企业官网建设流程全解析

实验7-2 自媒体运营分析：作品特征构建

本实验在 content_analysis 的清洗结果基础上，计算作品互动总数，提取标题关键词特征，并生成关键词级别汇总表 title_feature_analysis，为后续分析标题写法与互动表现之间的关系提供数据。

实验目标

实验7-2的重点是把作品明细进一步加工成可分析的特征数据。需要完成两件事：一是把点赞、收藏、分享、投币等互动指标合成为 total_interaction；二是从标题文本中提取关键词特征，形成 has_best、has_lowcode、has_practice、has_tutorial、has_pit 五个0/1字段。

在作品级字段回填完成后，还要按平台和关键词生成 title_feature_analysis，记录关键词作品的平均互动、平台整体平均互动和样本数。

!

流程概览

本实验包含两条主要流程。第一条流程读取 content_analysis，通过空值处理、JavaScript代码、计算器和插入/更新组件，把互动总数与标题特征回填到原明细表。第二条流程以更新后的 content_analysis 为输入，分别计算平台整体平均互动和关键词作品平均互动，再连接并输出 title_feature_analysis。

回填使用插入/更新组件按 id 匹配原表，避免反复运行时产生重复记录。

关键步骤

第一步，检查 content_analysis 中的作品标题、平台、浏览量、点赞、收藏、分享、投币等字段，为特征构建确认输入基础。

第二步，创建 title_feature_analysis 目标表，字段包括 platform、feature_name、avg_interaction、overall_avg、sample_count 等。

第三步，在JavaScript代码组件中判断标题是否包含“保姆级”“零代码”“实战”“教程或指南”“踩坑”等关键词，并生成对应标志字段。

第四步，用计算器组件计算 total_interaction，计算逻辑为点赞数、收藏数、分享数和投币数相加。

第五步，使用插入/更新组件把 total_interaction 和五个标题特征字段写回 content_analysis。

第六步，构建关键词汇总流程。整体支路按平台计算 overall_avg，关键词支路按平台和关键词过滤后计算 avg_interaction 与 sample_count，最后通过记录集连接和表输出生成 title_feature_analysis。

实验结果

运行完成后，content_analysis 中每条作品记录都拥有互动总数和标题特征标志。title_feature_analysis 中每行对应一个平台与一个标题关键词，可以直接用于计算标题特征提升倍率。

这一步把原本不可直接量化的标题写法转化成结构化字段，让后续可视化能够比较不同标题策略的实际互动表现。