企业官网建设流程全解析

2.7 实验七：自媒体运营分析

数据清洗与预处理 + 作品特征构建 + 可视化探索

本实验围绕班级自媒体作品运营数据展开，实验内容由三个连续部分组成：第一部分为数据清洗与预处理，主要完成原始数据导入、平台筛选、缺失值处理、字段整理和目标表输出；第二部分为作品特征构建，主要计算互动总数，并从作品标题中提取关键词特征；第三部分为可视化探索，主要基于前两个实验生成的数据表，在助睿BI中制作指标卡、排名图、标题影响分析图和趋势图，最终形成自媒体运营分析仪表盘。

三个实验之间具有明显的递进关系：实验7-1解决“数据能不能用”的问题，实验7-2解决“数据能不能进一步分析”的问题，实验7-3解决“分析结果如何展示和解释”的问题。整体流程为：原始数据进入助睿ETL后，先输出全平台概况表和重点平台内容分析表，再在内容分析表中补充互动指标和标题特征，最后将结果导入助睿BI完成可视化展示

2.7.1 实验7-1：自媒体运营分析——数据清洗与预处理

一、实验目的

本实验基于全班同学在多个自媒体平台发布作品后形成的互动数据，使用助睿ETL完成数据清洗与预处理。原始数据中包含B站、CSDN、微信、知乎、小红书等多个平台的作品记录，但不同平台的数据完整程度不同，部分平台存在浏览数量为0、互动字段缺失或无效记录较多的情况。因此，在正式进行作品分析之前，需要先对原始数据进行整理。

本实验的主要目标是通过助睿ETL完成多源数据的过滤、填充、聚合和字段筛选，并输出两张核心数据表。一张是全平台概况数据表summary_all_platforms，用于后续展示全平台作品数量、总浏览量和总互动情况；另一张是内容分析表content_analysis，用于保存B站和CSDN的有效作品明细数据，并作为实验7-2作品特征构建的基础数据。实验手册中也强调，本部分需要使用“分支处理”思路，将全平台概况统计与重点平台深度分析分开处理。

二、实验环境

三、核心设计思路

原始数据不能直接用于后续分析，主要原因包括以下几点：第一，平台较多，但并不是所有平台都具有完整的浏览数据；第二，部分作品浏览数量、点赞数量、收藏数量等指标可能为0或存在空值；第三，后续可视化既需要展示全平台整体情况，又需要对B站和CSDN进行重点分析，因此不能简单地只保留某一类数据。

因此，本实验采用双分支处理方式：

四、目标表设计

1. 全平台概况表：summary_all_platforms

该表用于保存所有平台的汇总数据，不对平台进行筛选，主要服务于后续仪表盘中的全平台指标卡。

这张表保留所有平台数据，目的是展示整体分发情况。不同平台的特色互动指标不强行合并，例如B站的投币、微信的推荐、知乎的赞同含义不同，因此分别保留为独立字段，更便于后续解释。

2. 内容分析表：content_analysis

该表用于保存B站和CSDN的有效作品明细，是实验7-2和实验7-3的重要基础表。

其中，total_interaction和五个标题特征字段在实验7-1中先作为预留字段，具体数值会在实验7-2中通过计算器组件和JavaScript代码组件生成。(community)

五、实验步骤

步骤1：导入原始数据

首先，将实验提供的自媒体作品数据明细.csv文件从公共空间复制到个人文件库中，然后在助睿ETL中作为数据源导入。导入后需要查看数据预览，确认字段是否完整，例如日期、作者名称、作品标题、平台、浏览数量、点赞数量、收藏数量、分享数量、投币数量、作品链接等字段是否能够正常读取。

步骤2：全平台聚合统计

为了保留所有平台的整体发布情况，需要在数据清洗前单独建立一个分支，对全平台数据进行汇总。该分支使用“排序记录”和“分组”组件，按照日期和平台进行排序、分组，并对所有数值字段进行求和。处理完成后，将结果输出到summary_all_platforms表中。

步骤3：过滤重点平台有效记录

在第二条分支中，需要对原始数据进行过滤，只保留B站和CSDN两个平台中浏览数量大于0的有效记录。由于微信、知乎、小红书等平台的浏览数量大量为0，难以支撑后续深度分析，因此本实验只针对B站和CSDN进行重点平台分析。

过滤条件如下：

(平台 = 'B站' AND 浏览数量 > 0) OR (平台 = 'CSDN' AND 浏览数量 > 0)

该条件同时完成了两个任务：一是筛选平台，只保留B站和CSDN；二是筛选有效记录，只保留已经产生浏览行为的作品。

步骤4：填充缺失值

经过筛选后，需要继续处理字段中的空值。由于作者名称、作品标题等字段后续会用于分组、标题关键词识别和图表展示，如果存在空值，可能导致后续处理异常。因此，需要使用“填充缺失值”组件对空值进行统一处理。

步骤5：字段选择

原始数据中可能存在一些与分析无关的辅助字段，例如source_file，该字段主要用于表示采集批次，在后续分析中作用不大，因此可以剔除。通过“字段选择”组件，只保留后续实验需要使用的核心字段。

保留字段如下：

date, author_name, title, platform, likes, favorites, shares, coins, views, url

步骤6：输出目标表

最后，将清洗后的重点平台作品明细数据输出到content_analysis表中。运行转换流后，需要进行数据探查，检查输出结果是否符合要求。

检查重点包括：

六、实验结果分析

通过本实验，原始自媒体运营数据被整理为两张结构清晰、用途不同的数据表。summary_all_platforms保存全平台聚合结果，能够用于展示全班作品发布规模、平台覆盖情况和整体浏览互动情况；content_analysis保存B站和CSDN的有效作品明细，能够用于后续计算互动指标、提取标题特征和制作排名图表。

本实验的关键在于分支处理。全平台概况统计不删除平台数据，保证整体指标完整；重点平台分析则通过过滤条件去除无效记录，使后续分析更加准确。经过清洗与预处理后，数据结构更加规范，也为后续特征工程和可视化分析奠定了基础。

基于这些特点，本实验的可视化分析重点如下：

三、仪表盘布局思路

本实验仪表盘采用“先总后分、左右对照”的布局方式。

整体阅读路径为：先通过指标卡建立整体认知，再通过排名图发现表现差异，然后通过标题影响分析定位原因，最后通过趋势图观察数据变化规律。

【截图位置2.7.3-2：仪表盘布局草图或整体规划截图】

四、实验步骤

步骤1：连接数据源

进入助睿BI平台后，选择前面实验已经生成的数据表。由于团队私有数据库数据源通常已经完成连接，因此本实验可以直接使用实验7-1和实验7-2输出的结果表。

【截图位置2.7.3-3：进入助睿BI平台截图】

步骤2：构建数据集

本实验需要创建三个数据集。

【截图位置2.7.3-4：创建summary_all_platforms数据集截图】

【截图位置2.7.3-5：创建content_analysis数据集截图】

【截图位置2.7.3-6：创建title_feature_analysis数据集截图】

步骤3：制作核心指标卡

指标卡用于展示最关键的总体数据，使读者能够快速了解全班自媒体作品的整体运营情况。根据实验手册，本部分指标卡分为全平台概况和重点平台概况两类。(community)

【截图位置2.7.3-7：全平台作品数指标卡截图】

【截图位置2.7.3-8：分发平台数指标卡截图】

【截图位置2.7.3-9：全平台总浏览数和总互动数指标卡截图】

【截图位置2.7.3-10：B站和CSDN核心指标卡截图】

步骤4：制作排名分析图表

排名图表主要用于回答“谁做得好”和“什么内容表现好”这两个问题。学生排名侧重观察个人整体运营水平，作品排名侧重发现单篇爆款内容。

通过学生排名和作品排名结合分析，可以先找到表现突出的学生，再进一步查看其具体作品标题、平台和互动情况，从而总结可借鉴的运营经验。

【截图位置2.7.3-11：B站学生平均播放量TOP10图表截图】

【截图位置2.7.3-12：B站作品播放量TOP10图表截图】

【截图位置2.7.3-13：CSDN学生平均阅读量TOP10图表截图】

【截图位置2.7.3-14：CSDN作品阅读量TOP10图表截图】

步骤5：制作标题影响分析图表

标题影响分析是本实验中较有业务价值的部分。由于作品内容较为接近，标题写法可能成为影响点击和互动的重要因素。实验7-2已经生成了title_feature_analysis表，因此本实验可以直接使用该表分析不同关键词的互动效果。

标题关键词提升倍率计算公式为：

提升倍率 = avg_interaction / overall_avg

如果提升倍率大于1，说明包含该关键词的作品平均互动数高于整体平均水平；如果提升倍率小于1，则说明包含该关键词的作品互动效果低于整体平均水平。

【截图位置2.7.3-15：B站标题特征提升倍率条形图截图】

【截图位置2.7.3-16：B站标题特征平均互动数对比图截图】

【截图位置2.7.3-17：CSDN标题特征提升倍率条形图截图】

【截图位置2.7.3-18：CSDN标题特征平均互动数对比图截图】

步骤6：制作趋势分析图表

趋势分析用于观察播放量或阅读量随采集日期的变化情况。需要注意的是，这里的日期是采集日期，不一定是作品发布时间。因此，趋势图展示的是截至某个采集日期，平台作品累计播放量或阅读量的变化。

趋势图的解读重点包括曲线是否持续上升、是否出现拐点、是否趋于平稳。如果曲线持续上升，说明作品可能存在持续传播效果；如果先上升后平稳，说明流量可能逐渐达到平台曝光上限；如果波动较大，则可能受到发布时间、平台推荐机制或个别作品表现的影响。

【截图位置2.7.3-19：B站每日播放量趋势折线图截图】

【截图位置2.7.3-20：CSDN每日阅读量趋势折线图截图】

步骤7：搭建综合仪表盘

完成所有图表后，将指标卡、排名图、标题影响图和趋势图整合到一个综合仪表盘中。仪表盘顶部放置核心指标卡，中部按照B站和CSDN左右分栏展示排名和标题分析，底部放置趋势分析图表。这样的布局能够让读者按照“整体情况—平台表现—标题影响—时间趋势”的顺序理解数据。

【截图位置2.7.3-21：综合仪表盘编辑页面截图】

【截图位置2.7.3-22：综合仪表盘最终展示效果截图】

五、图表解读方法

六、实验结果分析

通过本实验，可以从多个维度观察自媒体作品运营情况。核心指标卡展示了整体作品规模、平台覆盖情况和总浏览互动情况，使读者能够快速了解本次数据的基本情况。排名图表进一步展示了不同学生和不同作品之间的表现差异，有助于发现表现较好的学生和具有代表性的爆款作品。

标题影响分析是本实验的重要分析部分。通过比较不同关键词对应的平均互动数和提升倍率，可以判断某些标题表达是否更容易获得用户关注。例如，如果“实战”或“教程/指南”的提升倍率高于1，说明这类标题可能更容易让用户感受到内容的实用价值，从而提升点击和互动。但在解释结果时，还需要结合样本数量判断，避免因为样本过少导致结论不稳定。

趋势分析则展示了B站播放量和CSDN阅读量随采集日期变化的情况。如果趋势线持续上升，说明作品仍在不断获得浏览；如果趋势线逐渐平稳，说明作品流量可能已经接近稳定状态。通过趋势图，可以进一步判断作品是否具有持续传播效果。

七、实验小结

本实验完整完成了从数据清洗到特征构建，再到可视化探索的全过程。实验7-1通过助睿ETL对原始自媒体数据进行清洗，输出了全平台概况表和重点平台内容分析表；实验7-2在内容分析表基础上计算互动总数并提取标题关键词特征，同时生成关键词级别的汇总表；实验7-3则基于这些结果表，在助睿BI中制作核心指标卡、排名图、标题影响分析图和趋势图，最终形成综合仪表盘。

整体来看，本实验不仅完成了数据处理流程，也体现了完整的数据分析思路：先保证数据质量，再构建具有业务意义的分析指标，最后通过可视化图表提炼运营结论。通过该实验，可以更清楚地理解自媒体运营分析中“数据清洗—特征工程—可视化洞察”之间的关系。