抽样比较任务的目标是横向可比，典型特征是每次取一部分样本、样本之间要能对照、结论依赖差异幅度。这类任务对代理IP的要求是条件一致：如果两次抽样的资源类型不同，差异就分不清来自样本还是来自线路，结论也就无从谈起。可比性是这类任务的全部价值所在。
这类场景的三个特征
抽样、可比、看差异，这三点要求代理IP在对照期间保持同一条件。前后两次用的类型不一致，比较就失去意义。很多看起来像是样本差异的结论，实际是资源变化造成的，而这类误判在使用过程中很难被察觉，往往要等到结论反复矛盾时才会暴露。
- 抽样：每次只取一部分数据
- 可比：两次的条件要一致
- 看差异：结论依赖幅度大小
代理IP条件一样，差异才可信。
怎么保证条件一致
办法是把资源类型固定下来，在对照期内不做调整；如果必须调整，就把调整前后的数据分开存放，不要混在一起统计。代理IP在这类场景下的作用是提供稳定的比较基准，而不是提供更多选择。选择越多，越容易在不经意间换了基准，而换了基准往往没人注意到。
另一个要点是样本的抽取方式也要一致。时段、数量、筛选规则都应尽量保持相同，否则即便资源没变，结论仍然不可靠。代理IP与抽样方法各自承担一半的可比性，缺哪一半都不行，只盯住其中一头，最后得到的仍会是无法解释的结果。
两边都要控住变量。
比较的前提是条件相同。
这类场景下的类型倾向
抽样任务通常对地址稳定性有一定要求，因为需要跨时段对照，中途换位会打断比较。如果样本量很小、对照周期很短，则可以用更灵活的类型，只是每次都要重新建立基准。基准重建的次数越多，能积累的经验就越少，判断也始终停在起点。
抽样比较的选择标准是能否形成稳定的基准。代理IP在这类场景下的价值，体现在让差异归因到样本而不是线路。归因一旦清晰，后续无论是调整抽样方法还是调整资源，都能看出各自带来的变化，优化也就有了抓手。