爬取约束

1. 硬约束

红人所在地必须为美国

• 只采集当前所在地（常住地或公开执业地）明确位于美国的红人。
• “受众主要来自美国”“内容面向美国”“使用英文”或“讨论美国 OTC 市场”不能单独证明红人在美国。
• 可接受的所在地证据，按可信度从高到低排列：
  1. 社媒主页公开位置明确为美国城市、州或 United States / USA / US；
  2. 红人个人官网、机构主页或公开职业资料明确标注美国所在地；
  3. 多条近期公开内容持续显示其在美国生活、工作或执业，且不存在相反信息。
• 地点无法确认、证据互相冲突或仅能确认国籍但不能确认当前所在地时，不进入正式结果表。
• 每位入库红人必须保留 所在地、所在地证据类型、所在地证据链接 和 所在地核验日期，用于复核。

2. 目标平台

• Instagram
• YouTube
• TikTok
• NOX（仅按关键词源表原值保留；若执行时指第三方数据平台，数据仍需回到红人的公开社媒主页核验）

3. 必须采集的信息字段

以下 6 个字段来自 红人社媒信息表.xlsx，字段名保持一致：

为执行美国所在地硬约束，爬取过程额外保留以下审计字段：

• 所在地
• 所在地证据类型
• 所在地证据链接
• 所在地核验日期
• 数据采集日期
• 数据来源平台

4. 搜索关键词与匹配范围

关键词按英文原词搜索；分号表示可独立使用的关键词。命中关键词只是候选发现条件，最终仍必须通过“所在地为美国”核验。

4.1 TikTok 标签

5. 候选筛选标准

以下标准来自关键词表，作为候选优先级规则；除美国所在地外，暂不作为一票否决条件：

• 粉丝量优先范围：10K–500K followers；优先中腰部达人。
• 结合平均播放量（average views）判断近期内容表现。
• 结合互动率（engagement rate）判断真实受众活跃度。
• 优先具有真实评测能力和过往真实测评内容的红人（authentic review）。
• 老年生活、家庭照护、科技测评、医疗健康、听力专业五类候选的目标结构分别为 30% / 25% / 20% / 15% / 10%。

6. 数据质量与去重

• 同一红人在多个平台出现时合并为一条红人记录，各平台链接和粉丝数分别保留。
• 优先以公开邮箱、个人官网、跨平台互链、姓名与头像等证据确认同一身份；仅名称相似不得自动合并。
• 社媒链接必须指向红人主页或频道主页，不得填写单条帖子、搜索页或第三方镜像页。
• 粉丝数、邮箱、所在地等时效性字段必须同时记录采集日期。
• 不得抓取非公开信息、登录后受限信息、付费数据库中的非公开联系方式或通过技术手段绕过访问限制。

7. 入库判定

候选红人只有同时满足以下条件才能进入正式结果表：

1. 美国所在地证据明确且可复核；
2. 至少命中一个本文件中的关键词、标签或达人方向；
3. 至少存在一个可访问的 Instagram、YouTube 或 TikTok 主页；
4. 红人姓名和对应平台粉丝数能够从公开页面核验；
5. 不与已有红人记录重复。

邮箱允许为空，但必须明确标记为“未公开”，不得推测填写。