采回来的小红书数据一团乱？五步洗成能用的表
上一篇讲了不写代码怎么采集，很多人照着做了，然后卡在下一步：表格是有了，但「1.2万」和「12000」混在一列没法排序，发布时间一列写着「昨天」「3 天前」，同一篇笔记因为多次采集出现了三行。这样的表直接分析，结论一定是错的。先洗，再看。五步，Excel 或 WPS 就够。
第一步：去重
多次采集必然有重叠。用笔记链接（或「标题+账号名」）作为唯一标识，Excel 的「删除重复项」一键解决。注意保留采集时间最新的那一行。同一篇笔记，上周和这周的点赞数不一样，新的才是现状。
第二步：数字归一
「1.2万」「3456」「10w+」必须统一成纯数字，否则排序和求和全是错的。量不大就手改，量大用公式：查找「万」字，有则去掉后乘以 10000。处理完做个抽查：把这一列降序排一遍，看头尾有没有明显荒唐的值（比如一列里冒出一个 1.2，多半是「1.2万」漏乘了一万）。
第三步：日期归一
「昨天」「3 天前」「07-12」统一成标准日期（2026/07/12 这种格式）。相对时间要用采集那天倒推，所以采集时记下采集日期非常重要，这也是上一篇强调「每周固定时间采」的原因之一。日期归一之后，「近 30 天发文量」这类关键指标才算得出来。
第四步：打标签，补两列
原始数据只有平台给的字段，真正值钱的是你补的两列：题材（教程 / 测评 / 清单 / 经验分享……）和形式（图文 / 视频 / 合集）。这两列只能人工打标，50 篇也就二十分钟，打完你对这个赛道的理解会上一个台阶。标签体系别贪细，一层、五六个值封顶，否则每类只有两三篇，什么也比不出来。
第五步：算派生指标
最后加两列公式：互动效率（互动量 ÷ 账号粉丝数，粉丝量差很多的账号之间也能比）和发布至今天数（用来判断一篇的互动是不是还在涨）。这两列一出来，「哪类题材的普通账号也能拿到互动」这种问题，一个数据透视表就有答案。
五步走完，这张表就「能用」了。下一步怎么读？回到选题验证那篇的三个指标：供给量、互动中位数、头部集中度。现在你手里这张干净的表，每一个都算得出来。
