Chronometrica 與 HarvestAPI：公開 LinkedIn 留言匯出比較

先比較蒐集範圍

Actor 是在託管環境中執行的蒐集程式。這 2 項產品都是 Apify 上的 Actor。這次比較的重點，是文件記載的蒐集範圍是否符合你的研究問題。下表整理了已核對的產品事實。Chronometrica 文件、HarvestAPI 文件

不要只依匯出的資料列數做選擇。每列可能代表直接留言、回覆，或蒐集結果。這些單位回答的問題不同。先決定每筆觀察資料代表什麼，再比較包含這類觀察資料的輸出。

為何 Chronometrica 適合建立公開作者樣本

Chronometrica 接受 1–100 個公開 LinkedIn 貼文／動態消息網址。如果多筆輸入依系統支援的貼文識別資訊指向同一篇貼文，它會移除重複輸入。它也會儲存不重複的公開留言 ID。這些功能有助於避免重複計算同一個來源或已儲存的留言。Chronometrica 文件

這些檢查各有用途。移除重複貼文輸入，可避免來源清單重複。不重複的留言 ID，可避免留言觀察資料重複。但這 2 項檢查都不會讓留言數變成人數。同一位作者可以寫多則留言，因此作者清單需要另外檢查。

可選的 `includeAuthorDetails` 設定，會要求取得已儲存的不重複作者的公開詳細資料。預設值為 `false`，啟用後可能增加獨立的作者詳細資料計費事件。只有在這些資料有助於回答研究問題時，才啟用此設定。Chronometrica 文件

如果研究可以使用範圍有清楚說明的公開頂層留言樣本，Chronometrica 就最為適合。你可以保留已觀察到的留言、建立獨立的作者清單，並在匯出資料中保留蒐集限制。這讓審查者有明確依據，判斷樣本能支持哪些結論。

這無法證明你已觀察到所有討論參與者。公開個人檔案也不會因此成為符合資格的潛在客戶。這些結論需要更多證據。

回覆需求何時會改變選擇

HarvestAPI 接受貼文與留言網址。對於貼文輸入，其文件記載，每則根留言的結果內最多包含 5 則巢狀回覆。對於留言網址，`scrapeReplies` 可以將回覆作為獨立結果傳回。它的 `postedLimit` 與作者詳細資料模式也可能影響選擇。請依照你的需求，核對文件中的設定。HarvestAPI 文件

比較資料列總數之前，先統一根留言與回覆的計算單位。根留言就是頂層留言。附在根留言下的回覆會增加文字觀察資料，但不一定會增加不重複人數。

Chronometrica 不蒐集完整回覆串。如果你需要討論中的每則留言與回覆，它就不符合這項需求。移除數量限制也無法改變它的蒐集範圍。Chronometrica 文件

定義你需要觀察的人群

這次比較背後的買方需求，是找出在買方 LinkedIn 貼文下留言或按讚者的個人檔案。支持這項需求的證據，是已儲存的公開搜尋摘要，而非完整討論逐字稿。它能確認一項研究需求，不能證明任何已驗證的蒐集結果。公開需求

選擇 Actor 之前，先用 1 句話定義研究必須涵蓋的母群體，也就是研究必須包含的那群人。例如，你可能需要 3 篇指定貼文中可見頂層留言的作者。另一項研究則可能需要回覆作者、按讚者，或全部 3 個群體。

請將這些群體分開處理。留言匯出資料無法證明按讚者清單完整。頂層留言樣本無法確定回覆作者的母群體。如果缺少的群體是回答問題所必需的，請停止蒐集並修改蒐集計畫。

也要定義你打算提出的結論。「這些作者出現在已蒐集的樣本中」所需的證據，比「這些人就是全部參與者」少。只要符合現有證據，範圍較小的結論仍然有用。

如需進一步了解這項區別，請閱讀公開 LinkedIn 留言匯出能代表完整討論嗎？。

從少量且已核對的輸入開始

Task 是為 Actor 儲存的一組輸入預設設定。開啟作者公開詳細資料 Task，並在執行之前檢查實際設定。

已儲存的證據確認，當時可以公開存取這個 Task 頁面。但這項頁面檢查無法確認目前儲存的輸入內容。請以預設設定為起點，並自行檢查下列設定：

1. 將已儲存的網址替換為你打算使用的公開貼文網址。
2. 第一次檢查時，將 `maxComments` 設為較小的上限。
3. 如果需要作者的公開詳細資料，將 `includeAuthorDetails` 設為 `true`。
4. 開始執行之前，檢查其餘設定。

這個範例使用的欄位與值，已在本機通過檢查，符合已儲存的公開 JSON Schema。JSON Schema 定義了允許使用的輸入欄位與值。這項檢查確認的是輸入格式，無法確認執行時是否能存取來源。Chronometrica 輸入文件

{
  "startUrls": [
    "https://www.linkedin.com/posts/timferriss_how-to-become-dramatically-more-productive-activity-7386884213343428608-wrF3"
  ],
  "maxComments": 10,
  "includeAuthorDetails": true
}

將範例網址替換為你選定的公開來源。該網址是文件中的範例目標，不是新蒐集結果的證據。

已核對的結構定義允許 `startUrls` 包含 1–100 個項目，並允許 `maxComments` 使用 1–1,000 的整數。後者是每篇貼文的上限。設為 10 表示要求取得有數量上限的樣本，不保證會儲存 10 則留言。Chronometrica 輸入文件

使用第一批樣本，檢查已儲存的文字與作者識別碼是否能支持你打算進行的分析。在這項檢查之前增加蒐集量，可能只會得到更大的匯出檔案，卻仍然回答了錯誤的問題。

說明結果之前，先查看涵蓋範圍

Chronometrica 將留言資料列與 `OUTPUT` 中的輸入結果及涵蓋範圍結果分開記錄。摘要說明留言之前，先閱讀每筆輸入的結果。涵蓋範圍紀錄與停止原因，有助於解釋蒐集為何結束。Chronometrica 輸出文件

請依照下列步驟進行簡單驗收：

1. 確認每筆結果屬於哪篇輸入貼文。
2. 透過公開的 `commentId` 值識別已儲存的留言資料列。
3. 如果 `authorUrl` 或 `authorId` 值公開可用，透過這些值比對作者。
4. 識別碼缺漏的紀錄，請保留為待釐清狀態。
5. 閱讀該筆輸入的涵蓋範圍結果與停止原因。
6. 判斷已觀察到的樣本能支持哪些結論。

不要把輸入狀態紀錄當成留言。同樣地，不要直接將畫面顯示的討論總數，與已儲存的頂層留言資料列數比較。它們可能採用不同單位，也可能涵蓋討論中不同的可見部分。

`collectAllAvailable` 設定會移除留言數量上限。蒐集仍可能因公開來源的狀況、費用上限、時間上限或執行失敗而停止。這項設定不能證明公開頁面提供了每一則留言。Chronometrica 蒐集限制

如果原始需求是取得每一則留言，就不要把可取得的公開樣本改稱為完整匯出。如果「所有留言」的需求包含公開頂層來源以外的內容，Chronometrica 就不符合這項需求。

作者公開欄位、日期與表情回應數可能無法取得。請保留這些未知值。表情回應數缺漏，不代表表情回應為 0；日期缺漏，也無法確定留言出現的時間。Chronometrica 輸出文件

算式已核對的虛構選擇案例

以下範例為虛構案例。它不是 Actor 測試、即時資料集、買方發言的引述，也不是實測費用結果。

一位研究人員從 1 篇公開貼文蒐集預覽樣本。樣本包含 10 列頂層留言，來自 7 位不重複的公開作者。其中 5 位作者成功取得補充的作者詳細資料，其餘 2 位仍待釐清。

研究人員分別報告 3 項發現：

• 樣本包含 10 則已觀察到的頂層留言。
• 這些留言來自 7 位已觀察到的不重複作者。
• 5 位作者有補充詳細資料；2 位仍待釐清。

算式很簡單：7 位已觀察到的作者，減去 5 位有補充詳細資料的作者，剩下 2 位待釐清的作者。10 列留言不代表 10 個人。2 筆詳細資料待釐清的結果，也不代表這些作者沒有出現在留言樣本中。

假設研究問題也需要這些留言下方的 8 則回覆。頂層留言樣本就無法回答這個問題。研究人員因此改為評估 HarvestAPI 的回覆模式。HarvestAPI 文件

這些可能取得的 8 列回覆，屬於另一種計算單位。沒有檢查作者之前，不能把它們算成 8 位新增的人。有些回覆可能來自已在頂層留言樣本中的人，也可能有多則回覆來自同一個人。

如果原始問題只涉及已觀察到的 7 位頂層留言作者，這個限定範圍的樣本可能就夠用。如果問題涉及所有參與者，同一個樣本就不夠。選擇依據是研究必須涵蓋的母群體，而不是檔案大小。

分別匯出 4 組紀錄

保留 4 個資料表，或 4 組明確分開的紀錄。每一組都有不同用途。這種結構讓其他人能檢查你的工作，不必猜測每列代表什麼。

第 1 個資料表包含已儲存的留言觀察資料。每則留言都要保留來源貼文與 `commentId`。如果有公開作者識別碼，也要保留。請保留缺漏值，讓後續分析能區分未知資訊與實際觀察到的 0 值。

第 2 個資料表包含已觀察到的不重複作者。利用公開識別碼，從已儲存的留言建立這個資料表。同一位已識別作者的多則留言，在作者資料表中只計為 1 位作者。身分資料缺漏時，請保留為待釐清狀態；不要假設所有空白值都屬於同一個人，也不要假設它們各屬於不同的人。

第 3 個資料表包含作者詳細資料的取得結果。保留已觀察到的作者與任何補充詳細資料之間的關聯。即使沒有補充詳細資料，該作者仍可能是已觀察到的留言者。如果把詳細資料取得成功的數量當成作者人數，就會漏掉證據中已經出現的人。

第 4 個資料表包含每篇貼文的公開來源涵蓋範圍。保留每筆輸入的結果、停止原因與蒐集背景。將貼文來源與蒐集時間一併保留在匯出資料中。這些紀錄用來說明如何解讀樣本，不是留言的量測資料。

這種區分也有助於後續解讀。例如，你可以檢查作者的公開資訊，同時避免在未說明的情況下改變已觀察到的留言數。如果下一步涉及作者角色，請使用留言作者角色指南，並保留待釐清案例。

取得樣本後，決定是否繼續

擴大蒐集規模之前，先檢查第一批匯出資料是否能回答原先的問題。確認每則已儲存的留言都能追溯到所屬貼文、能辨識重複出現的作者，也能解釋詳細資料缺漏的情況。確認你了解每筆輸入的涵蓋範圍紀錄。

接著判斷，增加觀察資料是否能改善研究。較大的頂層留言樣本，可以增加與已觀察到的頂層留言作者有關的證據。但如果研究問題涉及回覆作者或按讚者，增加樣本量無法解決蒐集範圍不符的問題。

驗收規則要具體。例如，一項研究可以接受作者詳細資料仍待釐清，但仍要求每篇貼文都有明確的來源與涵蓋範圍紀錄。另一項研究則可能要求，凡納入人數計算的觀察資料，都必須有作者識別碼。這些都是研究上的選擇。請在摘要說明結果之前，先明確列出。

不要把蒐集成功當成具有銷售價值的證明。公開作者連結提供的是前往公開個人檔案的途徑。判斷是否為符合資格的潛在客戶，需要另外訂定標準，並提供支持證據。