前言

特征工程是数据分析与可视化前置的关键环节。原始明细表仅能记录基础数据，想要挖掘标题文案对作品互动效果的影响，就需要构造衍生指标、文本标签特征。 本文基于实验 7-1 清洗完成的 content_analysis 明细表，使用助睿 ETL 完成指标计算、关键词识别、数据回填、关键词分组统计两套加工流程。全程零代码拖拽，附带 JavaScript 文本匹配实操方案。

一、实验目的

基于 7-1 清洗完毕的数据，完成两类特征计算并落地数据表：

1. 作品维度特征

• 计算互动总数 total_interaction = 点赞 + 收藏 + 分享 + 投币
• 通过标题文本提取 5 个 0/1 标识特征：has_best、has_lowcode、has_practice、has_tutorial、has_pit
• 将结果更新回填至 content_analysis 表，不新增重复数据

1. 关键词维度汇总特征 统计包含各个关键词作品的平均互动量，生成汇总表 title_feature_analysis

学习目标：

1. 理解特征工程在数据分析链路中的价值
2. 使用计算器组件构建衍生指标
3. 通过 JS 代码组件实现文本关键词自动标记
4. 掌握【插入 / 更新】组件，实现增量回填，避免重复数据
5. 熟练组合过滤 + 聚合完成分组统计

二、实验环境

实验平台：助睿在线实验平台 工具：Uniplore 助睿数智｜助睿 ETL 数据集成平台

助睿 ETL 核心优势不再赘述，本次重点用到组件清单：

表格

组件	功能
表输入	读取已清洗 content_analysis 明细表
计算器	四则运算生成互动总量指标
JavaScript 代码	标题关键词识别，生成 0/1 标签
插入 / 更新	按主键匹配，原地更新数据表字段
过滤记录、聚合	筛选对应关键词数据并统计均值、样本量
增加常量	给每条统计结果打上关键词名称标签
合并记录、记录集连接	汇总多条分支统计结果
表输出	写入关键词汇总统计表

三、核心设计思路

1. 互动总数：整合各类互动行为，统一衡量作品热度；
2. 标题二元特征：使用 0、1 标记标题是否包含目标关键词，方便后续分组对比； 目标关键词：保姆级、零代码、实战、教程 / 指南、踩坑，均属于技术自媒体高频引流词汇。
3. 两种数据粒度分开存储

• 明细层：单作品一条记录，用于大屏明细列表、排名、趋势分析；
• 汇总层：每个关键词一行聚合数据，专门用于对比标题关键词效果。

重要区别：不能直接使用表输出覆盖明细表，必须使用【插入 / 更新】，根据 id 主键匹配更新字段，重复运行任务不会产生冗余脏数据。

四、完整实验操作步骤

4.1 第一部分：更新 content_analysis 明细表

步骤 1 读取数据源

表输入组件读取 7-1 产出的content_analysis数据表。

步骤 2 JavaScript 组件实现关键词识别

写入匹配代码：

javascript

运行

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 5 个字段，命中关键词 = 1，未命中 = 0。

步骤 3 计算器计算互动总量

新增字段： total_interaction = likes + favorites + shares + coins

步骤 4 使用【插入 / 更新】回填数据表

目标表：content_analysis 匹配关键字段：id 待更新字段：total_interaction、has_best、has_lowcode、has_practice、has_tutorial、has_pit

逻辑说明： 根据 id 主键匹配记录，存在则更新指定字段，不存在才新增。适合反复调试 ETL 流程，杜绝重复数据。 如果选用普通【表输出】，每次运行会新增整行数据，造成数据膨胀。

步骤 5 执行转换流，预览校验字段是否成功写入

4.2 第二部分：构建关键词汇总表 title_feature_analysis

步骤 1 创建目标表结构

表格

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)	含该关键词作品平均互动量
overall_avg	DECIMAL(10,2)	平台全部作品整体均值
sample_count	INT	带该关键词作品数量

步骤 2 计算平台整体平均互动量

读取明细表，不添加过滤条件，使用聚合组件计算全部作品AVG(total_interaction)得到 overall_avg。 搭配增加常量组件，设置 feature_name 标签，用于后续数据关联。

步骤 3 单关键词统计（示例：保姆级）

1. 分支增加过滤记录：has_best = 1
2. 聚合：AVG (total_interaction)、COUNT (id)
3. 增加常量：feature_name = "保姆级"

常量标签必不可少，多条分支合并后，用来区分该行属于哪一个关键词。

步骤 4 关联整体均值与关键词均值

使用记录集连接组件，以 feature_name 作为关联键，把整体平均值挂载到关键词统计行。

步骤 5 表输出写入数据表

不要勾选裁剪表，后续还要依次导入其他关键词统计结果。

步骤 6 批量复制分支完成剩余关键词统计

复制整套过滤 - 聚合 - 常量流程，仅修改两处配置：

1. 过滤条件：has_lowcode=1 /has_practice=1……
2. 常量 feature_name 文字：零代码、实战、教程指南、踩坑

依次运行所有关键词分支，最终汇总 5 条关键词统计数据。

五、两张产出表业务用途

1. content_analysis（更新后） 粒度：单作品明细 用途：大屏作品榜单、时间趋势、各作品互动明细查询

2. title_feature_analysis（新建汇总表） 粒度：关键词维度聚合数据 用途：分析哪种标题话术更容易获得更高互动，指导后续内容选题与标题优化

六、知识点总结

1. 二元标签特征：文本关键词转为 0/1 数值，是非结构化文本转为可统计指标的常用手段；
2. 插入更新组件：ETL 增量更新标准方案，区别于全量覆盖写入；
3. 分支复用思想：多个关键词统计逻辑一致，复制分支仅修改少量条件即可，提升开发效率；
4. 分层数据设计：明细层保存原始粒度数据，汇总层存放聚合指标，分别支撑不同可视化模块；
5. 常量字段技巧：聚合后数据丢失维度名称，通过增加常量给统计结果打标签，是零代码 ETL 高频实用技巧。