结论先说:只有当你能为每个同名品牌找到至少一条“主体唯一标识”——例如统一社会信用代码、已备案的官网域名主体、或商标注册号——对应表才值得建立;否则应放弃合并统计,改为按来源渠道分开记录。下面给出可执行的做法、会让结论失效的反例,以及建立对应表后的下一步动作。
同名品牌分属不同主体,通常出现在三种情况:同一字号被不同城市的多家公司注册;老品牌拆分后各自沿用原名;加盟体系与品牌方本身是两个法人。这三种情况的处理方式不同。
判断的关键不是名称是否相同,而是能否找到不随名称变化的标识。名称可以重名,统一社会信用代码和商标注册号不会。
一张能用的对应表不需要复杂结构,但字段顺序会影响核查效率。建议按以下顺序填写,每一步都为下一步提供筛选依据:
填写顺序上,先做主键再去匹配名称变体,比先收集名称再反推主体更省时间。因为名称变体数量不确定,而主键数量是有限的。
假设“晨星家政”在百度口碑评价中有两个页面,一个显示地址在城东,一个显示地址在城西,联系电话不同。此时不能直接合并为“晨星家政的总评价”。
第一步,分别查两家公司的统一社会信用代码,确认是两个独立法人。第二步,把城东页面的认证信息与代码 A 对应,城西页面与代码 B 对应。第三步,在对应表中各建一行,名称变体栏分别填入页面上出现的写法。结果是:两条评价各自归属明确,后续统计时不会互相污染。
如果查证后发现两个页面共用同一个统一社会信用代码,则说明它们是同一主体的两个展示页面,应合并为一行,而不是建两行。这个判断直接改变后续所有统计口径。
最典型的反例是:两个同名主体在百度口碑评价中使用了相同的认证名称和相同的联系电话,但实际分属不同法人。此时对应表的主键无法通过页面线索落到具体某一行,表格看起来完整,实际每一行都可能挂错评价。
另一种失效情况是主体在核查期间发生变更,例如名称转让或注销。已填好的对应表会保留旧标识,新出现的评价无法归入任何一行。因此对应表需要标注每行的核验日期,超过一定时间未复查的行应降为“存疑”。
需要说明的是,某个同名页面评价数量归零或抓取不到内容,并不能单独证明该主体已不存在。可能是页面调整、展示策略变化,或该主体本就没有公开评价。这类现象只能作为复查线索,不能作为删除对应表行的依据。
对应表建好后,先做一次反向验证:从表中随机抽取一行,仅凭该行的主体唯一标识,能否在百度口碑评价中重新定位到对应页面。如果能,说明主键有效;如果不能,说明该行依赖的是易变线索,需要补充更稳定的标识。
验证通过后,把“无法对应”档的评价单独导出,不要并入任何主体的统计。对这部分内容,下一步动作是确认其来源页面是否提供了可核验的官方渠道;若确认没有,则维持独立归档,不做归属推断。这个动作的结果决定了后续分析是建立在可追溯的主体上,还是建立在名称巧合上。