免费版通常只给一个汇总数字,缺少来源域名、目标页、时间戳、状态码这类字段。补充证据的目标不是把免费版变成付费版,而是让每条外链记录能被第三方复核。可行做法有两种:样本量小、只用于内部判断时,用人工抽查补齐关键字段;样本规模扩大、需要交接或对外说明时,改用可导出的原始记录并保留截图与请求日志。两种选择的分界不是外链数量本身,而是“别人能否按你写的字段复现同一条记录”。
把缺失字段分成三类,处理方式完全不同。第一类是识别字段,如来源域名、目标URL、锚文本;这类字段人工可以补,但必须固定采集口径,比如统一记录最终跳转地址而不是短链。第二类是状态字段,如HTTP状态码、是否nofollow、首次发现时间;这类字段会随时间变化,人工补录只能反映“记录那一刻”,必须写明采集时间,否则后续核对会得出不同结论。第三类是数量字段,如总外链数、引用域数;这类字段依赖工具的抓取范围,免费版和付费版、不同时间点都可能不同,不能用手工计数去替代,只能标注“该数字来自某次导出,未独立复核”。
判断依据很直接:如果缺失字段会在几天内变化,就不要把它当成稳定证据;如果缺失字段只是标识信息,人工补齐后可以用另一条独立路径验证,比如直接访问目标页确认链接是否存在。
当你要核对的外链只有几十条、结论只用于自己调整内容或联系对象时,人工抽查是成本最低的选择。具体动作是:从免费版结果中按固定间隔抽取记录,逐条打开目标页,用浏览器查看页面源码,确认链接是否真实存在、是否带nofollow、锚文本是否与工具显示一致。把结果写进一张固定列的记录表,至少包含:来源URL、目标URL、锚文本、链接属性、核对时间、核对方式。
这个动作的结果会直接影响下一步:如果抽查中发现工具显示的链接在页面上找不到,说明该条记录可能已失效或抓取口径不同,此时不应继续扩大样本,而应先确认是工具延迟还是页面已改版。若抽查一致率较高,才可以把这个口径用于更大范围,但仍要标注“仅抽查,未全量核对”。
边界在于:人工抽查无法证明全量数据准确,也不能用于对外承诺。它只适合内部快速判断,不适合交接给不熟悉背景的人。
当外链记录要交给同事、客户或用于跨期对比时,人工抽查的边界就出现了:别人无法复现你的抽样过程。此时应优先选择能导出原始行数据的路径,哪怕导出字段仍然不全。实施动作是:导出CSV或类似结构化文件,保留原始列不做删改,另建一列标注“缺失字段”和“补充来源”。对导出中缺失的状态字段,用独立请求记录补充,例如用命令行请求目标URL并保存状态码与响应时间,命令形式类似 curl -I 目标URL,把输出粘贴到记录中并注明执行时间。
这样做的结果是:每条记录都有两个来源——工具导出和独立请求。两者一致时可信度提高;不一致时,不一致本身就是需要排查的线索,而不是直接判定某一方错误。下一步应优先处理不一致的记录,而不是继续增加样本量。
需要注意的是,导出字段的完整性取决于工具当前版本,具体有哪些列、是否支持导出、导出是否有限制,都需要以你实际使用的版本为准,不能照搬他人描述。
个别样本成立、规模化后出现例外,常见原因是抓取范围、页面改版、跳转链路变化,而不是工具一定出错。遇到例外时,先做三件事:记录例外出现的条件(时间、来源站类型、目标页类型);对同一条记录用第二种方式复核;把例外单独归组,不要混入主表拉低整体判断。
一个假设的例子:某次导出显示100条外链,抽查前20条全部有效,于是推断整体有效。扩大到全部100条时发现后30条集中在同一批来源站,而这些站已改为跳转页。此时正确结论不是“工具数据错误”,而是“该批来源站的链接形态已变化,原口径不适用”。动作上应把跳转页单独标记,并重新定义什么算有效外链,再决定是否继续使用这批数据。
如果请求量、抓取量或某类记录突然归零,也不能单独证明处理正确。它可能是抓取延迟、页面屏蔽、导出范围变化或工具侧调整,需要至少两个独立信号交叉确认后再下结论。
无论选哪种方式,最终都要落到一份别人能看懂的记录。最小结构包括:记录标识、来源与目标、字段缺失说明、补充方式、补充时间、复核结论。可以用无序列表固定这几项,避免每次格式不同导致无法对比。
这套结构的价值在于:当免费版字段不够时,你补的不是数字,而是判断链条。链条完整,后续无论是换工具、升级版本还是交接给他人,都不需要重新解释一遍背景。具体工具是否提供导出、导出包含哪些列、免费版限制如何变化,仍需以你实际打开时的界面和说明为准。