阅读对话，您可以发现人们可能会以您未曾想到的方式说话，。 1. 确定数据集 广泛的主题和主题通常比品牌查询带来更有趣的结果。您想分析一种类型的对话，而不是特定的品牌。 在对话主题中，您仍然需要明确定义问题，以便您可以创建有针对性的查询并减少数据中的噪音。 决定你的数据集 举个例子，假设你想知道看过这部电影的人对新电影《捉鬼敢死队》的看法。如果你只是对《捉鬼敢死队》进行了查询，那么会有很多关于全女性演员阵容或莱斯利·琼斯在推特上受到辱骂的讨论。
剩下的数据可以让你看到人们除
通过编写包含人称代词、电影品牌提及、人们说 巴西电报数据库 “刚看过/观看过”等等的查询，您将获得更干净的数据集而无需对其进行过多的操作。 2. 清理数据 这可能是揭示有趣且更隐蔽的消费者洞察的重要方式。许多话题可能被几个明显且流行的主题所主导，因此洞察在对比中被忽略了。 您希望展示具有唯一值的基础主题，而不是在主题云/趋势线上可以轻松看到的内容。为此，您可以查看初始查询结果以确定热门主题，然后使用标签排除这些提及。
了已知的信息之外还说了什么
删除转发信息也很有用，这样你就可以只 阿根廷 WhatsApp 号码列表 保留原始对话。 3. 随机抽样 虽然自动化可能是一种有用的工具，但我们这里讨论的分析类型是人为主导的。这意味着您需要一个可管理的数据集。它需要足够大以代表提及的内容，但又要足够小以便可以完整详细地阅读。在处理提及内容时将其标记出来，以确保覆盖整个样本。 这使您可以进行下一步…… 4. 使用分组类别进行阅读和编码 执行此步骤没有正确的方法，很大程度上取决于您的数据集。
