设置跳过条件的核心,是把“这个页面该不该动”从个人判断变成可核对的字段。做法是:先选定一个页面清单,为每个页面补上可验证的状态字段,再按字段决定跳过、处理或转人工。跳过条件不是永久规则,而是本轮批量操作的准入线;一旦字段来源变化,就要重新核对。
多个角色对同一批页面看法不同,通常不是结论不同,而是各自依据的字段不同。运营看的是近期有没有流量,编辑看的是内容是否过时,技术看的是模板是否统一。把分歧写下来,转成字段,就能核对。
假设你手上有 200 个商品页,运营说“这些都还有流量,别动”,编辑说“一半内容已经过时”。这时不要争论,先列出三个字段:近 28 天是否有有效访问、页面主体信息是否仍与当前在售状态一致、页面是否属于同一模板批次。三个字段都填完后,你会发现分歧集中在“有访问但信息过时”的那一档,跳过条件就针对这一档来设。
不要直接对页面动手,先建一张清单。每个页面至少要有以下字段,字段值必须来自可复查的记录,而不是印象:
page_id:页面唯一标识,用于跨表对齐。last_edited:最后一次实质性内容修改的时间。has_valid_visit:近一个统计周期内是否有有效访问,取值是或否。info_status:主体信息与当前事实是否一致,取值是一致、存疑、不一致。template_batch:所属模板批次,用于判断能否整批处理。owner:对该页面事实负责的角色。字段填完后,先做一次交叉核对:随机抽 10 个页面,让两个角色各自独立填 info_status,比较结果。如果一致率很低,说明这个字段的定义还不够清楚,需要先写清楚“一致”指什么,再进入下一步。这个动作的结果直接决定跳过条件能不能用:字段不可核对,跳过条件就只是换个说法的拍脑袋。
跳过条件应当写成字段组合,而不是单个判断。以下是三种可以成立的组合,各自适用条件不同:
需要注意,访问量归零不能单独证明页面该被处理。采集口径调整、统计周期错位、页面被临时下线,都会造成同样的现象。所以 has_valid_visit 只能作为组合条件之一,不能单独当跳过依据。
假设某清单有 200 个页面,按上述组合筛完后:120 个进入跳过,60 个进入处理队列,20 个转人工。下一步动作是只对 60 个处理队列页面执行更新,更新后记录 last_edited 和 info_status 的新值。复查时不要只看这 60 个页面的表现,要和跳过的 120 个做对照,同时考虑季节和搜索需求变化,否则无法区分是处理起了作用还是整体波动。
如果复查发现处理队列里有一批页面的事实仍然存疑,说明 info_status 的判定标准需要收紧,而不是继续扩大处理范围。这一步的结果会反过来修改跳过条件,形成下一轮的准入线。
跳过条件基于字段,字段会过期。信息状态会随事实变化,访问数据会随采集口径变化,模板批次会随改版变化。因此每轮批量处理前,至少重新核对一次 info_status 和 has_valid_visit 的取值来源。核对动作本身不产生排名结果,但它决定了本轮哪些页面不该被动,哪些必须被处理。把核对结果写回清单,下一轮才有可比较的起点。