Как мы ищем возможности для обратных ссылок с помощью API данных и LLM: kie.ai и evolink.ai

Работая над API Hop, мы хотели ответить на конкретный вопрос: Какие источники обратных ссылок других сайтов с API ИИ стоит изучить?

Мы выбрали kie.ai и evolink.ai и получили первую страницу из 100 записей обратных ссылок для каждого сайта. В этой статье мы не исследовали трафик, ключевые слова или общие позиции сайтов. Нам был нужен только полезный список обратных ссылок.

Главный результат: Из 200 исходных записей после удаления 5 повреждённых осталось 195. Группировка по имени исходного хоста дала всего 29 разных источников. Из 100 записей evolink.ai 95 пришли с GitHub и были распределены всего по 9 страницам GitHub.

На этом наборе данных мы объясним, как собирали и считали записи, использовали ИИ для их упорядочивания и выбирали дальнейшие действия.

1. 100 записей обратных ссылок не означают 100 обратных ссылок

Что вернули одинаковые параметры для двух сайтов?

2. Как мы запросили эти два набора данных?

Использованный эндпоинт

Сначала мы прочитали документацию SimilarwebAPI от API Hop.

Формат запроса:

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'

Реальная структура успешного ответа

Ниже показана структура верхнего уровня ответа для kie.ai. Для удобства чтения мы оставили только несколько полей первой записи и опустили остальные:

{
  "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. Как мы превратили 200 записей в источники для исследования?

Сначала удалите дубликаты и выполните подсчёты кодом

Мы следовали фиксированному порядку:

1. Сохранить оба исходных JSON-файла со всеми полями, возвращёнными сервисом.
2. Присвоить каждой исходной строке ID, начиная с K001 для kie.ai и E001 для evolink.ai.
3. Оставить корректные записи и сохранить признаки исключения в CSV.
4. Для каждого конкурента удалить точные дубликаты по UrlFrom + UrlTo.
5. Сгруппировать записи по нормализованному имени исходного хоста и посчитать разные страницы UrlFrom.
6. Объединить имена хостов двух выборок и получить 29 разных источников.

Во всех этих шагах можно попросить помощи у ИИ. Для анализа данных мы рекомендуем Claude Opus5.5 и ChatGPT Astra.

Самым заметным различием была концентрация источников

У evolink.ai было намного больше записей GitHub, чем у kie.ai. Это привлекло наше внимание, и мы изучили их подробнее: 95 ссылок пришли с 9 страниц. В исходных путях встречались близкие к бренду имена аккаунтов, например EvoLinkAI, Evolink-AI и evolinkai. Это показывает, что обратные ссылки из открытых проектов были в основном сосредоточены в этих 9 проектах.

У kie.ai на SaaSHub 26 ссылок пришли с 24 страниц.

GitHub был единственным общим именем хоста в двух очищенных выборках. Это соответствует позиционированию сайтов: разработчики входят в число их основных аудиторий. Мы считаем, что такой тип обратных ссылок стоит попробовать.

4. Как дать ИИ правильные материалы для полезного результата?

Числа поручите коду, а классификацию и анализ — модели

Чтобы добавить этот шаг в свою автоматизацию, можно преобразовать очищенный CSV в JSON и использовать такой промпт:

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".

Мы выбрали 10 обратных ссылок из реальных записей

Категории и приоритеты в таблице ниже отражают нашу первоначальную оценку того, какие обратные ссылки стоит проработать.

6. Сколько всё стоило?

В этом раунде мы сделали два успешных вызова API обратных ссылок через описанный выше нативный сервис. Пользователи, выполняющие такие же запросы через API Hop по этой стандартной цене, могут планировать бюджет так:

7. Итог

Наша цель заключалась в том, чтобы с помощью API Hop превратить открытый вопрос в повторяемую задачу: Двумя запросами получить 200 реальных записей, очистить и сгруппировать их по имени исходного хоста, затем выбрать 10 URL для дальнейшей проработки. API данных даёт зацепки, код делает расчёты воспроизводимыми, ИИ помогает упорядочить текст, а окончательную проверку и решение о действиях принимаем мы.