状图、指标卡等）、页面布局规划与样式配置，将核心指标与分析结论以可视化的方式直观呈现。
5. 报告导出与业务分析总结：将综合仪表盘导出为分析报告，结合可视化图表对业务数据进行系统解读与归纳；提炼业务洞察、发现存在的问题并给出优化建议，形成可交付的业务分析成果文档。

二、实验步骤

2.1 构建数据集

进入数据集管理界面，点击加号新建数据集，选择对应的数据库连接，将 summary_all_platforms 表拖入画布，构建"全平台概况数据集"。依照同样的操作方式，分别拖入 content_analysis 表构建"重点平台概况数据集"，拖入 title_feature_analysis 表构建"标题关键词互动数据集"。三个数据集分别保存并发布。

2.2 制作工作表

进入工作表界面，点击加号创建新工作表，命名为"全平台作品总数"。选择全平台概况数据集，选用指标卡图表类型，将 content_count 字段拖入值区域。调整背景色与文字颜色后保存并发布。

按照上述同样的方法依次创建"分发平台数"、"全平台浏览总数"以及"全平台互动总数"三张工作表。

在上述方法的基础上增加过滤条件 platform = B站，分别创建"B站作品数"和"B站总播放量"两张工作表。

在上述方法的基础上增加过滤条件 platform = CSDN，分别创建"CSDN作品数"和"CSDN总阅读量"两张工作表。

点击加号新建工作表，命名为"B站学生平均播放量排名TOP10"。选择重点平台深度分析数据集，选用水平条图，将 views 字段放入 X 轴，排序方式设为降序，聚合方式选择平均，将 author_name 字段放入 Y 轴。添加过滤条件 platform = B站，显示限额设为 10。调整背景色与文字颜色后保存并发布。按照同样方式创建"B站作品播放量排名TOP10"工作表。

参照上述方法，将过滤条件替换为 platform = CSDN，分别创建"CSDN学生平均阅读量排名TOP10"和"CSDN作品阅读量排名TOP10"两张工作表。

选择标题关键词互动数据集，选用水平条图。创建标题特征提升倍率指标，计算规则为 [avg_interaction]/[overall_avg]，将该提升倍率放入 X 轴，将 feature_name 字段放入 Y 轴。设置过滤条件 platform = B站，创建"B站标题特征提升倍率条形图"工作表。按照同样的方法，将过滤条件改为 platform = CSDN，创建"CSDN标题特征提升倍率条形图"工作表。

选择标题关键词互动数据集，选用柱状图。将 avg_interaction 放入 Y 轴，将 feature_name 字段放入 X 轴，并添加平均值参考线。设置过滤条件 platform = B站，创建"B站标题特征对比柱状图"工作表。按照同样的方法，将过滤条件改为 platform = CSDN，创建"CSDN标题特征对比柱状图"工作表。

选择重点平台深度分析数据集，选用折线图。将 views 放入 Y 轴，将 date 字段放入 X 轴，按升序排列。设置过滤条件 platform = B站，创建"B站每日播放量趋势折线图"工作表。按照同样的方法，将过滤条件改为 platform = CSDN，创建"CSDN每日阅读量趋势折线图"工作表。

2.3 搭建综合仪表盘

进入仪表盘界面，点击加号新建仪表盘，命名为"自媒体运营分析"。

拖入一个文本组件，输入"自媒体运营分析"作为仪表盘的主标题，调整其大小、位置与字体颜色。随后将前面制作的所有工作表逐一拖入仪表盘画布，调整各自的尺寸与布局位置。全部调整完毕后保存并发布。

三、实验结果

完整仪表盘概览

四、仪表盘分析

4.1 整体数据概况

本次实验共计覆盖 8 个内容分发平台，累计产出 11612 份自媒体作品，总浏览量突破 129 万次，总互动次数达 87069 次。两大核心平台呈现出明显的差异化特征：CSDN 累计发文 3305 篇，总阅读量高达 116.8 万，图文类内容的长尾传播优势十分突出；B 站共计产出 2452 条视频，总播放量为 12.3 万，流量规模远不及 CSDN，说明图文载体与课程技术类内容的传播需求更为匹配。

4.2 创作者与作品排名分析

两个平台均存在显著的头部爆款效应，TOP10 作品的流量数据远超普通内容。创作者层面分化明显，少数学生能够持续保持较高的平均播放量或阅读量，其内容的稳定性与平台适配能力更强；而多数创作者的流量波动较大，内容标准化程度尚有不足。

4.3 标题特征互动分析

标题关键词对互动数据具有直接且显著的影响：B 站平台上，"零代码""教程""实战"等关键词的互动提升倍率可达 2 倍，而踩坑类内容的引流效果相对偏弱；CSDN 平台上，各类技术关键词的表现均高于平台整体均值，其中零代码和实战类关键词的引流效果最优，说明学习导向型标题能够精准触达目标受众。

4.4 流量趋势分析

CSDN 的每日阅读量基数较高且波动相对平缓，主要依托搜索引擎流量实现长期稳定的长尾曝光；B 站的播放量则波动更为剧烈，流量高度依赖短期的平台推荐机制，受到封面设计、视频开篇节奏以及发布时段等因素的显著影响。

4.5 优化建议

1. 在标题中统一搭载"零代码""教程""实战"等高增益关键词，强化内容的学习属性定位。
2. B 站应重点优化视频封面与前三秒的内容留存率，以提升短期推荐权重。
3. CSDN 需细化文章步骤排版、合理布局技术关键词，撬动长期搜索流量。
4. 拆解头部爆款作品的内容结构，沉淀形成标准化的创作模板。
5. 新增收藏、转发、评论等细分互动指标，完善用户价值的综合评估体系。

五、实验总结

本次实验依托助睿 BI 完成了自媒体运营数据的全链路可视化分析，涵盖数据集搭建、多维度指标工作表制作以及综合仪表盘搭建的全过程，掌握了零代码环境下的数据聚合、图表制作与多维度业务解读方法。通过对比 B 站与 CSDN 两大平台的数据表现，明确了图文内容与视频内容在流量获取逻辑上的本质差异，验证了标题关键词、创作者内容质量以及发布载体对曝光和互动的核心影响。实验结果表明，技术类自媒体存在明显的头部集中效应，学习导向型标题能有效提升流量获取效率，图文内容具备长尾传播优势，而短视频流量的短期波动性更强。本次实验实现了数据驱动的运营分析，提炼出了可落地的内容优化策略，但分析维度仍存在一定局限，后续可考虑新增收藏、转发等细分指标，进一步细化用户行为洞察，持续完善自媒体运营的评估体系。