Come troviamo opportunità di backlink con un’API di dati e gli LLM: kie.ai ed evolink.ai

Gestendo API Hop, volevamo rispondere a una domanda precisa: Quali fonti di backlink utilizzate da altri siti di API IA meritano di essere approfondite?

Abbiamo scelto kie.ai ed evolink.ai e recuperato la prima pagina di 100 record di backlink per ciascuno. Per questo articolo non abbiamo studiato traffico, parole chiave o posizionamento complessivo dei siti. Volevamo soltanto una lista utile di backlink.

Ecco il risultato principale: Dei 200 record grezzi, ne sono rimasti 195 dopo averne rimossi 5 non validi. Raggruppandoli per hostname di origine, restavano solo 29 fonti distinte. Dei 100 record di evolink.ai, 95 provenivano da GitHub, distribuiti su appena 9 pagine GitHub.

In questo articolo usiamo il dataset per spiegare come abbiamo raccolto e contato i record, come li abbiamo organizzati con l’IA e come abbiamo deciso i passi successivi.

1. 100 record di backlink non significano 100 backlink

Cosa hanno restituito gli stessi parametri per i due siti?

2. Come abbiamo richiesto questi due dataset?

L’endpoint utilizzato

Per prima cosa abbiamo letto la documentazione SimilarwebAPI di API Hop.

Il formato della richiesta era:

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 struttura effettiva di una risposta riuscita

Qui sotto è mostrata la struttura di primo livello della risposta per kie.ai. Per leggibilità abbiamo mantenuto solo alcuni campi del primo record, omettendo gli altri:

{
  "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. Come abbiamo trasformato 200 record in fonti da approfondire?

Prima usare il codice per eliminare i duplicati e contare

Abbiamo seguito un ordine fisso:

1. Salvare entrambi i file JSON grezzi, mantenendo tutti i campi restituiti dal servizio.
2. Assegnare a ogni riga grezza un ID, a partire da K001 per kie.ai e E001 per evolink.ai.
3. Conservare i record validi e mantenere nel CSV gli indicatori di esclusione.
4. Per ogni concorrente, eliminare i duplicati esatti in base a UrlFrom + UrlTo.
5. Raggruppare i record per hostname di origine normalizzato e contare le pagine UrlFrom distinte.
6. Unire gli hostname dei due campioni per ottenere 29 fonti distinte.

Potete chiedere aiuto all’IA per tutti questi passaggi. Per l’analisi dei dati consigliamo Claude Opus5.5 e ChatGPT Astra.

La differenza più evidente era la concentrazione delle fonti

evolink.ai aveva molti più record GitHub di kie.ai. Questo ci ha incuriositi e abbiamo guardato più da vicino: 95 link provenivano da 9 pagine. I percorsi di origine includevano nomi di account vicini al marchio, come EvoLinkAI, Evolink-AI ed evolinkai. Ciò mostra che i backlink dei suoi progetti open source erano in gran parte concentrati in questi 9 progetti.

Per kie.ai su SaaSHub, 26 link provenivano da 24 pagine.

GitHub era l’unico hostname comune ai due campioni ripuliti. Questo è coerente con il loro posizionamento, poiché gli sviluppatori sono uno dei loro pubblici principali. Riteniamo che valga la pena provare questo tipo di backlink.

4. Come dare all’IA il materiale giusto per ottenere risultati utili?

Lasciare i numeri al codice e classificazione e analisi al modello

Per aggiungere questo passaggio alla vostra automazione, potete convertire il CSV ripulito in JSON e usare questo 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".

Abbiamo scelto 10 backlink dai record reali

Le categorie e le priorità della tabella seguente riflettono la nostra valutazione iniziale dei backlink che vale la pena approfondire.

6. Qual è stato il costo totale?

In questa fase abbiamo effettuato due chiamate riuscite all’API dei backlink tramite il servizio nativo descritto sopra. Chi esegue le stesse richieste tramite API Hop a questo prezzo standard può pianificare così:

7. Riepilogo

Il nostro obiettivo era usare API Hop per trasformare una domanda aperta in un’attività ripetibile: Ottenere 200 record reali con due query, ripulirli e raggrupparli per hostname di origine, poi scegliere 10 URL da approfondire. L’API di dati fornisce le piste, il codice rende riproducibili i numeri, l’IA aiuta a organizzare il testo e noi eseguiamo le verifiche finali per decidere se agire.