我为什么开始给评论数排行榜做“去重”
上周二下午，我把 2 月 17 日到 2 月 23 日的榜单数据拉成一张宽表，准备只做一件事：核对免费评论数那一列的前十名。结果在第三行就卡住了。榜上写的是 84 条，我按页面顺序数出来是 77 条，再把折叠区域展开又数了一遍，还是 77 条。第三次我截了全屏图，用编辑软件的标记功能一条一条打勾，最后发现中间有 7 条被重复计入了，原因是同一个账号在两条不同的入口下各留下了一条内容几乎一样的短评。这不是什么惊天发现，但它让我第一次意识到，自己过去几期直接引用榜单数字写分析，多少有点大意。
说句实话，这个排行榜我不打算把它当作精确的排名工具。
它的价值更像一个“温度计”，而不是“尺子”。温度计能告诉你现在大概几度，但你要是拿它去量桌子的长度，那就是用错了。免费评论数这个指标尤其如此：它受缓存、重复提交、口径变更和展示延迟影响，任何一个环节松动，数字都会动。2 月 21 日那天我在 21:40 和 22:15 分别截了一次图，第七名的评论数从 56 变成 61，多了 5 条，来自同一个刚注册的账号。我把这件事写进编辑日志，不是要指控谁，而是想说明：如果你只看某一刻的数字，你看到的其实是一个正在移动的东西的静止影像。
我只在每周三上午做一次完整核对，其余时间不碰原始数据。
这个习惯是被逼出来的。有一次我连续四天追踪同一张榜单，每次刷新都记下数字，结果四天下来写了满满两页，却发现自己连“正常波动”和“异常增长”的边界都没法界定。后来我改成固定时间点采样：每周三上午十点，同一台电脑、同一个浏览器、清掉缓存后刷新三次，取中位数。这个方法不完美，比如它无法区分真实新增和缓存回填，但至少让前后几期的数据有了可比性。我也由此养成了在文章里标注统计时间的习惯，例如“2 月 19 日 21:00 至 23:10 集中出现 31 条评价”，时间点写清楚，读者才能自己判断这些数字到底意味着什么。
另外，我对“榜单名次”这件事的怀疑正在变多。
本期第 11 位的免费评论数比第 12 位少了 3 条，名次却更高。我翻遍了页面上能找到的说明，只看到一句很笼统的“综合权重”，没有给出权重项的具体构成。我不喜欢在文章里假装自己懂一个我没有验证过的机制，所以更愿意把疑点留在明面上。也许下一期数据能给出解释，也许不能；但把不确定的地方标出来，总比编一个听起来很完整的解释要诚实。这也是我给这个站定的调子：与其写“49图库资料免费评论数排行榜告诉你答案”，不如写“这个榜在 2 月 24 日这天显示了什么，以及我在核对时发现了哪些对不上的地方”。
这周我打算继续只做一件事：把前十名逐个点开，逐条看评论的发布时间。