市场价位数据校准方式

1. 数据性质与来源

本站 30 品类的价位段数据（中位数、热销区间、评价均分、代表品牌）基于京东、天猫等公开品类结果及送礼社区公开榜单进行人工月度抽样校准，不代表任何单一平台实时成交价。

具体校准方式：每月 1 号人工在京东、天猫按品类关键词搜索一次，取搜索结果前 30-60 条商品的价位分布做中位数与热销区间估算；跟什么值得买、小红书的公开品类榜单和送礼社群反馈交叉对照。全过程无自动化爬取，无 API 调用，无联盟接入。

2. 为什么用人工月度校准而不是实时抓取

主流电商站（京东、淘宝、什么值得买、小红书）2024 年后普遍上线 WAF 反爬机制，无 cookie 的单 IP 请求会被拦截。硬做实时抓取需要 selenium 等重度依赖 + 代理池 + 反反爬维护，跟本站「保匿名 · 不做导购 · 不接联盟」定位冲突。人工月度校准的优势：

  • 无爬取合规风险，无 IP 拉黑
  • 数据稳定不因日常促销剧烈波动
  • 价位段聚焦「合理选购区间」而非「某个具体商品的当前价」

3. Refresh 周期

  • 价位数据 · 每月 1 号人工校准一次
  • 校准结果在每个品类数据行标注 refresh 字段
  • 页面 dateModified 只在数据真实校准时更新，不因每日构建刷新
  • sitemap lastmod 与页面 dateModified 保持一致

4. 已知偏差

  • 价位段是「合理选购区间」估算 · 单一品牌/型号价格可能偏离
  • 促销季节（双 11 / 618）实际成交价通常低于本站数据 10-30%
  • 小众品类样本少 · 估算精度低 · 建议直接去电商搜索验证
  • 本站不对具体商品价格准确性负责，具体购买以电商平台实时数据为准

送礼决策规则生成

1. 数据结构

本站数据结构核心是四个字典 + 一个交叉规则矩阵：

  • 对象字典（8 个）：女朋友/男朋友/老婆/老公/妈妈/爸爸/领导/客户，每个含送礼原则和禁忌
  • 场景字典（8 个）：生日/七夕/情人节/520/结婚纪念/乔迁/探病/日常，每个含意图和时间敏感
  • 预算字典（4 档）：100-300 / 300-800 / 800-2000 / 2000+，每档含定位和适配对象
  • 品类字典（30 个）：每品类含价位段、适合对象场景、优点、避坑

2. 匹配算法

对每个 (对象, 场景, 预算) 三元组，按品类的 fits_objects / fits_scenes / fits_budgets 三个字段计算匹配分：

score = 30 * fits_object + 40 * fits_scene + 30 * fits_budget
（对象和预算是硬要求 · 场景不匹配也可能推荐但分低）

取匹配分前 5 名作为该组合的推荐品类。

3. 硬伤组合过滤

部分对象-场景组合硬伤，本站直接过滤不生成 landing 页：

  • 送领导 · 七夕 / 情人节 / 520（不合适）
  • 送客户 · 七夕 / 情人节 / 520 / 探病
  • 送妈妈/爸爸 · 七夕 / 情人节 / 520

更新周期

  • 市场价位数据 · 每月 1 号人工校准一次
  • 送礼规则 · 收到读者反馈或送礼社区新趋势时更新
  • 页面 dateModified · 只在数据/规则真实变化时更新，不因每日构建而刷
  • sitemap lastmod · 与页面 dateModified 一致

规则和数据的完整变更历史见 数据来源页。