新闻动态  >  正文

【转】竞品数据偷窥

作者: 百讯易 时间: 2016-02-02 10:52:24 浏览次数:

首先,我们来了解下 Google 的高级搜索功能。

传送门:http://www.google.com.hk/advanced_search

表单功能很强大,可以通过关键词进行搜索,也可以选择字词出现的位置。比如,我们现在想看简书有多少文章。根据文章的链接,http://www.jianshu.com/p/cba3e43cd5b0

我们可设置参数,包含关键字: "p" ,域名为:"www.jianshu.com"。

allinurl: "p" site:www.jianshu.com 

可以看出简书大概 1,100,000 条发布的文章,那么这个数据是不是准确的呢?除了 Google 这个渠道,还有另外获得数据的方式么!

通常我们还可以通过 URL 来看数据,以知乎的链接为例,很多网站的链接中均会包含数字,有些数字是未经过处理的自增 ID 。也就是说你想知道该产品的数据,可以通过创建一个用户、一个文章、一个问题的方式,来让对象+1,然后查看链接中的数字,就可以大致判断出。

https://www.zhihu.com/question/24325481

但对于简书这种在 URL 中做过放爬处理的产品,就很难看出,这个时候我们可以通过 API 调用来查看,比如喜爱文章、关注用户等。

http://www.jianshu.com/p/cba3e43cd5b0

正常情况下,产品很难把所有的路径都堵上。比如简书虽然在 URL 和前端 API 上都做了 hash 处理。但是当用户新建文章时,URL中依然有对应的文集ID、文章ID。

http://www.jianshu.com/writer#/notebooks/3126817/notes/2938972

由此通过重新创建用户创建文章,可推测出文集数为 3126817(通过文集数可以大致推测用户数),文章数为 2938972。

这与我们通过 Google 获取的数据相比,差了3倍左右。可能的原因:一是搜索引擎没有全量抓取,二是有大量的草稿被创建而没有发布。

尽管通过这些方式获得的数据不是完全准确,但是也可以通过数据曲线的变化,了解产品发展的趋势。