免费版缺少某字段,不等于这个字段无法获得,也不等于付费版一定给出同一口径。可行的补充路径有两条:一是用可重复的外部取样自行生成证据,二是把分歧字段改为双方共同认可的替代指标。选择哪条,取决于该字段是否直接决定下一步动作,以及双方能否接受替代口径。
同样显示“无数据”,成因完全不同。原始数据缺失指工具没有抓到或没有接入该来源,例如外链明细、抓取日志、查询词级数据;加工结果缺失指工具其实有底层数据,只是免费版不展示聚合、对比或导出。前者只能靠外部取样或换数据源补充,后者可以通过改变查看方式或降低粒度绕开。
区分方法很直接:把同一对象在两个位置各查一次。若列表为空但汇总页有数字,缺的是加工结果;若两处都为空,且换一个已知存在的对象也查不到,才更可能是原始数据缺失。注意,查询量归零、抓取记录为空这类现象,也可能来自筛选条件写错、时间窗口没覆盖、对象本身确实没有数据,不能单独作为结论。
当缺失字段会直接改变你的下一步——比如是否继续做某组页面、是否联系某个合作方——替代指标不够,需要自己造一份可复核的样本。
假设某免费版不提供某类页面的收录状态字段。你可以按固定规则抽取三十个网址,逐个用公开查询确认,把结果记成“有记录/无记录/无法判断”三列。如果三十个里有二十个以上能确认,这份样本就足以支撑“先处理这一批”的决定;如果大量落在“无法判断”,说明取样规则本身需要改,而不是继续扩大样本量。
动作与下一步的关系在这里很明确:取样结果中“无法判断”的比例过高时,先修规则再谈结论;比例可接受时,才把清单交给执行方。
多个角色对同一事实理解不同,往往不是数据不够,而是各自看的是不同口径。此时补数据的成本高于统一口径的成本,应先把分歧转成可核对的项目。
替代口径成立的前提是它足以支撑当前决策。如果决策本身依赖精确的数量级,替代指标只能用于排除明显错误,不能用于定优先级。这一点要在动手前说清,否则核对完成后分歧会原样重现。
分界线可以概括为:字段影响“做不做”,就取样;字段只影响“怎么描述”,就统一口径。例外有三种。其一,若缺失字段涉及第三方隐私或权限,自行取样可能不合规,此时只能改口径或放弃该字段。其二,若双方对同一对象的定义都没对齐,先定义对象,任何数据补充都是白做。其三,若该字段在可预见的下一步中会被反复使用,一次性取样不如建立固定记录表,后续每次核对都往里追加。
无论走哪条路,都要在记录里注明假设和限制:样本量、时间窗口、查询方法、无法判断的条目数。这些信息决定了别人能否复核你的结论,也决定了结论能用多久。缺少字段本身不是问题,无法复核才是。