Comment nous utilisons une API de données et des LLM pour trouver des opportunités de liens entrants : kie.ai et evolink.ai

En exploitant API Hop, nous souhaitions répondre à une question précise : Quelles sources de liens entrants utilisées par d’autres sites d’API IA méritent d’être examinées ?

Nous avons choisi kie.ai et evolink.ai et récupéré la première page de 100 enregistrements de liens entrants pour chacun. Cet article n’étudie ni le trafic, ni les mots-clés, ni le classement global de ces sites. Nous souhaitions simplement obtenir une liste de liens entrants utile.

Voici le principal constat : Sur les 200 enregistrements bruts, 195 subsistaient après suppression de 5 enregistrements cassés. Leur regroupement par nom d’hôte source ne laissait que 29 sources distinctes. Sur les 100 enregistrements d’evolink.ai, 95 provenaient de GitHub, répartis sur seulement 9 pages GitHub.

Dans cet article, ce jeu de données nous sert à expliquer la collecte des enregistrements, leur décompte, leur organisation avec l’IA et le choix des prochaines actions.

1. 100 enregistrements de liens entrants ne signifient pas 100 liens entrants

Qu’ont renvoyé les mêmes paramètres pour les deux sites ?

2. Comment avons-nous demandé ces deux jeux de données ?

Le point de terminaison utilisé

Nous avons commencé par lire la documentation SimilarwebAPI de API Hop.

Le format de requête était le suivant :

curl --fail-with-body --max-time 90 --get \
  'https://api.apihop.ai/v1/similarweb/websites/backlinks' \
  --header "Authorization: Bearer ${APIHOP_API_KEY}" \
  --data-urlencode 'Key=kie.ai' \
  --data-urlencode 'Page=1' \
  --data-urlencode 'PageSize=100' \
  --data-urlencode 'Status=Active' \
  --data-urlencode 'FollowType=All' \
  --data-urlencode 'sort=DomainScore' \
  --data-urlencode 'asc=false'

La structure réelle d’une réponse réussie

La structure de premier niveau de la réponse de kie.ai figure ci-dessous. Pour faciliter la lecture, nous n’avons conservé que quelques champs du premier enregistrement et avons omis les autres enregistrements :

{
  "TotalRecords": 42009,
  "Records": [
    {
      "UrlFrom": "https://github.com/yitao2020/Vue-AI-web-game-asset-generator",
      "UrlTo": "https://kie.ai/",
      "Anchor": "KIE.ai",
      "DomainScore": 89,
      "IsLost": false,
      "IsBroken": false
    }
  ],
  "Page": 1,
  "PageSize": 100
}

3. Comment avons-nous transformé 200 enregistrements en sources à étudier ?

Utiliser d’abord du code pour dédupliquer et compter

Nous avons suivi un ordre fixe :

1. Enregistrer les deux fichiers JSON bruts en conservant tous les champs renvoyés par le service.
2. Attribuer un ID à chaque ligne brute, en commençant par K001 pour kie.ai et E001 pour evolink.ai.
3. Conserver les enregistrements valides et maintenir les indicateurs d’exclusion dans le CSV.
4. Pour chaque concurrent, éliminer les doublons exacts selon UrlFrom + UrlTo.
5. Regrouper les enregistrements par nom d’hôte source normalisé et compter les pages UrlFrom distinctes.
6. Réunir les noms d’hôte des deux échantillons pour obtenir 29 sources distinctes.

Vous pouvez demander à l’IA de vous aider à chacune de ces étapes. Pour l’analyse des données, nous recommandons Claude Opus5.5 et ChatGPT Astra.

La différence la plus nette concernait la concentration des sources

evolink.ai comptait beaucoup plus d’enregistrements GitHub que kie.ai. Ce constat a retenu notre attention et nous avons approfondi l’examen : 95 liens provenaient de 9 pages. Les chemins sources comprenaient des noms de compte proches de la marque, tels que EvoLinkAI, Evolink-AI et evolinkai. Cela montre que ses liens entrants issus de projets open source étaient largement concentrés sur ces 9 projets.

Pour kie.ai sur SaaSHub, 26 liens provenaient de 24 pages.

GitHub était le seul nom d’hôte commun aux deux échantillons nettoyés. Cela correspond bien à leur positionnement, les développeurs étant l’un de leurs principaux publics. Nous pensons que ce type de lien entrant mérite d’être essayé.

4. Comment fournir à l’IA les bons éléments pour obtenir des résultats utiles ?

Confier les chiffres au code et la classification et l’analyse au modèle

Pour ajouter cette étape à votre propre automatisation, vous pouvez convertir le CSV nettoyé en JSON et utiliser ce prompt :

We are researching backlink sources for an AI API product.
The input contains actual backlink samples for kie.ai and evolink.ai.

Use only the input to organize up to 15 source hostnames:
- source_hostname
- evidence_ids: must come from the input
- source_urls: must come from the input; keep the original URLs
- target_sites: kie.ai, evolink.ai, or both
- category: developer project / product directory / tutorial / community / editorial article / other
- observation: include only facts supported by the input
- suggested_action: keep suggestions separate from facts
- verification_needed: current page status, relevance, account ownership, submission page, pricing terms
- status: always use "Needs verification"

Group by source_hostname.
Do not invent domains, titles, submission pages, or prices.
Do not describe a brand's own repositories as third-party recommendations.
Do not claim that anything is free, guarantees a listing, brings traffic, or improves rankings.
When there is not enough evidence, write "Cannot determine".

Nous avons sélectionné 10 liens entrants parmi les enregistrements réels

Les catégories et priorités du tableau suivant reflètent notre appréciation initiale des liens entrants à approfondir.

6. Quel a été le coût total ?

Lors de cette collecte, nous avons effectué deux appels réussis à l’API de liens entrants via le service natif décrit ci-dessus. Les utilisateurs qui effectuent les mêmes requêtes via API Hop à ce tarif standard peuvent prévoir le budget suivant :

7. Résumé

Notre objectif était d’utiliser API Hop pour transformer une question ouverte en tâche reproductible : Effectuer deux requêtes pour obtenir 200 enregistrements réels, les nettoyer et les regrouper par nom d’hôte source, puis retenir 10 URL à approfondir. L’API de données fournit les pistes, le code rend les chiffres reproductibles, l’IA aide à organiser le texte, et nous effectuons les vérifications finales pour décider d’agir ou non.