如何统计 Instagram 去重评论账号数，避免将评论者当作粉丝

1. 明确参与情况统计的范围

采集数据之前，先写明研究问题。例如：“在这些选定帖子中，我们观察到的一级评论里出现了多少个已知账号？”一级评论是直接发表在帖子下的评论，而不是对其他评论的回复。

将以下信息与表格一起保存：

观察时间和评论日期范围的用途不同。评论的发布日期可能早于采集日期。两种日期都有记录时，应同时保留。

合并统计时，同一账号在所有选定帖子中只计一次。不要把各篇帖子的账号数相加后，称为去重账号数。同一账号可能在多篇帖子下发表评论。

有一个公开问题询问如何找到在特定帖子下发表评论的用户。这支持从已知帖子及其评论作者入手，但不能据此对全部受众或这种方法的需求作出判断。公开问题，检索于 2026 年 8 月 11 日；仅一条问题记录。

2. 选择数据来源，进行小规模采集并核查

如果手工记录的细节足以回答问题，就使用手工记录。保存帖子地址和每条评论的来源证据。如果无法确认稳定的作者 ID，就将作者身份保留为未确认状态。仅有可见的用户名，不能替代所需的 ID。

如果使用现有的账号所有者导出数据，应先核查其范围和字段。将仅账号所有者可见的记录与公开评论记录分开保存。公开评论不能证明购买行为。购买记录必须有自己的来源，并且经过核实、能够关联到相应账号，才能支持将该账号认定为买家。

对于规模较大的公开评论采集，文档表明 Instagram Comments Scraper 适合这一用途。Actor 是托管运行的数据采集程序。该 Actor 的文档说明，它无需登录或使用 Cookie，即可采集 Instagram 公开一级评论。你仍需自行建立表格并核查账号统计结果。

以下输入是所提供的小规模采集配置。使用前，请将示例地址替换为目标公开帖子或 Reel 的地址。

{"collectAllAvailable":false,"commentSortMode":"default","maxCommentsPerPost":10,"postUrls":["https://www.instagram.com/reel/DZu6dkVyImf/"]}

这些设置的含义如下：

1. `postUrls` 存放待核查的公开帖子或 Reel 地址。
2. 在这份输入中，`maxCommentsPerPost` 将每篇帖子保存的去重一级评论限制为十条。
3. `commentSortMode` 保留默认评论顺序。
4. `collectAllAvailable` 保持为 `false`，因此采集上限仍然生效。

已根据所提供的公开输入结构定义核查输入格式。该定义说明了接受的字段和值。本指南没有实际运行采集。文档所对应的构建版本为 0.1.21，核查日期为 2026 年 10 月 25 日。公开构建版本和字段定义，核查于 2026 年 10 月 25 日；仅限文档。

该 Actor 的文档还列出了可选字段 `commentsFrom` 和 `commentsUntil`。它们按评论发布日期筛选，包含指定的开始和结束日期。所提供的输入没有使用这两个字段。如果添加它们，请将字段值与结果一起记录。

排序选项 `newest` 和 `oldest` 按日期对已采集样本排序。不要将排序后的样本视为已采集全部评论的证据。取消数量上限也不能证明覆盖完整。当公开数据流结束、时间耗尽或数据来源出现故障时，采集仍可能停止。

有一个公开的将 Instagram 评论导出为 CSV 的 Task，核查于 2026 年 10 月 25 日；仅确认页面存在。Task 是已保存的输入预设。其保存的设置未经登录账号核查，本指南也没有运行该 Task。使用前请核查其输入。CSV 指逗号分隔值，是一种用于表格数据的文件格式。

3. 计数前先保存来源字段

保持原始导出数据不变。使用副本建立工作表，以便逐项对照来源核查结果。

保存文档列出的以下字段：

将 ID 保存为文本，避免表格软件对其四舍五入或改变格式。作者字段是 `ownerId`。匹配来源数据行时，请使用这一准确字段名。

文档中的时间使用 UTC，即协调世界时。请保留原始时间。如果显示本地时间，请注明时区，并保留来源中的原值。

缺失值不等于零。在文档所述的输出中，`null` 表示无法获取。例如，`likesCount` 为 `0` 表示已知点赞数为零；值为 `null` 则表示无法获取点赞数。同样，`ownerVerified` 为 `false` 表示已知其值为假；`null` 则表示状态未知。

`repliesCount` 是数量，不是这些回复的正文或作者记录。不要把它加入已采集的评论行数，也不要用它推算更多作者。当前的数据输出约定不包含粉丝名单或点赞者名单。输出定义和采集范围，核查于 2026 年 10 月 25 日；没有实际运行结果。

4. 先建立评论表，再建立账号表

先建立评论表，每个不重复的 `commentId` 占一行。“不重复”指每个不同的 ID 只出现一次。

按以下步骤操作：

1. 将 `commentId` 相同的重复行归为一组。
2. 保留一条评论记录用于计数。
3. 保留指向所有出现过该评论的来源数据行的链接。
4. 如果做过多次核查，请在单独的采集日志中保留各次采集时间。
5. 评论 ID 不同，就保留为不同评论，即使正文相同。

同一账号发表的两条评论仍计为两条评论。去除同一评论的重复观察记录，与每位作者只计一次，是两种不同的操作。

确认使用该表之前，先核查存在冲突的来源数据行。如果同一评论 ID 在不同记录中对应不同的作者 ID，请保留来源证据，并在核实前将作者关联标记为未确认。不要为了凑齐统计结果而随意选择一个 ID。

如果工作记录缺少可用的评论 ID，在核查之前，不要将其计入已确认的去重评论总数。正文相同不能证明两条记录描述的是同一条评论。

接着建立账号表，每个已知的 `ownerId` 占一行。将每个账号关联到能够提供依据的评论 ID。自行在表中建立以下列：

这些是你自行创建的分析列，不是 Actor 的额外输出。

不要将作者 ID 缺失的记录放入已知账号表。也不要把所有缺失 ID 都归入同一个“未知账号”，这样会凭空建立身份关联。应将受影响的评论保留在单独的未确认记录表中。

5. 分别统计账号数和作者不明的评论数

根据核查后的评论表计算三个主要数值：

1. 去重评论数：已知且不重复的 `commentId` 值的数量。
2. 已知作者账号数：与这些评论关联的已知且不重复的 `ownerId` 值的数量。
3. 作者不明的评论数：作者身份仍缺失或未确认的去重评论数量。

报告中应保留统计单位。评论条数、账号个数和人数是不同的单位。

作者不明的评论可能来自表中已有的账号，也可能来自其他账号。多条作者不明的评论也可能出自同一作者。因此，不要每缺少一个作者 ID，就增加一个账号。

使用“账号数”，不要使用“人数”。一个人可能运营多个账号，而所提供的来源无法确认每个账号由谁运营。评论也不能证明作者是粉丝、发生过购买，或账号之间存在某种关系。

6. 用原创虚构示例核对计算

原创虚构示例：本例中的所有 ID 和数量均为虚构。该表示范统计方法，不是 Actor 的运行结果。以下六行有六个不同的评论 ID。

已知账号表如下：

作者不明的评论表包含以下记录：

计算如下：

• 已知作者的评论数：2 条评论 + 1 条评论 + 2 条评论 = 5 条评论。
• 去重评论总数：5 条已知作者的评论 + 1 条作者不明的评论 = 6 条评论。
• 已知作者去重数：账号 A + 账号 B + 账号 C = 3 个账号。
• 作者不明的评论数：1 条评论。

报告应写为：“观察到的记录中共有六条不重复的一级评论：其中五条来自三个已知作者账号，一条的作者身份不明。”

不要报告为恰好四个账号。C4 可能来自 A、B、C，也可能来自其他账号。不要报告为六个人、三位粉丝，也不要将任何账号认定为客户。

C2 和 C6 仍计入评论数，但不会增加已知账号数。C4 保持未确认状态；不删除，也不凭猜测指定作者。

7. 仅在需要时补充公开个人主页信息

统计评论参与情况不需要全面核查个人主页。只有研究问题需要账号当前的公开背景信息时，才增加个人主页核查。

只核查你已验证过的已知公开个人主页地址。保存核查日期，并将个人主页表与评论表、账号表分开保存。不要把不确定的用户名当作已确认的账号匹配结果。

后续的个人主页核查，只能描述核查当时可获取的信息。它不能证明账号是粉丝、是买家，也不能证明两个账号之间存在某种关系。如果没有经过核实的身份关联，也不能因此将未知作者改为已知作者。

如果之后需要清理重复的个人主页记录，请使用单独的 Instagram 个人主页身份去重指南。这是后续的个人主页记录处理任务。评论参与情况的统计仍应以其自身的来源 ID 为依据。

如果下一步是审核活动参与记录，请使用 Instagram 抽奖参与资格指南。这里的参与情况统计不决定参与资格。观察到的评论者账号不会自动成为有效的活动参与记录。

8. 核查表格并说明采集限制

只有通过以下核查，才能确认采用结果：

1. 每条计入统计的评论都能关联到来源数据行和选定帖子。
2. 每个计入统计的账号都能关联到至少一条具有已知作者 ID 的评论。
3. 多次观察到同一条评论，不会增加去重评论数。
4. 同一作者发表多条评论，不会增加已知账号数。
5. 作者 ID 缺失的记录保持未确认状态。
6. 已知作者的评论数与作者不明的评论数相加，等于去重评论总数。
7. 报告说明了选定帖子、采集时间、评论范围和限制。

某项核查未通过时，请保留受影响的记录，并说明原因。使用以下处理表：

采集数量低于上限，仍不能证明覆盖完整。应报告实际观察到的内容。除非有其他证据支持，否则不要使用“所有评论者”的说法。

重复采集时，请保留采集日志，并在各次导出数据之间匹配评论 ID。文档列出的输入没有“自上次运行以来”或“仅新评论”的开关。不要假设再次运行只会返回新记录。输入范围，核查于 2026 年 10 月 25 日；仅限文档所列设置。

报告应同时列出评论数、已知账号数、作者不明的评论数、帖子覆盖情况和采集限制。请说明回复、粉丝、点赞者和非公开客户记录都不在本次公开一级评论分析的范围内。