如何给 Instagram Follower 列表去重并保留来源信息

合并 Instagram Followers 或 Following 文件时，请保留原始文件，并在工作副本中建立 ID 优先的键。有 id 时就使用 ID；只有缺失 ID 时，才回退到去掉首个 @、清除首尾空格并转成小写的 username。

然后用 COUNTIF 标记首次出现和重复出现，审查冲突，并且只在保留来源信息后才删除重复行。

Web Tidy 默认已经在单次任务中按 id 去重。本工作流主要用于合并不同日期、来源主页或工具的导出文件。

先定义什么是“重复”#

本页只处理数据清洗，不计算非互关、取关变化或共同粉丝。这些是清洗完成后的独立比较任务。

为什么 full name 和 profile URL 不适合作为键#

• fullName 不唯一。
• profileUrl 通常包含 username，username 改变时它也会改变。
• username 可读但可变，因此只能作为回退键。
• id 是首选匹配键，但必须先将长数字 ID 按文本导入，以免表格软件丢失精度。

Web Tidy 的 14 列输出中，A 列是 id，C 列是 username，J 列是 audience，K 列是 sourceProfile，M 列是 collectedAt，N 列是 rowIndex。以下公式使用 O 列存放 accountKey，P 列存放审查状态。

第 1 步：保留 Raw，创建 Working 副本#

不要直接编辑下载的 CSV/XLSX 文件。把每个文件复制到 Raw_* 工作表，并在 Working 中追加数据行。加入来源文件名、来源工作表和原始行号，确保每个保留行都可以回溯。

第 2 步：将 ID 按文本导入#

导入 CSV 时，把 A 列设置为文本。如果 ID 已经显示成科学计数法，之后再更改单元格格式未必能恢复丢失的数字。请从原始文件重新导入。

第 3 步：创建 ID 优先的 accountKey#

在 O2 中输入：

Copy=IF(A2<>"","id:"&A2,"user:"&LOWER(IF(LEFT(TRIM(C2),1)="@",MID(TRIM(C2),2,99),TRIM(C2))))

A2 有值时，该公式生成 id:<id>；否则，它会清除 C2 的首尾空格、移除一个开头的 @、把 username 转成小写，并生成 user:<username>。

如果 ID 和 username 都为空，请将该行标记为 Missing key，不要把所有空键合并成一个假定的账号。

第 4 步：标记首次出现和重复出现#

在 P2 中输入：

Copy=IF(OR(A2<>"",C2<>""),IF(COUNTIF($O$2:O2,O2)=1,"Keep first","Review duplicate"),"Missing key")

如需统计一个键的全部出现次数，请在 Q2 中输入：

Copy=COUNTIF($O:$O,O2)

向下填充公式，并在删除任何内容前筛选 Review duplicate。Microsoft 建议先复制原始范围，并在永久删除前检查唯一值和重复值。

来源：Microsoft 支持 — 筛选或删除重复值以及统计某个值的出现次数。

第 5 步：删除前审查冲突#

对于每个重复键，请检查：

• ID 是否完全相同；
• 不同 username 是否是同一个 ID 在不同时点的观察值；
• 哪些 sourceProfile、audience 和 collectedAt 值需要保留；
• 哪一行的可选字段更完整；
• 哪些冲突需要人工审查。

审查后，在工作副本中使用 Data → Remove Duplicates，并且只选择 accountKey 列。如果需要保留最新观察值，请先按 collectedAt 排序并记录这条规则。

XLOOKUP 可以把保留键映射回原始行，并返回该行的字段。Microsoft 文档说明它默认使用精确匹配，但 Excel 2016 和 Excel 2019 不提供 XLOOKUP，因此本工作流不强制使用它。

来源：Microsoft 支持 — XLOOKUP。

第 6 步：在不同来源间保留同一账号的重复出现#

如果只想在每个来源主页和 audience 方向内去重，请创建一个范围键：

Copy=LOWER(TRIM(K2))&"|"&LOWER(TRIM(J2))&"|"&O2

同一账号出现在不同来源主页，或同时出现在 Followers 与 Following 中时，会保留为不同行。这符合来源级观察的需求，但不适合计算全局唯一账号数。

核对行数#

删除前请记录：

CopyrawRows = keptRows + duplicateRows + missingKeyRows

删除后，人工抽查 5–10 个重复组，并确认：

1. 长 ID 没有被截断。
2. 同一 ID 的不同 username 没有被拆成两个账号。
3. 不同 ID 的同一 username 没有被静默合并。
4. 所需来源和时间信息已转移到汇总表或来源信息表。
5. 原始文件仍未修改。

误判与错误合并边界#

• **ID 缺失：**username 回退键可以统一格式，但不能证明跨时间的两行属于同一账号。
• **Username 改名：**同一 ID 的不同 username 应使用同一个键，但显示值仍需遵循有记录的时间策略。
• **Username 重用：**不同时点的相同 username 可能并不代表同一账号。
• **不同 ID、相同 username：**保留两行并审查，不要自动合并。
• **跨来源出现：**一个账号出现在两个主页的 Followers 列表中不是错误。是否合并取决于你需要账号级并集还是来源级分析。
• **有界输入：**100、200、500 或 1,000 行上限以及 partial 任务都会限制覆盖范围。去重无法把有界子集变成完整列表。
• **权限：**出现在粉丝文件中不能证明身份、兴趣、营销同意或联系许可。

常见问题#

为什么 ID 比 username 优先？#

ID 是更稳定的匹配键，而 username 可以改变。请把长 ID 按文本导入，避免表格软件先破坏这个键。

单次 Web Tidy 导出还需要再去重吗？#

产品默认按 id 去重。这个表格工作流用于合并多个文件、日期或来源。

可以只按 username 去重吗？#

只有在 ID 缺失时才把 username 作为回退键，并将结果标记为较低置信度。

去重能识别取关者吗？#

不能。历史变化需要两个可比的 Followers 快照，并且要单独审查覆盖范围。

用清洗后的数据进行正确的比较#

• 当前 Following 与 Followers：谁没有在 Instagram 回关你。
• 两个日期的 Followers：如何使用两次导出查看谁在 Instagram 取关了你。
• 两个主页的 Followers：两个 Instagram 账号的共同粉丝。
• 导出方法基础：如何导出 Instagram 粉丝。

打开 Instagram Follower Exporter