如何用一次住宅代理试用做出可信的采购决策

住宅代理常被一个“成功率”数字比较。这个数字看似客观，但如果测试只有几十次请求、反复访问同一缓存页面、把容易和困难市场混在一起，或把自动重试也算成新的成功，它就可能严重误导采购。

有效的试用应回答更具体的问题：在真实需要的路由、市场、目标类型、会话规则与流量结构下，该供应商是否有足够证据达到验收门槛，而且有效结果的成本是否可接受？

这需要测试设计，而不是简单测速。

先定义成功，再发送请求

为每个使用场景写出可由程序判断的成功定义。HTTP 200 不等于业务成功。

对获准的公开数据采集任务，一次有效成功可以要求：

• 已验证预期代理路由，并确认不会直连回退；
• 国家或城市符合供应商声明的定位容差；
• 目标返回预期内容，而不是封锁页、同意墙或通用错误页；
• 响应处于规定的延迟预算内；
• 会话行为符合轮换或粘性策略；
• 未采集凭据、个人数据或受限制内容；
• 请求符合目标规则、合同和获准速率。

分别保存传输成功、内容有效、地理有效和合规有效。这样采购方才能判断问题出在网关、出口池、目标站还是测试本身。

选择正确的分析单位

分母应代表相互独立的成功机会。把自动重试当成新试验，会夸大样本量并掩盖不稳定性。

使用一个 trial_id 归并：初始请求、策略允许的全部重试、所选代理会话和最终结果。分别报告首次成功率与有限重试后的试验成功率。前者反映用户可感知可靠性，后者反映重试策略的恢复能力。

不要把同一粘性会话中的重复请求都当成独立出口样本。一百次调用可以验证会话稳定性，却不能代表一百个独立出口。

测试前完成分层

全球平均值可能掩盖不可用市场。应按采购决策建立分层：

不要让大量容易样本支配总分。若欧洲占生产流量 40%，应按接近该权重采样，或在分别报告每个分层后再计算加权生产分数。

从决策反推样本计划

试用前固定：

• 每个关键分层的最低可接受成功概率；
• 置信水平，常用 95%；
• 最大可接受不确定性；
• 值得识别的供应商差异；
• 请求与带宽预算；
• 每个目标和时段的最大试验数；
• 遇到限流、错误或政策信号时的停止条件。

小样本适合发现明显配置问题，不足以支持采购承诺。10 次全部成功也不能证明服务可靠率是 100%，因为底层真实成功率仍有很宽的不确定范围。

先运行小型校准批次，根据观察到的波动和故障构成设计主试用。如果采购方要区分 95% 与 90% 可靠率，所需样本远大于只区分 95% 与 60% 的测试。

使用区间，而不只看百分比

每个分层计算 p = 成功数 / 试验数，并为真实成功概率计算置信区间。Wilson 区间在接近 0 或 1 以及中等样本量时，通常比简单正态近似更稳健。

k 次成功、n 次独立试验、95% 置信水平时可用 z = 1.96：

p = k / n
denominator = 1 + z² / n
center = (p + z² / (2n)) / denominator
half_width = z × sqrt((p(1-p) / n) + (z² / (4n²))) / denominator
lower = center - half_width
upper = center + half_width

示例：200 次试验成功 184 次，原始成功率为 92%，95% Wilson 区间约为 87.4% 至 95.0%。如果采购规则要求下界至少 90%，即使标题成功率超过 90%，该结果也不能通过。

若 200 次中成功 190 次，原始成功率为 95%，区间约为 91.0% 至 97.3%，在同一规则下可以通过。

这种门槛有意保持保守：它判断证据是否支持要求，而不是观察百分比是否刚好越线。

把延迟当作分布

平均延迟会隐藏长尾。至少记录代理连接、TLS、首字节、总响应、响应字节数与超时阶段；样本允许时报告中位数、p90、p95 与 p99。

只比较等价结果的延迟。快速返回封锁页不是性能成功；有限重试最终成功，也不应抹掉首次失败给用户造成的等待。成功与失败试验应分别计算分位数。

核算有效结果成本

每 GB 单价不等于每次有效结果的成本：

试用有效成本 = 分摊订阅成本
             + 流量成本
             + 基础设施成本
             + 人工复核成本

每次有效成功成本 = 试用有效成本 / 有效成功数

将重试流量、失败响应体、浏览器静态资源、会话建立以及最低承诺中被试用占用的部分计入成本。如果某供应商因为大量返回小型封锁页而消耗流量较少，这不是效率优势。

成本也要按分层报告。全球均价很低的服务，可能在两个关键国家里最昂贵。

建立中立试验记录

每个试验一行，而不是每个网络尝试一行：

trial_id
provider_alias
started_at_utc
market
target_class
protocol
session_policy
route_verified
direct_fallback_blocked
attempt_count
first_attempt_success
eventual_success
content_valid
geography_valid
policy_valid
failure_layer
status_class
ttfb_ms
total_ms
bytes_transferred
cost_allocation

分析时使用供应商别名，减少熟悉品牌带来的偏见。结果表中不要保存原始代理密码、Cookie、个人数据或完整目标 URL。

随机化并控制测试时间

上午测试 A、晚间故障时测试 B，会引入时间偏差。应在同一获准窗口交错测试：

1. 开始前生成运行顺序；
2. 在每个分层内轮换供应商次序；
3. 使用相同测试身份与浏览器策略；
4. 固定目标、请求形状、视口、同意和超时；
5. 限制并发，避免制造目标站限流；
6. 目标发出限流或访问限制信号时立即停止。

随机化不等于可以增加流量。能够解决采购问题的最小合规样本才是正确样本。

按层分类故障

配置错误不能静默消失。报告原始数量、排除原因、修正后重跑数量与最终分母。

预先固定采购门槛

可信的门槛可以要求：

• 每个关键分层的 95% Wilson 下界达到要求；
• 首次成功与有限重试成功分别报告；
• 有效成功的 p95 延迟低于上限；
• 地理有效率达到门槛；
• 无直连回退与凭据泄露；
• 每次有效成功成本低于上限；
• 没有未解决的合规或目标政策问题；
• 至少两个获准时间窗口的结果一致。

看到结果后不得修改门槛。如果业务要求确实改变，应记录新要求，并一致地重新测试或重算所有供应商。

试用发布清单

• [ ] 使用场景、目标、账户、市场与速率均已授权。
• [ ] 成功及全部故障类别在测试前已定义。
• [ ] 以试验而非重试作为分析单位。
• [ ] 关键市场与目标类型分别分层。
• [ ] 等价时间窗口内已随机化供应商顺序。
• [ ] 已阻止直连回退并记录路由验证。
• [ ] 原始成功率同时提供 Wilson 置信区间。
• [ ] 仅为可比结果计算中位数和尾延迟。
• [ ] 有效成本包含重试与最低承诺。
• [ ] 结果揭晓前已固定验收门槛。
• [ ] 未保留凭据、Cookie、个人数据与多余 URL。
• [ ] 限流、同意和访问政策信号会停止相应测试。

可结合 98IP 的浏览器与代理并发规划、代理故障与目标站限流区分及代理诊断归档脱敏指南实施。

FAQ

住宅代理试用需要多少请求？

没有统一数字。它取决于验收门槛、置信水平、值得识别的最小差异、分层数量和允许流量。先做校准批次，再计算主样本，不要把有限总量分散到过多无法单独决策的分层。

可以直接比较供应商宣传的成功率吗？

宣传数字应视为待验证的声明。不同供应商可能使用不同目标、地区、重试规则、时间窗口和成功定义，只有受控试用能统一这些条件。

重试成功算不算成功？

可以报告有限重试后的试验成功，但必须同时报告首次成功率和尝试次数。恢复请求仍消耗时间、带宽与目标容量。

总体最好但某个必需国家失败怎么办？

若该国家属于关键分层，全球平均值不能覆盖失败。只有在运营复杂度、合规和成本可接受时，才考虑多供应商路由策略。

合规说明

仅对获准的目标、账户、数据和代理路由执行试用。遵守目标条款、robots 指令、用户同意、隐私法律、合同限制和限流信号。不得利用轮换或重试规避封锁、制造流量、隐藏身份或采集受限信息。统计严谨不能让未授权测试变得合规。

研究记录：NIST Engineering Statistics Handbook 关于比例置信区间与样本量的指南，以及 SciPy 对精确和 Wilson 二项比例置信区间的说明。外部研究地址仅保存在内部运营记录中。