데이터 API와 LLM으로 백링크 기회를 찾는 방법: kie.ai와 evolink.ai

API Hop을 운영하면서 구체적인 질문에 답하고 싶었습니다. 다른 AI API 웹사이트가 사용하는 백링크 출처 중 어떤 곳을 살펴볼 만할까요?

kie.ai와 evolink.ai를 선택하고 각 사이트에서 백링크 레코드 100개가 담긴 첫 페이지를 가져왔습니다. 이 글에서는 트래픽, 키워드, 사이트의 전체 검색 순위를 조사하지 않았습니다. 유용한 백링크 목록만 필요했습니다.

핵심 결과는 다음과 같습니다. 원본 레코드 200개에서 깨진 레코드 5개를 제거하니 195개가 남았습니다. 출처 호스트명으로 묶으면 서로 다른 출처는 29개뿐이었습니다. evolink.ai 레코드 100개 중 95개는 GitHub에서 왔으며, 단 9개의 GitHub 페이지에 분포했습니다.

이 데이터셋을 통해 레코드를 수집하고 집계한 방법, AI로 정리한 과정, 다음 행동을 결정한 방식을 설명하겠습니다.

1. 백링크 레코드 100개가 백링크 100개를 뜻하지는 않습니다

같은 매개변수로 두 사이트에서 무엇이 반환되었나요?

2. 두 데이터셋을 어떻게 요청했나요?

사용한 엔드포인트

먼저 API Hop의 SimilarwebAPI 문서를 읽었습니다.

요청 형식은 다음과 같습니다.

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'

성공 응답의 실제 구조

아래는 kie.ai 응답의 최상위 구조입니다. 읽기 쉽게 첫 번째 레코드의 일부 필드만 남기고 나머지 레코드는 생략했습니다.

{
  "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. 레코드 200개를 조사할 출처로 어떻게 바꾸었나요?

먼저 코드로 중복을 제거하고 집계합니다

정해진 순서를 따랐습니다.

1. 서비스가 반환한 모든 필드를 유지하면서 두 원본 JSON 파일을 저장합니다.
2. 각 원본 행에 ID를 부여합니다. kie.ai는 K001, evolink.ai는 E001부터 시작합니다.
3. 유효한 레코드를 남기고 제외 표시를 CSV에 보존합니다.
4. 경쟁사별로 UrlFrom + UrlTo가 완전히 같은 중복을 제거합니다.
5. 정규화한 출처 호스트명으로 묶고 서로 다른 UrlFrom 페이지 수를 셉니다.
6. 두 표본의 호스트명을 합쳐 고유 출처 29개를 얻습니다.

이 모든 단계에서 AI에 도움을 요청할 수 있습니다. 데이터 분석에는 Claude Opus5.5와 ChatGPT Astra를 추천합니다.

가장 뚜렷한 차이는 출처의 집중도였습니다

evolink.ai는 kie.ai보다 GitHub 레코드가 훨씬 많았습니다. 눈에 띄는 결과여서 자세히 살펴보니 링크 95개가 9개 페이지에서 왔습니다. 출처 경로에는 EvoLinkAI, Evolink-AI, evolinkai처럼 브랜드와 가까운 계정 이름이 있었습니다. 오픈소스 프로젝트의 백링크가 주로 이 9개 프로젝트에 집중되어 있음을 보여 줍니다.

kie.ai의 SaaSHub 링크 26개는 24개 페이지에서 왔습니다.

정리한 두 표본에 공통으로 등장한 호스트명은 GitHub뿐이었습니다. 개발자가 주요 대상 중 하나라는 점에서 두 사이트의 포지셔닝과 잘 맞습니다. 이런 유형의 백링크는 시도할 가치가 있다고 생각합니다.

4. 유용한 결과를 얻으려면 AI에 어떤 자료를 줘야 할까요?

숫자는 코드에, 분류와 분석은 모델에 맡깁니다

자체 자동화에 이 단계를 추가하려면 정리한 CSV를 JSON으로 변환하고 다음 프롬프트를 사용할 수 있습니다.

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".

실제 레코드에서 백링크 10개를 골랐습니다

다음 표의 분류와 우선순위는 어떤 백링크를 더 살펴볼 만한지에 대한 초기 판단입니다.

6. 총비용은 얼마였나요?

이번에는 위에서 설명한 기본 서비스를 통해 백링크 API를 두 번 성공적으로 호출했습니다. API Hop에서 같은 요청을 이 표준 가격으로 수행하는 사용자는 다음과 같이 예산을 잡을 수 있습니다.

7. 정리

우리의 목표는 API Hop으로 열린 질문을 반복 가능한 작업으로 바꾸는 것이었습니다. 두 번의 조회로 실제 레코드 200개를 얻고, 정리한 뒤 출처 호스트명으로 묶어 추가로 추적할 만한 URL 10개를 고르는 것입니다. 데이터 API는 단서를 제공하고, 코드는 숫자를 재현 가능하게 만들며, AI는 텍스트 정리를 돕습니다. 마지막 확인과 실행 여부의 결정은 우리가 맡습니다.