Como usamos uma API de dados e LLMs para encontrar oportunidades de backlinks: kie.ai e evolink.ai

Ao operar a API Hop, queríamos responder a uma pergunta específica: Quais fontes de backlinks usadas por outros sites de APIs de IA valem a pena investigar?

Escolhemos kie.ai e evolink.ai e buscamos a primeira página de 100 registros de backlinks para cada um. Não estudamos tráfego, palavras-chave ou o posicionamento geral dos sites neste artigo. Queríamos apenas uma lista útil de backlinks.

Esta foi a principal descoberta: Dos 200 registros brutos, restaram 195 após removermos 5 registros quebrados. Ao agrupá-los por hostname de origem, sobraram apenas 29 fontes distintas. Dos 100 registros de evolink.ai, 95 vieram do GitHub, distribuídos por apenas 9 páginas do GitHub.

Neste artigo, usamos esse conjunto de dados para explicar como coletamos os registros, os contamos, usamos IA para organizá-los e decidimos os próximos passos.

1. 100 registros de backlinks não significam 100 backlinks

O que os mesmos parâmetros retornaram para os dois sites?

2. Como solicitamos esses dois conjuntos de dados?

O endpoint utilizado

Primeiro, lemos a documentação da SimilarwebAPI da API Hop.

O formato da requisição foi:

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'

A estrutura real de uma resposta bem-sucedida

A estrutura de nível superior da resposta de kie.ai aparece abaixo. Para facilitar a leitura, mantivemos apenas alguns campos do primeiro registro e omitimos os demais:

{
  "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. Como transformamos 200 registros em fontes para pesquisar?

Primeiro, use código para remover duplicatas e fazer as contagens

Seguimos uma ordem fixa:

1. Salvar os dois arquivos JSON brutos, mantendo todos os campos retornados pelo serviço.
2. Atribuir um ID a cada linha bruta, começando em K001 para kie.ai e E001 para evolink.ai.
3. Manter os registros válidos e preservar os indicadores de exclusão no CSV.
4. Para cada concorrente, remover duplicatas exatas por UrlFrom + UrlTo.
5. Agrupar os registros por hostname de origem normalizado e contar páginas UrlFrom distintas.
6. Combinar os hostnames das duas amostras para obter 29 fontes distintas.

Você pode pedir ajuda à IA em todas essas etapas. Para análise de dados, recomendamos Claude Opus5.5 e ChatGPT Astra.

A diferença mais clara foi a concentração das fontes

evolink.ai tinha muito mais registros do GitHub do que kie.ai. Isso chamou nossa atenção, então examinamos mais de perto: 95 links vieram de 9 páginas. Os caminhos de origem incluíam nomes de contas próximos à marca, como EvoLinkAI, Evolink-AI e evolinkai. Isso mostra que seus backlinks de projetos de código aberto estavam concentrados principalmente nesses 9 projetos.

Para kie.ai no SaaSHub, 26 links vieram de 24 páginas.

O GitHub foi o único hostname compartilhado pelas duas amostras limpas. Isso combina com o posicionamento dos sites, já que desenvolvedores são um de seus públicos principais. Acreditamos que vale a pena experimentar esse tipo de backlink.

4. Como dar à IA o material certo para obter resultados úteis?

Deixe os números com o código e a classificação e análise com o modelo

Para adicionar essa etapa à sua automação, você pode converter o CSV limpo para JSON e usar este 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".

Selecionamos 10 backlinks dos registros reais

As categorias e prioridades na tabela abaixo refletem nossa avaliação inicial sobre quais backlinks valem a pena buscar.

6. Quanto custou no total?

Nesta rodada, fizemos duas chamadas bem-sucedidas à API de backlinks pelo serviço nativo descrito acima. Usuários que fizerem as mesmas requisições pela API Hop a esse preço padrão podem planejar assim:

7. Resumo

Nosso foco foi usar a API Hop para transformar uma pergunta aberta em uma tarefa repetível: Obter 200 registros reais com duas consultas, limpá-los e agrupá-los por hostname de origem e escolher 10 URLs para aprofundar. A API de dados fornece pistas, o código torna os números reproduzíveis, a IA ajuda a organizar o texto e fazemos as verificações finais para decidir se devemos agir.