今天的逻辑推演
从一个反常的占比数字，一路推到"扩源火力该往哪打"。每一步都用数据顶住，不靠直觉。
category_v2 里 peer_decoration（装修同行号）占 48.8%（1673/3430）——号源池不可能一半都是同行，明显反常。
分类器拿 category_legacy 当身份信号，但它存的是"从哪批挖来的"来源标记（如 同行号源-bulk-2026-05-19），不是"这号是谁"。老代码还有条兜底：标记含"同行号源"就判同行 → 1900+ 批量挖的号全进同行桶。
规则只跑昵称；来源标记先剥掉再兜底；看不出行业给 unknown。准确率 52.5% → 86%。「苏等等的家」→业主、「跟着苏苏学装修🏠」→内容号，都归位。
用干净桶重算回复率：原来"同行号 8.6% 全场第一"是混进去的业主号撑起来的假象；剔干净后同行塌到 2.13%，真冠军是业主自装号 7.09%。污染同时藏起了最好的、捧起了平庸的。
顺带证伪"某些视频回复率特别高"：74 个视频只 1 个扛住多重比较校正，且跟同号源其他视频比不显著 → 回复率是号源效应，不是视频级信号。可行动粒度=号源，不是视频。
把发现火力从"全屋定制(最差桶)"翻向业主自述脉 + 知识脉：选词强制配额翻转、母表加词、打分给业主/知识加分，让系统持续挖到高转化类型。
回复率翻盘：谁真的会回你私信
口径：发出 DM（分母）里对方真回复（分子），按用户实体去重、剔回声。总体基线 4952 触达 / 238 回复 = 4.81%。下图为用修复后分类器实时重算的各类别回复率。
核心结论「评论区买家多（意向浓度）」和「这些人愿意回私信（回复率）」是两个维度。业主自装号两头都好、是主力；知识号回复率在大盘之上、是次优补充；同行/工厂/品牌两头都差、该少投。显著性：业主 vs 其余全部 z=4.61（p<0.0001）、vs 知识 z=3.14（p=0.0017）。
回填结果：号源归位（已写入生产库并验证）
回填只改 category_v2 这一个分析列，不碰抓取/派单/意向/时效。下表为回填前后各桶数量，已用数据库实读校验（0 空白、0 不一致）。
| 号源类别 | 前 | 后 | 变化 | 占比（后） |
|---|---|---|---|---|
| 装修同行号 peer | 1673 | 754 | −919 | |
| 业主自装号 homeowner | 54 | 294 | +240 | |
| 未分类 unknown（新） | 0 | 556 | +556 | |
| 工厂 B2B factory | 293 | 520 | +227 | |
| 知识科普号 knowledge | 348 | 413 | +65 | |
| 本地门店 local | 160 | 327 | +167 | |
| 建材商 material | 243 | 294 | +51 | |
| 设计师 designer | 89 | 173 | +84 | |
| 品牌官方 brand | 124 | 99 | −25 | |
| （空白 null） | 446 | 0 | 清零 |
⚠ 过程中踩的坑（已修）回填脚本旧版 500 并发写库且不查错误，触发限流让 617 行（18%）静默漏写、假报"完成"。已幂等 repair 修回、根因修进 #1027（降并发+逐行查错+重试+失败即报错）。生产库现处于正确状态。
不在"视频层"优化，在"号源层"优化
你最初想按"哪条视频评论多 / 回复高"来挑视频、调度抓取。审查后——不是不优化，是换个层：视频层是噪音，号源层才是真信号。
为什么不在视频层优化 · 四条原因
- 高互动 ≠ 高意向。实测 75 个纯靠互动进 VIP 的爆火视频，只 6 个产出过高意向，其余高+中意向全 0。领先信号≈空转。
- 巨型爆款结构性抓不到新评论。抖音评论接口返的是按点赞排的老热评，不是按时间的新评论——哪怕还在来新评论也抓不到。
- "视频回复率高"已被统计证伪。74 个视频（n≥10）只 1 个扛住 Bonferroni 校正，且跟同号源其他视频比就不显著了（z=1.44, p=0.15）=号源效应的投影。
- 可行动粒度是号源，不是视频。视频间的回复率差异（过度离散 χ²=131, p<0.0001）由号源层解释；按"爆款视频"调度=拿噪音当信号。
号源层怎么优化 · 现状
经过今天：① 类别标签已清洗、类别回复率可信；② 选词/打分往业主+知识脉加权；③ 号源按真产出自动升降频。整条抓取链现在是这样跑的——
怎么抓（核心）：号源一旦产出高/中意向就自动升 tier1、高频抓（详见 §05）；产出干了就降回 tier0 慢抓；不发视频的死号停抓。抓取产能始终跟着"真出 leads 的号"走，不跟着"热闹的号"走。
号源升降逻辑（确切算法）
这是"加固高意向号源"的核心机制：一个对称的自动升降闸，只认真产出（高+中意向），不认互动数 / 评论总量。每日 cron 跑，每次变更写 source_tier_change_log。
▲ 升级 auto-promote-tier1
非 tier1 的活跃号，近 10 天评论区累计「高意向+中意向」达标 → 升 tier1。看"高+中"合计（只看高意向会漏掉"中意向多"的优质号）。AUTO_TIER1_WINDOW_DAYS=10 / MIN_HIMID=10
▼ 降级 auto-demote-tier1
已是 tier1 的活跃号，近 7 天颗粒无收（高+中=0）→ 降回 tier0。断"只升不降"（曾攒到 176 个 tier1、74% 是僵尸、挤爆产能饿死 tier0）。
| tier | 抓取通道 | 频率 / 优先级 |
|---|---|---|
| tier1（高产） | scrape-hot 整号快车道 + 其视频进 VIP 复扫 | 每小时高频（priority=1，占 ~41/时）· 视频每 5min 增量复扫 |
| tier0（常规） | /api/cron/scrape 轮抓 | 每小时拉最久没抓的（priority=5，aging ~24h 保底不饿死） |
worker 1 小时容量 ~270 个源（6 并发 × ~80s/源）。升降口径天然不相交——升看"近10天≥10"、降看"近7天=0"，刚升的号在降级窗口里必然远超阈值，同一天不会又升又降、无抖动。
一句话这套闸让抓取产能自动向真出 leads 的号集中：高意向号源产出→升频抓取→更快抓到新评论→更多 leads；产出干→降频腾产能。这才是"高意向号源被加固抓取"的确切含义。
加固：业主层 & 知识层的具体变化
"加固高意向号源"落在发现（往哪搜）和打分（捞到偏谁）两个杠杆。今天这两层各自怎么变、为什么、变了多少——
评估：号源算法还要不要再优化
先问 WHETHER 再问 HOW。结论：加固已到位，下一步是验证不是加码。
视频级回复率是噪音、互动≠意向——已证伪。VIP/扫描正确地用"真产出+新鲜度"，不该按回复率调。
供给已过剩 5–10 倍，瓶颈在下游处理/触达。扩源是换血（调 mix）不是加量——正确的换血刚做完。
往业主+知识脉加权是当前最高 ROI 的边际动作，已落地（选词+打分）。升降闸也已按真产出对称跑。
让改动自然跑、T+7 看产出、母表 retire_rule 自我调优。不再加投机性旋钮——先看这批效果。
唯一遗留reactivate_borderline_sources.ts 仍有和 reclassify 同款的"500 并发静默漏写"隐患（本轮只修了 reclassify）。低优先，开号量小暂不触发，建议后续单独修。
怎么验收 · 何时验收
下一趟每日扩源（每天 10:00 自动跑）就用新规则，无需人工干预。分四个时点看。
| 时点 | 看什么 | 算成 / 败 |
|---|---|---|
| 立刻（已验） | 选词出业主脉 + 知识维词 | ✓ dry-run 已出「验房教程 / 我家装修」 |
| 几趟后 | 母表知识维词 total_imported / new_rate 回写 | 非 0 = 挖得到；跑够 2 轮 0 入库 → 自动退役 |
| 累计后 | 入库号里业主+知识类占比 | 占比上升 = 火力真调过去了 |
| T+7（最硬） | source-cohort-yield.py 按批次看新号 7d 真产出 | 高+中意向不低于大盘 = 达标 |
定位提醒知识号是次优补充非主力——回复率 4.42% 远不如业主 7.09%。它的角色是扩大高质量供给面，别期待它超过业主脉。主力永远是业主自述脉。