自媒体运营分析-BI可视化仪表盘制作

一、实验目的

本实验基于前两次实验输出的数据表,使用助睿BI构建自媒体运营分析仪表盘,将全平台概况、重点平台排名、标题影响和趋势变化整合到同一套可视化分析页面中。

• 掌握在助睿BI中基于 summary_all_platforms、content_analysis、title_feature_analysis 创建数据集的方法。

• 能够制作核心指标卡、TOP排名图表、标题影响分析图和趋势折线图。

• 理解仪表盘布局中"先总后分、左右对照、从现状到洞察"的设计逻辑。

• 能够从图表中提炼业务洞察,为自媒体内容运营提出优化建议。

二、实验环境与数据

|--------|---------------------------------------------------------------------|
| 项目 | 内容 |
| 实验平台 | 助睿在线实验平台(https://lab.guilian.cn/) |
| 数据平台 | 助睿数智(Uniplore) |
| 实验工具 | 助睿BI |
| 数据来源 | summary_all_platforms、content_analysis、title_feature_analysis 三张数据表 |

三、仪表盘设计思路

本实验采用"先总后分、左右对照"的布局。顶部指标卡先展示全平台与重点平台的核心情况,帮助读者建立整体认知;中部通过B站和CSDN排名图表对比学生和作品表现;下部通过标题特征和趋势图进一步解释差异原因和时间变化规律。

|--------|----------|------------|------------------------|
| 模块 | 图表类型 | 回答的问题 | 数据来源 |
| 核心指标 | 指标卡 | 整体表现如何 | summary_all_platforms |
| 排名分析 | TOP10排名图 | 谁做得好、什么内容好 | content_analysis |
| 标题影响 | 条形图/柱状图 | 哪些标题关键词更有效 | title_feature_analysis |
| 趋势分析 | 折线图 | 数据随时间如何变化 | content_analysis |

四、实验步骤

4.1 连接数据源并创建数据集

  1. 进入助睿BI实验环境,确认团队私有数据库数据源已经可用。

  2. 分别基于 summary_all_platforms、content_analysis、title_feature_analysis 创建全平台概况数据集、重点平台深度分析数据集和标题关键词互动数据集。

  3. 检查每个数据集的字段类型和字段名称,确保浏览量、互动量、标题特征、日期等字段可以被图表正确引用。

图1 构建数据集步骤示意

图2 创建全平台概况数据集

图3 创建重点平台深度分析数据集

图4 创建标题关键词互动数据集

4.2 制作核心指标卡

  1. 基于全平台概况数据集制作全平台作品总数、分发平台数、全平台总浏览数、全平台总互动数四个概况指标。

  2. 继续制作B站作品数、CSDN作品数、B站总播放量、CSDN总阅读量四个重点平台指标。

  3. 将核心指标放置在仪表盘顶部,形成从全局规模到重点平台表现的阅读路径。

图5 全平台作品总数指标卡

图6 分发平台数指标卡

图7 全平台总浏览数指标卡

图8 全平台总互动数指标卡

图9 B站作品数指标卡

图10 CSDN作品数指标卡

图11 B站总播放量指标卡

图12 CSDN总阅读量指标卡

4.3 制作排名分析图表

  1. 制作B站学生平均播放量TOP10,用作者名称作为维度、平均浏览量作为指标,降序排序并限制前10名。

  2. 制作B站作品播放量TOP10,用作品标题作为维度、浏览数量作为指标,找出单篇爆款内容。

  3. 以相同思路制作CSDN学生平均阅读量TOP10和CSDN作品阅读量TOP10,用于左右平台对照。

图13 B站学生平均播放量TOP10

图14 B站作品播放量TOP10

图15 CSDN学生平均阅读量TOP10

图16 CSDN作品阅读量TOP10

4.4 绘制标题影响分析图

  1. 基于标题关键词互动数据集,计算关键词作品平均互动数与整体平均互动数的提升倍率。

  2. 分别制作B站标题特征提升倍率水平条形图和标题特征对比柱状图,观察不同关键词在B站中的效果差异。

  3. 继续制作CSDN标题特征提升倍率条形图和标题特征对比柱状图,对比同一关键词在不同平台中的表现。

图17 B站标题特征提升倍率水平条形图

图18 B站标题特征对比柱状图

图19 CSDN标题特征提升倍率条形图

图20 CSDN标题特征对比柱状图

4.5 制作趋势图并搭建综合仪表盘

  1. 基于重点平台深度分析数据集制作B站每日播放量趋势折线图,观察播放量随采集日期的累积变化。

  2. 制作CSDN每日阅读量趋势折线图,对比两个平台的增长节奏。

  3. 按照"指标卡置顶、排名居中、标题分析与趋势分析补充解释"的结构搭建综合仪表盘。

  4. 预览最终仪表盘,检查图表位置、标题、筛选条件和视觉层级是否清晰。

图21 B站每日播放量趋势折线图

图22 CSDN每日阅读量趋势折线图

图23 综合仪表盘参考布局

图24 最终仪表盘效果一

图25 最终仪表盘效果二

五、实验结果

本实验完成了一套自媒体运营分析BI仪表盘。仪表盘包含全平台与重点平台指标卡、B站/CSDN学生和作品排名、标题关键词影响分析以及每日流量趋势图,能够从整体规模、平台差异、内容表现、标题效果和时间变化多个角度支撑运营分析。

六、实验心得与收获

通过本次实验,我体会到BI仪表盘的价值不仅在于把图表做出来,更在于让图表共同回答业务问题。指标卡用于快速建立现状认知,排名图用于发现优秀案例和差距,标题影响分析用于解释内容差异,趋势图则帮助判断增长是否持续。将这些图表按阅读逻辑组织起来后,数据分析结果更容易被理解,也更便于形成可执行的内容优化建议。

相关推荐
ben9518chen6 分钟前
mysql数据库基本操作
数据库·mysql
2603_9651481111 分钟前
电商选品调研:通过关键词搜索API获取市场热销商品,结合商品详情API分析竞品卖点与定价
开发语言·数据库·人工智能·python·信息可视化
土豆.exe28 分钟前
nf_tables 的 verdict 被读了两次:一个十年未闭合的位域错配
java·数据库·网络安全·缓存
缓慢更新1 小时前
表单引擎的存储建模:宽表与文档库的取舍
运维·服务器·网络·数据库·低代码·oracle·适配器模式
Web3&Basketball3 小时前
实测Gemini4Argon:ERQA 87%登顶长程任务榜
数据库·python·大模型·多模态·gemini·长上下文·推理优化
xiaogai_gai3 小时前
金蝶收料通知单查询策略实战教程:从源系统拉取到中间层落地的完整路径
java·前端·数据库
注塑机数据采集联网3 小时前
注塑机数据采集网关对接MES系统数字化技术方案
大数据·网络·数据库·物联网·数据挖掘·数据分析
像风一样自由20203 小时前
56.实战PostgreSQL-pgvector-FastAPI构建轻量级RAG
数据库·人工智能·postgresql·大模型·fastapi·智能体
User_芊芊君子4 小时前
KFS异构同步_260条链路DDL自动转换解析
数据库·ai·大模型
xiancai_xianyu4 小时前
Text2SQL落地生产库前,SQL要过哪三道闸
前端·数据库·sql·sql注入·text2sql·ai agent开发·企业级ai框架