高质量外链域名，批量页面只有一部分被发现时怎样划分对照组
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /d60cca0a633e.html
📄
高质量外链域名，批量页面只有一部分被发现时怎样划分对照组
先给结论：不要按“已发现/未发现”直接分组，那样两组从一开始就不同。更可行的做法是先按外链域名的来源结构分层，再在每一层内部用页面自身属性做配对，最后只比较同层内的差异。缺少完整数据或权限时，你仍能完成分层和配对，但只能得到“下一步该查什么”，不能得出某个外链域名导致发现差异的结论。
为什么直接按发现状态分组会失效
被发现与未被发现的页面，往往在模板、目录深度、发布时间、内链数量上就已经不同。把这些页面直接分成两组比较外链，等于把页面自身差异和外链差异混在一起。即使两组的外链域名数量差别明显，也无法判断是外链起了作用，还是页面本来就更容易被处理。
可执行的最小动作：导出这批页面的已知属性，至少包括模板类型、目录层级、首次发布时间、站内入链数。如果这些属性在两组间分布明显不同，说明直接分组不可用，必须进入分层。这一步的产出是“哪些属性需要作为配对条件”，而不是外链结论。
按外链域名来源结构分层
把每个页面的外链域名按来源类型拆开，而不是只数总量。常见的可区分维度包括：同一域名是否同时链向多个目标页、该域名是否只链向这一个页面、外链出现在页面正文还是导航或页脚。这三个维度不需要搜索平台后台权限，从已有外链数据里就能整理。
分层后，每一层内部的页面在外链结构上更接近，比较才有意义。例如“单一域名只链一个页面”和“同一域名链向多个页面”应分成两层，因为后者的链接信号分布方式本身就不同。
- 保留：某一层内已发现和未发现的页面数量都足够，可以继续做配对比较。
- 改写：某一层内样本太少，无法配对，就把它并入结构最接近的相邻层，并记录合并原因。
- 退出：某一层的外链数据缺失严重，无法判断来源结构，这一层不参与比较。
在层内用页面属性做配对
配对的意思是：在同一个外链结构层里，为每个已发现页面找一个模板、目录层级、发布时间都接近的未发现页面。配对后比较的是配对之间的差异，而不是两组平均值。这样能减少页面自身属性带来的干扰。
假设一个短例子：某层内有 20 个已发现页面和 8 个未发现页面，按模板和目录层级配对后得到 6 对。若 6 对中有 4 对是已发现页面拥有更多同域名多页链接，这只是提示下一步应检查该域名的链接分布，不能说明该域名导致被发现。样本量小、配对条件多，都可能让这个差异不稳定。
可执行动作及结果：完成配对后，先看配对是否覆盖了主要模板和目录层级。如果配对只集中在某一个模板，说明比较范围被压缩，下一步应补充其他模板的样本，而不是扩大结论。
缺少权限时能做什么、不能推出什么
没有搜索平台后台、没有完整抓取日志时，仍可执行的最小动作是：用公开可获取的页面属性做分层和配对，记录每个页面的外链域名来源结构。这样能得到的是“哪些层内差异值得进一步核查”，而不是发现原因。
不能推出的结论包括：某个外链域名导致页面被发现；外链数量多就一定更容易被发现；被发现比例低就说明外链质量差。请求量、抓取量或某项统计归零，也不能单独证明处理正确，因为还可能是统计口径变化、抓取预算调整或页面本身状态变化。robots.txt 的抓取限制不等于可靠的索引移除，站点地图不保证收录，这些都不能用来替代分层和配对。
保留、改写还是退出
三种取舍各有前提。保留适用于：层内已发现和未发现页面数量都足够，配对条件能覆盖主要模板，且外链来源结构数据完整。改写适用于：层内样本不足，但相邻层结构接近，合并后仍能保持配对条件一致。退出适用于：外链数据缺失严重，或配对后两组在页面属性上仍无法接近，此时继续比较只会放大偏差。
选择退出不等于放弃这批页面，而是把资源转向能补齐数据的动作，例如先整理外链域名清单、确认页面属性是否可获取。等数据条件满足后，再重新分层和配对。整个流程的产出始终是下一步核查方向，而不是因果关系结论。
