为什么没有统一单价
数据采集最常见的问询是一句话：一万条多少钱。
这个问题没法直接回答，原因不是不愿意报价，而是条数和成本之间的关系很弱。同样一万条数据，一个结构规整、分页清晰、字段齐全的网站，和一个需要按地理网格拆成几十次搜索、字段缺失率过半、还要人工核查的网站，实际工作量可能相差好几倍。
按条计价看起来干脆，实际结果是简单项目报得偏贵、复杂项目做到一半发现做不下去，最后还是要重新谈。所以我们的做法是：先做小规模测试，拿到实测数据再报价。
真正影响成本的七个因素
一、访问难度
目标网站对自动化访问的限制程度，直接决定了采集的稳定性和所需资源。有些站点结构开放、访问顺畅；有些需要处理频率限制、动态加载或访问验证。这一项是成本差异最大的变量。
二、地区差异
同一个网站在不同国家返回的内容可能完全不同。价格、可售状态、搜索结果集合都可能随地区变化。需要多地区对比的项目，成本不是简单乘以地区数量，还要加上参数固定和结果对齐的工作。
三、分页与加载方式
一次性列出全部结果、点击翻页、滚动加载、需要逐层展开，这四种方式的处理成本递增。更麻烦的是很多平台对单次查询的结果数量有上限，要覆盖完整范围必须把查询拆成很多次再合并去重——这部分工作量常常超过采集本身。
四、是否需要代理或人工核查
需要分布式访问资源的项目，会产生直接的资源成本。有些字段机器判断不可靠，例如商家是否属于目标行业、商品是否属于目标品类，这类需要人工抽检或全检的项目，成本结构和纯自动化完全不同。
五、清洗与去重难度
原始数据到可用数据之间有一段距离。同一实体在结果里重复出现、地址格式不统一、价格币种混杂、名称大小写和缩写不一致，这些都需要规则处理。去重口径越复杂，成本越高。
六、字段缺失率
如果你要求名单里每条都必须有网站和电话，而目标平台上这两个字段的填写率只有一半，那么要拿到一万条合格数据，实际需要采集的原始条数远不止一万。缺失率是数量预期和成本估算的关键变量，也是最容易被忽略的一个。
七、交付时限
正常排期和加急排期的成本不同。多数项目的瓶颈不在处理速度，而在稳定采集所需的时间窗口——压缩时间往往意味着更高的资源投入。
自己判断项目量级
在联系我们之前，可以先用下面几个问题给需求做个粗判断：
偏简单的项目通常满足： 目标站点单一；数据量在几千条以内；一次性交付不需要周期更新；字段都在列表页可见，不需要逐条进入详情页；不需要人工核查。
属于中等的项目通常有： 两三个目标站点或多个地区；数据量在一万到十万条之间；需要进入详情页取字段；有按月或按周的更新需求；需要按明确规则去重。
属于复杂的项目通常涉及： 需要按网格或类目拆分成大量查询才能覆盖完整范围；高频更新，例如每天多次的价格监控；需要人工核查字段准确性；多来源数据需要交叉比对合并；对完整率有明确的合同级要求。
这三档之间的价格差异是数量级的，而不是百分比。判断清楚自己在哪一档，沟通效率会高很多。
报价流程
- 你提供：目标网址、需要的字段、数量范围、更新频率、交付格式和数据用途。
- 我们做小规模测试：确认字段可得性、实际可采条数和字段缺失率。这一步不单独收费。
- 给出测试结论和样例：包括能拿到什么、拿不到什么、缺失率多少，以及基于实测的报价。
- 确认后执行：按确认的字段结构和口径交付，附字段说明与已知限制。
测试结论无论是否合作都归你。如果测试结果表明这个需求不值得做，我们会直接说，而不是先接下来再想办法。
一个建议
比起先问价格，更有效的做法是先把需求写清楚：目标网址、字段清单、数量范围、更新频率、数据用途。这五项确定后，测试和报价通常一两天内就能给出结论；反过来，需求含糊时来回沟通的时间往往比采集本身还长。