Marketing Miner ：捷克共和国、斯洛伐克和波兰。 3、数据清洗 获得背景数据后，有必要在分析中剔除“镇流器”，即不属于分析且对客户无用的问题。根据您运行关键字分析的工具，我们将此步骤分为两个部分： 3.1. Excel 中的数据清理 在Excel中，数据清理有点笨拙，但即便如此，分析也能相对高效地进行处理。特别是对于较大的数据集，Excel 不是最佳解决方案，我建议跳到下一节，我们在 OpenRefine 工具中解决相同的过程。
对于较小的数据集Excel 就足够了
3.1.1.识别不相关的模式 首先，我们需要摆脱不属于分析的最大查询模式。不幸的是，Excel 没有高质量且简单的函数来显示 法国 Whatsapp 号码 我们可以涂抹的单词和模式的出现频率。这就是为什么我使用词云生成器来可视化最常见的单词。就我而言词云演示 用户只需将所有问题放入输入中，词云就会负责可视化最常见的单词。一旦我发现其中一个不属于输出，那么： 我会去Excel。
我将为整个分析创建一个过滤器
通过文本过滤，我找到包含给定“排除”短语或模式的所有查询。 我删除这些行。 这就是我对所有图案进行润滑的方法。然后，当我 美国电报号码 在词云中找不到要排除的任何内容时，我会再次复制输出并再次创建词云。其中，可能会出现新的润滑模式。如果没有，我将继续手动清理，逐行浏览整个数据集并删除不相关的查询。 3.1.2. Excel 中的分类 在分类的情况下，您可以使用与识别不相关查询相同的过程，即根据分析中的查询创建词云，并在其中查找模式以进行分类。
