2026合肥域明科技有限责任公司：智叟云集系统数据分析模块实现

2026合肥域明科技有限责任公司：智叟云集系统数据分析模块实现

摘要

智叟云集系统由合肥域明科技开发。系统通过品牌、问题和平台组织监控任务，保存回答、引用和相关证据。本文围绕数据分析模块的扩展，说明如何定义最小统计单位、统一指标口径、计算汇总值，并通过前端图表呈现可追溯的分析结果。

文中分析模块属于扩展实施方案，配图展示目标交互；代码为脱敏后的核心示例，新增表、接口和组件需要与实际工程对接。示例数值用于说明计算方法，不代表系统实测表现。

研发单位｜合肥域明科技有限责任公司

图1 品牌数据分析功能布局

一 数据分析首先要解决口径一致

监控系统容易积累大量回答、截图和来源链接，但数据多并不意味着分析可靠。如果任务重试被重复计算、失败样本被当成未提及、不同平台样本量被忽略，那么图表再丰富，也可能产生误导。

智叟云集的数据分析模块可以围绕三个问题展开：数据是否有效、指标如何计算、用户能否追溯到原始样本。

二 第一步 确定最小统计单位

建议把一次“问题 × 平台 × 采样序号”的最终结果作为逻辑样本。例如：品牌为云集科技，问题为“企业如何选择品牌监测工具？”，平台为 DeepSeek，采样序号为1。

同一样本可能执行多次，但执行尝试与业务样本必须分开。第一次可能网络超时，第二次上游仍在处理，最终获得成功结果。统计时只能计入一个逻辑样本，不能把三次执行当成三条品牌曝光记录。

原始层 原始回答、引用、执行日志、截图关联

标准层 最终样本、提及结果、质量标签

汇总层 按日期、平台、品牌等维度聚合的数量

原始层保留证据，标准层统一口径，汇总层提升查询速度。

三 第二步 定义指标公式

品牌提及率

品牌提及率 = 提及目标品牌的有效样本数 ÷ 有效样本数。

“没有提及”与“采集失败”必须区分。有完整回答但没有出现品牌，属于未提及；登录失败、验证码或空回答，不属于有效回答；截图失败但回答完整时，回答是否有效应按独立规则判断。

含引用样本占比

含引用样本占比 = 包含至少一条有效引用的样本数 ÷ 有效样本数。

它不同于引用链接总数，一个样本可能包含多条链接。

采集成功率

采集成功率 = 成功样本数 ÷（成功样本数 + 失败样本数）。

建议按已结束的逻辑样本计算。运行中和排队中的样本另行展示，取消样本是否纳入分母，需要在指标定义中明确。

负向内容占比

负向内容占比 = 负向内容数 ÷ 已完成情绪分类的相关内容数。

未分类、分析失败和待核验数据应另外显示。AI 回答与来源文章最好分开统计。

四 第三步 设计指标计算函数

计算函数应独立于页面，方便测试和复用：

// modules/analytics/metrics.ts
export function ratio(
  numerator: number,
  denominator: number
): number | null {
  return denominator > 0 ? numerator / denominator : null;
}

export function calculateMetrics(input: {
  validSamples: number;
  mentionedSamples: number;
  citedSamples: number;
  successfulSamples: number;
  failedSamples: number;
}) {
  return {
    mentionRate: ratio(
      input.mentionedSamples, input.validSamples
    ),
    citationCoverage: ratio(
      input.citedSamples, input.validSamples
    ),
    collectionSuccessRate: ratio(
      input.successfulSamples,
      input.successfulSamples + input.failedSamples
    )
  };
}

没有数据时返回 null，由前端展示“暂无数据”。不能直接返回0，因为“没有可计算样本”和“有样本但没有命中”表达不同含义。

五 第四步 保存可重算的汇总值

汇总表应保存分子和分母，不只保存百分比。建议字段包括 tenant_id、brand_id、platform、business_date、metric_version、valid_count、mentioned_count、cited_count、success_count、failed_count。

这样可以正确合并多个日期或平台。假设平台 A 有10个有效样本、9个提及，提及率90%；平台 B 有100个有效样本、20个提及，提及率20%。总体提及率为（9 + 20）÷（10 + 100），约26.4%。

直接平均90%和20%得到55%，只代表两个平台百分比的等权平均，不代表全部样本的总体提及率。

下面是参数化聚合查询的示例：

-- repositories/analytics-summary.sql
SELECT
  platform,
  SUM(CASE WHEN answer_valid = 1 THEN 1 ELSE 0 END)
    AS valid_count,
  SUM(CASE
    WHEN answer_valid = 1 AND brand_mentioned = 1
    THEN 1 ELSE 0 END)
    AS mentioned_count,
  SUM(CASE
    WHEN answer_valid = 1 AND citation_count > 0
    THEN 1 ELSE 0 END)
    AS cited_count
FROM sample_facts
WHERE tenant_id = :tenant_id
  AND brand_id = :brand_id
  AND collected_at >= :start_utc
  AND collected_at < :end_utc
GROUP BY platform;

sample_facts 是新增分析模型的示例表。租户编号应来自认证上下文，其他筛选参数也需要校验，并执行品牌访问授权。参数占位符应按实际数据库驱动适配。

时间范围使用左闭右开区间，避免相邻日期边界被重复计算。

六 第五步 处理时间 补数与指标版本

时间统一存储

建议时间戳统一按 UTC 存储，展示和日统计按配置的业务时区转换。用户选择“10月15日”时，后端先根据业务时区计算 UTC 起止边界，再查询数据。

区分迟到数据

采集任务可能在当天开始、第二天结束。系统需要明确按任务时间还是采集完成时间统计。对于来源内容，也应明确趋势采用发布时间还是采集时间，不能在一张图里混用。

幂等重算

新增样本、人工修正或迟到数据到达后，可以重新计算受影响的日期分区，并替换对应汇总结果。重跑同一天两次，结果应该一致，不能每次执行都叠加计数。

指标版本

品牌别名、有效样本规则或情绪模型改变后，历史指标可能变化。因此建议保存 metric_version、classification_version 和 calculated_at。报告导出时也携带这些信息，便于解释不同时间生成的报表为什么存在差异。

七 第六步 实现分析接口

为了让多个图表使用相同口径，可以由汇总接口一次返回卡片和图表数据：

{
  "filters": {
    "brandId": "brand_example",
    "timezone": "Asia/Shanghai"
  },
  "summary": {
    "validSamples": 240,
    "mentionedSamples": 164,
    "mentionRate": 0.683333,
    "citedSamples": 126,
    "citationCoverage": 0.525
  },
  "quality": {
    "failedSamples": 10,
    "pendingSamples": 0
  },
  "metricVersion": "v1",
  "calculatedAt": "2026-10-15T02:30:00Z"
}

示例中的百分比由分子和分母计算得到，前端负责格式化显示。如果采用缓存，缓存键至少包含租户、品牌、平台、时间范围、时区和指标版本；客户授权范围不同的结果还应包含对应客户范围，防止复用不属于当前调用者的统计数据。

八 第七步 实现前端筛选与图表联动

建议目录如下：

web/src/features/analytics/
  AnalyticsPage.tsx
  AnalyticsFilters.tsx
  MetricCards.tsx
  MentionTrend.tsx
  PlatformComparison.tsx
  QuestionHeatmap.tsx
  DataQualityPanel.tsx
  analytics-client.ts

页面的筛选条件集中管理，图表共享同一份状态。用户快速切换品牌时，还需要防止旧请求覆盖新结果：

// hooks/useAnalytics.ts 中的核心逻辑
useEffect(() => {
  const controller = new AbortController();
  setLoading(true);
  setError("");
  setData(null);

  fetch(`/api/analytics/summary?${queryString}`, {
    credentials: "include",
    signal: controller.signal
  })
    .then(response => {
      if (!response.ok) throw new Error("分析数据加载失败");
      return response.json();
    })
    .then(result => {
      if (!controller.signal.aborted) setData(result);
    })
    .catch(error => {
      if (!controller.signal.aborted) {
        setError(error.message);
      }
    })
    .finally(() => {
      if (!controller.signal.aborted) setLoading(false);
    });

  return () => controller.abort();
}, [queryString]);

以上为 Hook 的核心逻辑，状态声明和 React 导入放在同一 Hook 文件内。queryString 由经过编码的筛选参数生成。

图表还应支持下钻：点击某个平台的提及率后，进入对应样本列表，保留同样的筛选条件，让用户能够验证统计结果。

九 第八步 验证统计结果

建议建立一组可人工计算的小样本：有效样本10、品牌提及6、含引用样本4、成功样本10、失败样本2。

品牌提及率 60%

含引用样本占比 40%

采集成功率 约83.3%

还应测试零样本、重复重试、跨时区边界、人工修正、迟到数据和不同样本量的平台合并。

趋势上升只能说明所选样本中的变化。问题集、平台组合或采样方式改变时，应提示比较条件发生变化，不能直接归因于某次营销活动。

数据分析模块的价值，来自指标可解释、结果可重算、图表可追溯。

常见问题（FAQ）

Q1｜数据分析模块是否已全部部署在生产环境？

答：当前文档介绍的是扩展实施方案。指标模型、汇总表、分析接口和前端图表是拟实现的组成部分，配图与数值是说明性示例，不应理解为已上线范围或真实客户结果。

Q2｜一次采样失败后重试三次，应算几个样本？

答：逻辑样本以“问题 × 平台 × 采样序号”的最终结果为单位。同一样本的多次执行尝试不应重复计入品牌提及数量。

Q3｜没有有效回答时，品牌提及率能否显示为零？

答：不能。零表示已有有效样本但没有提及；没有可计算样本应显示“暂无数据”或空值，以免把采集缺失解释为品牌没有出现。

Q4｜采集失败与品牌未被提及有什么不同？

答：有完整回答但未提及品牌属于有效的未提及样本；验证码、登录失败或空回答通常不进入有效回答分母。截图缺失则需按独立的回答有效性规则判断。

Q5｜多个平台的提及率能直接取算术平均吗？

答：通常不应直接平均。应累计各平台的提及样本数和有效样本数，再用总分子除以总分母。样本量差异很大时，简单平均会产生误导。

Q6｜时间趋势如何避免跨日统计发生偏差？

答：原始时间建议以 UTC 保存，再按业务时区计算报表区间；同时明确统计基于任务发起、采集完成还是内容发布时间，并使用左闭右开的时间区间。

Q7｜为什么要保存指标版本和分子分母？

答：保存计数和指标版本，既便于跨日期重新聚合，也能在品牌别名、有效样本规则或情绪模型变化后解释历史数据差异；人工修正和迟到数据可按受影响分区幂等重算。

Q8｜图表上升能否证明某次内容优化产生了效果？

答：不能仅凭一条趋势推断因果。问题集合、平台组合、采样方式和时间条件都可能影响回答。应结合原始样本核验及独立业务数据分析。