這個來源最大的坑是重複

多數平台的去重問題出在同一實體的多個條目上,這個平台不一樣——問題出在同一條訊息被幾十個聚合頻道原樣轉發

不處理轉發去重,一條訊息會被統計成幾十條,發布密度、話題熱度、傳播規模全部失真,而且失真的方向是系統性放大。這也是為甚麼我們把轉發來源作為預設欄位保留:它既是去重的依據,也是還原傳播路徑的原始材料。

一排完全相同的空白信封整齊疊放的特寫

提需求時建議一併說明的內容

  • 目標頻道清單:按頻道是最可靠的入口,泛搜尋覆蓋能力有限。
  • 去重口徑:按原始訊息去重,還是保留全部轉發記錄用於分析傳播。
  • 時間範圍:頻道歷史深度差異很大。
  • 能否接受頻道消失:週期性項目裡這是常態。

關於數據口徑

每行帶 message_urlforwarded_fromcollected_at。瀏覽量是曝光指標不是認同指標,用它排熱度時要清楚這個區別——負面訊息的瀏覽量同樣很高。