baidu指数：网站规模扩大后哪些工作不适合继续手工做
📱 Mozilla/5.0 (compatible; QlyzeBot/1.0; +https://app.qlyze.io/bot)
🔗 /5dae80b35e7e.html
📄
baidu指数：网站规模扩大后哪些工作不适合继续手工做
规模扩大后最先出问题的往往不是策略，而是手工流程本身：样本少时靠人盯、靠人抄、靠人判断的做法还能成立，一旦页面、栏目或需求词数量翻倍，误差和延迟会同时放大。判断某项工作该不该继续手工做，关键看它是否满足三个条件：输入可枚举、判断标准稳定、结果能被复查。只满足其中一两个，规模化后就会变成瓶颈。
矛盾现象：小样本下手工更准，规模上去反而更不可靠
手工处理少量数据时，人能看到上下文，能修正明显异常，所以结果常常比粗糙的批量规则更贴近实际。但规模扩大后，同一套手工方法会出现两种相反解释：一种认为人更懂业务，手工质量仍然更高；另一种认为手工的稳定性依赖个人状态，样本一多就无法保持一致。这两种解释都成立，区别在于工作本身是否可标准化。
能区分两种解释的证据是复查结果。假设同一批需求词由两个人分别整理，如果两人对“是否属于同一意图”的判断一致率很高，说明标准稳定，可以交给规则或脚本处理；如果一致率低，说明这项工作依赖个人经验，规模化后应先统一判断标准，而不是急着自动化。这里的数字只是比较方法，不代表任何真实统计。
不适合继续手工做的工作，通常有这三个特征
第一类是重复采集与搬运。比如定期查看 baidu指数 中某一类需求词的变化，再逐条抄进表格。样本少时没问题，规模上去后，抄录延迟会掩盖真实变化，还容易漏项。适合改成固定口径的抓取或导出，再由人检查异常值。
第二类是跨页面的统一检查。页面数量增加后，靠人工逐页确认标题、描述、内链指向是否一致，成本会线性上升，而且检查结果无法累积。更合适的做法是先定义检查规则，用脚本或站点工具批量跑一遍，人只看规则无法覆盖的例外。
第三类是长期跟踪同一组判断。例如持续判断某类需求是上升还是回落，如果每次都由不同人凭印象下结论，前后口径会漂移。应把判断依据写成可复查的字段，让后续动作有据可依。
一个短例子：把手工判断改成规则后，下一步怎么变
假设某站点原来由编辑每周手工挑选十个需求词，判断哪些值得写新页面。规模扩大后，编辑改为先按“搜索需求是否持续存在、是否与现有页面意图重叠、是否有可验证的内容来源”三条规则筛选，再人工复核边界情况。动作变化带来的结果是：筛选结果可以被复查，编辑的时间从搬运转向判断例外，下一步就能把更多精力放在内容质量而不是数量统计上。这个例子是假设的，只用于说明规则与人工的分工方式。
哪些工作仍然值得保留人工
并非所有工作都适合交给规则。涉及意图判断、内容取舍、品牌语气和页面之间细微差异的部分，仍然需要人来做。区别在于，人工应该处理“规则说不清”的部分，而不是处理“规则能说清但没人写”的部分。把可枚举、可复查的环节交给流程，人工才能集中处理真正需要经验的决定。
决定是否继续手工做之前，先做一次可复查性测试
具体动作是：选一项当前手工完成的工作，让两个人按同一标准独立做一遍，再对比结果差异。如果差异主要来自标准不清，就先写清标准；如果差异来自数据量太大导致遗漏，就优先改成批量处理；如果差异来自判断本身依赖上下文，就保留人工，但把判断依据记录下来供后续复查。测试结果会直接决定下一步是优化流程、引入工具，还是继续手工并接受其规模上限。
