Channel Master 條碼數量盤點

2026-03-25 post-rebuild 對照：Master 已重建至 2,490,077 筆（66 通路），440,414 有 barcode (17%)，361,222 不重複條碼，65,026 不重複 471 台灣碼，跨 2+ 通路條碼 61,558。新增高價值通路含 iHerb (51,484 barcode, 100% UPC/EAN)、家樂福 enrichment (+29,289 valid EAN)。本文分析框架仍適用，但數字已非最新；最新數字見 crawlers/CHANNELS.md L1/L2/L3 統計及 output/category_stats.md。

• 盤點日期：2026-03-19
• 盤點範圍：output/channel_master.csv
• 盤點目的：針對 channel_master 產出一份可單獨引用的條碼數量文件，聚焦列層級、去重後層級、prefix、風險碼、來源別、重疊與衝突分布。

1. 摘要

• channel_master 共有 1,389,934 筆資料，其中 127,032 筆有條碼，整體條碼覆蓋率為 9.14%；對應 94,101 個不重複條碼。
• 條碼數量高度集中：前 5 個來源已占全部條碼列的 67.83%，前 10 個來源占 88.31%。
• 共有 22 個來源實際提供條碼，另有 29 個來源目前在最終整合檔中為 0 條碼；後者合計 1,044,578 筆資料，占全檔 75.15%，其中 pchome 一個來源就有 980,061 筆。
• 條碼格式以 13 位碼為主，列層級佔 97.28%，去重後層級佔 96.93%；12 位 UPC-A 為 2,988 筆，8 位 EAN-8 為 453 筆，14 位 GTIN-14 僅 14 筆。
• prefix 組成以 471 為主體，共 73,237 筆；另有 1,002 筆 200 prefix、5,856 筆 978/979、以及 38 筆全零 placeholder。
• 在本次簡單名稱標準化下，72,549 個條碼只出現在單一來源，佔不重複條碼 77.10%；標準化名稱完全不衝突的條碼為 70,226 個，佔 74.63%。
• 這份盤點顯示目前 channel_master 的條碼池已有足夠規模做候選比對，但若要進一步作為正式 item master seed，仍必須把 200、978/979、全零 placeholder 與高衝突來源分池治理。

2. 方法與定義

• 本文件全部數字直接由 output/channel_master.csv 計算，不引用 crawler 自述覆蓋率，也不以舊報表取代現況。
• 列層級 指資料列數；去重後層級 指以 barcode 去重後的不重複條碼數。
• 名稱分布統計使用本次盤點的簡單標準化：去前後空白、英文字母小寫化、空白折疊。
• prefix 統計以保留條碼的前三位數字為準；978/979 在風險池中合併呈現，但 prefix 表會保留單獨列示。
• 本文件是數量盤點文件，不直接替代治理策略文件。

3. 核心數量

下表所有數值皆直接由 channel_master.csv 計算。

4. 格式與長度盤點

下表同時呈現列層級與去重後層級的長度分布。

5. Prefix 盤點

• 本次盤點共觀察到 558 個不同前三位 prefix；前 20 個 prefix 已占全部條碼列的 83.81%。
• 978 與 979 在 prefix 表中分開計，但在風險池統計中合併為 978/979。

下表列出前 20 個 prefix。

6. 風險碼與特殊碼盤點

下表中的風險碼池彼此不是互斥集合；例如全零碼同時也屬於同數字重複模式。

• 200 prefix 的 1,002 筆資料主要集中在 rakuten-amart (913)、carrefour (45)、tomods (22)、rakuten (12)。
• 978/979 的 5,856 筆資料幾乎全由 cosmed (5,810) 構成，其餘分散於 angelbaby (27)、dingding (10)、rakuten-amart (6)、pxbox (3)。
• 2,988 筆 12 位 UPC-A 主要來自 pxbox (1,764)、costco (460)、pxgo (179)、rakuten (163)、babyez (147)、pxmart_mega (113)。
• 453 筆 8 位 EAN-8 主要來自 angelbaby (190)、pxbox (70)、pxgo (58)、tomods (41)、treebuy (39)。
• 全零 placeholder 僅有 38 筆，但全部集中在 treebuy，且實際只有 2 個不同值：00000000 與 0000000000000。

7. 來源別數量盤點

• 全檔共有 51 個來源；其中 22 個來源有保留條碼，29 個來源目前為 0 條碼。
• 前 15 個條碼來源已占全部條碼列的 97.50%。

7.1 有條碼的 22 個來源

下表按 barcode_rows 由高到低排列。

7.2 目前為 0 條碼的 29 個來源

下表按總列數由高到低排列。

8. 重疊、命名與重複分布

• 本節統計單位皆為不重複條碼。
• 在本次簡單名稱標準化下，111 個條碼同時滿足「>=2 來源且只有 1 個標準化名稱」；若再加上 >=3 來源，僅剩 2 個。

8.1 來源重疊分布

8.2 名稱數分布

8.3 每個條碼對應列數分布

9. 讀法與限制

• 這份文件回答的是「目前 channel_master 裡到底有多少條碼、分布在哪裡」，不是「哪些條碼已可直接當正式真值」。
• 若目標是與發票資料或群眾蒐集合用，這份盤點最有用的切分是：471 主池、200 隔離池、978/979 ISBN 池，以及高衝突來源池。
• 整體覆蓋率只有 9.14%，不代表條碼抽取能力只剩 9.14%；更準確地說，是因為 75.15% 的整合資料列來自目前 0 條碼的來源。
• 由於 77.10% 的不重複條碼只出現在單一來源，任何要拿條碼直接當主鍵的做法，都應預期還需要額外證據層。

10. 依據檔案

• output/channel_master.csv
• build/build_channel_master.py
• docs/R01-barcode.md
• docs/Q01-channel-qc.md