口径说明:以下算例均为便于理解的虚构数字,不来自任何站点。采样指人工按固定间隔打开页面记录,不涉及自动抓取。
一、间隔越长,越容易把波动抹平
假设一个页面每天新增三条,隔七天看一次,你看到的是条目总数增加了二十一条。这个数字没错,但它把七天的节奏压成了一个点。你无法知道这二十一条是均匀分布的、集中在某一天爆发,还是前两天就全部到位之后五天没有动静。间隔越长,你得到的越接近「净变化」,越远离「过程」。而判断更新频率,需要的恰恰是过程:多久一次、是否稳定、有没有中断。净变化只能告诉你总账,不能告诉你节律。
二、日采样:抓得到抖动,也容易过拟合
每天看一次,能看清每一次变化落在哪一天,也能发现「周三特别多」「周末完全停」这类模式。代价是噪音大:一次临时维护会让当天的变化量翻倍,一次误操作会让你以为发生了什么。日采样的另一个陷阱是把单日异常当成规律——某天集中发了十条,你很容易得出「这个站一天十条」的结论,而实际上那是攒了一周的存量。日采样的正确用法是连看两周以上,用中位数描述常态,用极值描述例外,两者分开说。
三、周采样与混叠:看不见的快周期
周采样适合看趋势,不适合看节奏。当一个页面的更新周期短于你的采样间隔时,就会出现混叠:真实的高频变化被折成一个低频的假象。例如页面每两天更新一次,你每周同一天看,可能每次都恰好看到「刚更新过」,于是误判为「每周一次」;也可能每次都错过,误判为「从不更新」。这不是你观察不仔细,而是采样点与变化周期发生了固定的相位关系。破解办法很简单:把采样日打乱,例如这周周二看、下周周四看,让相位错开。
可执行检查单
- 01先确定要回答的问题:看趋势用周采样,看节律用日采样。
- 02日采样至少连看两周,用中位数描述常态,不要用单日极值下结论。
- 03周采样时打乱具体星期几,避免与页面的更新周期形成固定相位。
一个常见问题
同一段时间,两种间隔的结论会差多少?
以上面的算例为例:日采样得到「每天约三条,周三偏多,周日为零」;周采样得到「每周约二十一条,稳定」。后者听起来更整齐,实际上丢掉了三个信息:日内分布、周三峰值、周日空档。若你要判断的是「值不值得常来」,日采样的结论更有用;若你要判断的是「这个月比上个月如何」,周采样的净变化更直接。间隔没有优劣,只有与问题的匹配。
四、固定间隔,比频繁更重要
很多人以为自己看得越勤越准,其实不然。不定期的随机打开,样本之间不可比,你既算不出间隔,也判断不了趋势。固定间隔加连续记录,哪怕只是每周一次,只要坚持四周,得到的结论也远比十次随机打开可靠。这也是记录表要固定格式的原因:格式固定,间隔才可计算;间隔可算,频率才有意义。观察这件事,纪律的价值高于勤奋。