公開可瀏覽，只是第一個條件
很多需求溝通是從同一句話開始的：這些內容在網頁上就能看到，擷取一下應該沒問題吧。
能看到是必要條件，但不是充分條件。同樣是公開頁面上的內容，一份依城市整理的商家名稱和營業地址，和一份把公開留言與使用者名稱關聯起來形成的人物檔案，性質完全不同。前者是事實性的機構資訊，後者已經進入個人資訊處理的範疇。
所以我們在接需求時不看「能不能擷取到」，而是依四個維度判斷「該不該擷取、能不能這樣用」。
我們判斷需求的四個維度
一、資料類型：是不是個人資訊
機構類資訊，例如公司名稱、營業地址、公開的對外聯絡電話、商品價格、公開的評分數量，風險相對可控。
一旦涉及自然人，判斷標準就要收緊。特別是三種情況：把分散在不同地方的資訊拼接起來指向具體的人；對個人做側寫、評級或行為推斷；把已經匿名化的資料重新關聯回真實身分。這三類我們不做。
二、平台規則：目標網站自己怎麼規定
每個平台的使用條款不同，對自動化存取的態度也不同。我們會在評估階段查看目標站點的公開條款和存取規則，如果存在明確限制，會在報告裡指出來。
這裡需要說清楚一個事實：平台條款約束的是使用方的行為，不是我們單方面能承擔的責任。我們的做法是把已知情況告訴你，由你結合用途和風險承受度決定是否繼續。
三、取得方式：有沒有繞過存取控制
這是我們唯一沒有商量餘地的一條。
需要登入才能看到的內容、需要通過驗證機制才能瀏覽的頁面、被平台明確設為私密或受限的範圍，我們都不承接。任何以「幫忙想想辦法」形式提出的繞過需求，評估階段會直接拒絕。
我們只處理無需身分憑證即可公開瀏覽的頁面。
四、使用目的：資料拿去做什麼
同一份資料，用於內部市場研究和用於大量騷擾性接觸，是兩件事。
我們會問用途，不是流程需要，而是因為用途直接決定了這個專案能不能做。以下用途明確不承接：大量騷擾、垃圾訊息群發、偽造評價、操縱平台排名、對特定個人進行追蹤或人肉搜索，以及任何以規避平台風控為目的的資料需求。
明確不承接的範圍
- 需要登入、付費會員或通過存取控制才能查看的內容
- 繞過驗證機制、存取限制或帳號封鎖的任何方式
- 個人身分識別、跨平台身分關聯、使用者側寫與再識別
- 私訊、聊天記錄及其他非公開可見的通訊內容
- 用於騷擾、垃圾訊息群發、偽造評價或操縱排名的資料
- 受著作權保護內容的大量複製與再散布
交付時你會拿到什麼
為了讓資料在後續使用中經得起追問，每一份交付都包含三樣東西：
- 來源連結：每一列資料都能回溯到具體的原始頁面，可以逐筆複核。
- 擷取時間：說明這是哪一時刻的快照。互動數、價格、庫存這類欄位本身會變化，沒有時間戳記的資料無法解釋差異。
- 欄位說明與已知限制：哪些欄位可能為空、缺失率大概是多少、哪些內容因為平台機制無法完整取得。
可追溯性是這類資料最基本的要求。一份沒有來源連結和擷取時間的表格，出現爭議時無法自證。
自有資料與競品資料是兩回事
上面四個維度講的是擷取公開頁面時的判斷標準。但有一類需求不該走擷取這條路：要分析的資料本來就屬於你自己。
自己帳號的內容表現、自己主頁的互動、自己投放的廣告資料——多數平台為帳號所有者提供官方 API，走那條路拿到的是平台自己的口徑，資料更完整，也完全不涉及存取控制。這比任何擷取方式都乾淨，只是各平台的資格門檻和費用差別很大，需要逐個核實。
競品側的資料則通常拿不到官方授權，只能看公開頁面能提供多少。這兩者的邊界不同，處理方式也不同，提需求時先說清楚是哪一種，能省掉很多來回。
登入牆嚴格的平台還有哪些路可走、哪一條明確不要走，寫在受限平台的資料怎麼辦。
需要你自己確認的事項
我們能說明的是擷取範圍、取得方式和已知的平台限制。以下幾件事需要由使用方判斷：
- 所在司法管轄區的具體要求。不同國家和地區對資料處理的規定差異很大，你的公司註冊地、資料存放地和業務開展地可能適用不同規則。
- 最終用途的合規性。資料交付後如何使用、是否對外發布、是否與其他資料來源合併，這些環節的判斷在使用方。
- 內部留存與刪除政策。資料保存多久、誰有權限存取、何時刪除，屬於你的內部管理範疇。
一點必要的說明
這一頁寫的是我們的服務邊界和已知風險點，不是法律意見，也不構成對任何具體專案合規性的保證。資料合規涉及具體司法管轄區、具體資料類型和具體用途，情況差異很大。如果你的專案涉及大規模個人資訊處理、跨境資料傳輸，或者資料將用於對外發布，建議就具體方案諮詢專業法律人士。
我們能做的是把邊界劃清楚：不該做的不做，能做的說明白限制在哪裡。