Descarregar sites que utilizam WordPress

Sobre WordPress

A partir de certa dimensão, um programa deixa de se comportar como um produto e passa a comportar-se como infraestrutura. O WordPress atravessou essa linha há muito tempo. Em outubro de 2026 detetamo-lo em 7 208 912 sites, e a consequência dessa escala é que a atividade económica interessante saiu da plataforma e passou para a camada que fica acima dela.

Há pelo menos quatro negócios distintos assentes nessa base instalada. Os alojadores vendem-no como serviço gerido. As agências constroem sobre ele. Os fornecedores de extensões e de temas vendem para dentro dele. As empresas de segurança e de manutenção vendem com base nos seus modos de falha. Cada um deles tem uma ideia completamente diferente do que é um bom potencial cliente, e nenhum é servido por uma lista de todos os sites que o usam.

É esse o problema prático do número de destaque. Um filtro apenas pela presença devolve uma população suficientemente grande para ser inútil em qualquer utilização que não seja um comunicado de imprensa. As consultas que produzem trabalho a sério são mais restritas e sempre compostas: sites que o usam juntamente com uma camada de comércio eletrónico específica, sites atrás de um proxy concreto, sites de um país e de um só domínio de topo, sites que levam uma extensão com um aviso de segurança publicado, sites que apareceram desde a reconstrução anterior.

Cada uma delas é um filtro sobre uma população completa e não uma consulta a um diretório. A distinção conta em termos comerciais, porque a cobrança por consulta proíbe em silêncio o trabalho exploratório. Se cada afunilamento custa dinheiro, deixa-se de afunilar cedo e fica-se por uma lista pior.

O quadro geográfico segue a mesma lógica. Nos Estados Unidos concentram-se 2 708 190 do total e a zona .com leva a maior fatia, mas nenhum dos dois é por si só uma instrução de segmentação. Combinada com um sinal de plataforma acima e um sinal de alojamento abaixo, a mesma coluna torna-se genuinamente discriminante.

Há também uma dimensão temporal que um retrato isolado não consegue exprimir. Os sites chegam à plataforma e saem dela, e as duas direções interessam comercialmente: uma chegada é um cliente novo para alguém, uma saída é um cliente perdido. Detetar qualquer uma delas exige duas listas e uma comparação, o que é trivial para quem tem os dados em mão e impossível para quem está a consultar os de outra pessoa.

A exportação da webatla é a lista completa com o resto da pilha ligado a cada linha, entregue num só ficheiro e reconstruída diariamente. Filtre-a localmente, à profundidade que a pergunta exigir, e guarde a cópia de ontem para efeitos de comparação.

A camada das extensões e dos temas merece uma menção à parte, porque é aí que reside a maior parte da variância comercialmente interessante. Dois sites a correr a mesma versão do núcleo podem ser potenciais clientes completamente diferentes consoante o que esteja instalado por cima, e essa camada muda muito mais vezes do que o núcleo. É a deteção a esse nível que transforma um recenseamento de plataforma num mercado segmentado.

Há ainda uma ressalva de qualidade que vale a pena enunciar. Os sites podem esconder ou reescrever os sinais que usamos para identificar a plataforma e a sua versão, e uma pequena parte faz exatamente isso. Os nossos valores descrevem por isso o que é observável e não o que existe, o que é a posição honesta em qualquer medição de um sistema a que ninguém é obrigado a reportar. Quando não conseguimos estabelecer uma versão, a linha diz isso mesmo em vez de levar um valor inferido.

O nosso registo atribui o projeto à WordPress Foundation, é distribuído com licença GPLv2 e está publicamente disponível desde 2003. Como tudo o resto que se distribui sem registo, a única forma de conhecer a sua verdadeira dimensão é medi-la diretamente.