Scaricare i siti web che utilizzano Tumblr

Informazioni su Tumblr

Una piattaforma social che compare nel markup di un sito può significare due cose del tutto diverse, e distinguerle è il primo compito di chiunque usi questi dati sul serio.

Nel primo caso la piattaforma è il sito. Un dominio personalizzato puntato su un blog ospitato significa che non c’è nessun server a cui accedere, nessun sistema di contenuti da estendere, nessun plugin da installare e nessun database di proprietà di qualcuno. Nel secondo caso la piattaforma è un frammento: un pulsante di condivisione, un feed incorporato, un widget per seguire l’account su un sito che per il resto è costruito e ospitato in modo del tutto convenzionale. In tutti e due i casi si produce un rilevamento di Tumblr, e le due popolazioni non hanno quasi nulla in comune sul piano commerciale.

Sapere quale dei due casi si ha davanti cambia completamente il valore della riga. Un dominio interamente ospitato sulla piattaforma è un criterio di qualificazione netto per chi vende migrazioni, strumenti di ecommerce, hosting o qualsiasi cosa richieda l’accesso al server, perché la risposta è un no categorico finché il proprietario non si trasferisce. Un dominio che si limita a incorporare un widget è invece un segnale di marketing, la prova che un marchio mantiene lì un pubblico e lo considera un canale che merita un link dal proprio sito principale.

La storia stessa della piattaforma conta per leggere i dati. Lanciata nel 2007 e sviluppata in Ruby, la piattaforma è passata per diversi proprietari prima di approdare ad Automattic, e la sua licenza resta Proprietary. Lungo il percorso sono cambiati gli host delle risorse e gli endpoint di incorporamento, il che significa che le impronte raccolte in epoche di scansione diverse non sono perfettamente confrontabili, e un sito con un vecchio codice incorporato può puntare a qualcosa che non è più mantenuto da nessuna delle due parti.

La geografia riflette il pubblico più che un qualsiasi vincolo tecnico. Dei domini che rileviamo, 39.100 si trovano negli Stati Uniti e l’estensione .com guida la ripartizione, in linea con una piattaforma le cui comunità creative e di fandom sono sempre state concentrate in un solo mercato e i cui utenti registrano domini con estensioni generiche.

Risolvere l’ambiguità è esattamente lo scopo di un’esportazione completa. Se una riga contiene la piattaforma e sostanzialmente nient’altro, oppure solo gli host delle risorse della piattaforma stessa, è molto probabile che il sito sia ospitato interamente lì. Se la stessa riga contiene anche un sistema di gestione dei contenuti, un tag di analisi, un fornitore di pagamenti e un server di posta, la piattaforma è un widget sul sito di qualcun altro. Per decidere servono tutte le impronte di un dominio su un’unica riga, cosa che una verifica per dominio fornisce un hostname alla volta e una popolazione scaricabile fornisce per tutti i domini in una volta sola.

Il limite onesto è che riportiamo ciò che viene caricato, non ciò che si intende fare. Un pulsante di condivisione lasciato in un template anni fa appare identico a un canale gestito attivamente, e dal solo markup non è possibile stabilire quale sia l’uno e quale l’altro. Quello che possiamo indicare è l’insieme completo dei domini commerciali che fanno ancora passare una parte del loro front end attraverso la piattaforma, cioè la popolazione su cui vale la pena indagare, e a quel punto il resto della riga indica da dove cominciare.