面向竞品调研的网站数据提取清单

网站数据提取清单是一份简短的字段列表，规定从你调研的每一个页面收集什么——这样两周之后，你的电子表格依然完整、可比对、可追溯，而不是一堆记忆模糊的截图。下面的模板适用于公司调研、竞品分析、线索补全和学术工作；它也是我们团队做产品调研时使用的同一份清单。

清单

把下面这段复制到你的笔记里，在你访问的每个页面上执行一遍：

[ ] 采集来源 URL
[ ] 记录采集日期
[ ] 公司 / 作者 / 发布者名称
[ ] 核心事实整理为结构化行（价格、方案、规格、排名）
[ ] 保存文本内容（文章、描述、条款）
[ ] 整页截图留作视觉记录
[ ] 关键论断逐字复制并注明位置
[ ] 所有内容汇入同一个数据库并映射字段

你提取的每一条事实，价值都取决于它的出处。如果你的工具会自动附上来源链接和采集日期——Uniclip 就会——那就交给它；如果不会，先手动粘贴 URL，再做其他任何事。一句没有日期、没有来源的「价格是 49 美元」只是噪音。

价格表、方案对比、产品网格、团队名单——把它们采集为结构化的行，而不是粘贴的文本。大多数清单恰恰在这里出错：把表格粘贴成文本，会丢掉让它可比对的那些列。使用表格采集工具，让每一行带着完整的表头直达 CSV 或 Notion 数据库。

数字需要上下文：价格表上方的段落、试用条款、常见问题。剪藏页面文本——干净的 Markdown 之后还经得起搜索；截图不行。网页剪藏工作流会把同一页面的文本、表格和视觉内容保存在一起。

有些情报是视觉性的：竞品如何给方案分层、首先突出什么、新手引导长什么样。每次访问拍一张整页截图通常就够了。

清单里悄无声息的决胜一步：所有内容落入同一个数据库，字段保持一致（公司、URL、日期、价格、备注、截图）。零散的导出无法积累复利；映射好的数据库可以。要采集的页面很多时，批量采集会把它们排进队列，一次性保存。

清单应该有多少个字段？ 比你想象的少：来源、日期，再加上三到五个你真正要比对的字段。长清单没人填完；短清单才会被反复使用。

如何不写代码就从网页提取数据？ 用一款能读取页面结构的浏览器扩展——指向表格或列表，把行导出即可。网页抓取指南讲的就是这套工作流；只有规模化时才需要代码。

登录才能访问的页面怎么办？ 只要你能看到页面，浏览器内的扩展就能采集你所看到的内容。请遵守网站服务条款中对数据用途的规定——尤其是涉及机密的内容。