样本采集指的是从公开页面按既定规则取一部分信息，用于分析或比对。这类业务对代理IP的要求是请求节奏可控、位置可指定。采集与核对的差别在于规模，规模上去之后，节奏控制就变成了首要问题，位置则决定了样本的覆盖范围是否足够有代表性。
这类业务做起来会遇到什么
样本采集的关键在于节奏与范围的平衡：节奏太快容易得到不完整的结果，范围太窄则样本缺乏代表性。代理IP在这类业务里的作用，是把请求分散到多个位置上发出，同时保持每次请求的参数一致，这样采集到的样本才有可比性。
采集还要考虑合规边界。只取公开可见的信息、遵守页面本身的使用约定，是这类业务能够长期做下去的前提。代理IP的使用在这类业务中不应被用来突破访问限制，而是用来让请求的来源在允许的范围内保持分散，这一点在方案设计时就要明确。
- 节奏可控：按固定间隔发起请求
- 范围可指定：位置覆盖要与分析目标匹配
- 口径一致：每次请求的参数保持不变
三项里口径一致最容易被破坏，尤其是在中途调整方案时。
样本的价值取决于条件是否一致。
常见偏差与处理
常见偏差是把不完整的采集结果当成完整样本使用。部分请求失败时，样本会出现系统性缺失，某些位置或时段被过度代表。处理办法是把成功率也作为一项记录，低于阈值时重跑。代理IP在这类业务中的表现会直接影响样本质量，因此需要持续观察，不能只看最终条数。
代理IP的成功率要一起记。
怎么判断做得对不对
判断标准是采集结果能否支撑后续分析，而不是看采集到多少条。数量多但缺失集中，结论仍然不可靠。代理IP的使用在这类业务中要与分析需求对齐，先明确要回答什么问题，再确定采集的范围与规模。