自己的資料整理完成後，我開始把外部比較接得更完整。這次最實際的進展，是找回先前已取得的公開帳戶資料，在原本 35 個帳戶之外，再接入 78 個帳戶，形成 113 個外部帳戶的固定集合。它讓產品的比較入口有了更大的資料範圍，也讓來源接收和分類流程接受一次完整演練。

我請 ChatGPT 協助梳理來源用途，再由 Codex 核對保留檔案、分頁紀錄與帳戶清單。整個過程採用固定名冊，依照保存的資料重新計算，最後把結果寫進獨立報告。這樣回頭閱讀時，會知道每個數字來自哪一批資料、哪個觀測期間。

先固定集合，再處理紀錄

原來的 35 個帳戶保留下來，新增的 78 個帳戶採用已取得的指定來源。這次來源核對涵蓋 530 份 artifact manifest，接回 160 個新增歷史頁面，並完成 78 個帳戶的端點掃描。分頁重疊先整理，再進入活動分類，讓同一筆保留紀錄在計算中有穩定的位置。

新增帳戶在八月 UTC 留下 103,217 筆保留紀錄。其中 989 筆確認屬於目標藝人，35,545 筆排除，66,683 筆待確認。擴展後，113 個外部帳戶合計保存 227,482 筆八月紀錄。這些資料都保留來源關係，後續可以從分類回到原始列。

待確認活動也參與比較。對每個帳戶，確認筆數形成下界，確認加待確認形成上界。這個安排讓來源裡的資訊程度直接反映在結果中，也讓後續查證能夠對應到某個帳戶、某些原始活動。

兩種固定集合，兩種閱讀角度

產品提供固定正值與全部帳戶兩種模式。正值名冊在嚴格歸屬判讀之前固定為 77 個外部帳戶；加上本人，報告中有 78 份紀錄。全部模式則使用 113 個外部帳戶，加上本人共有 114 份。這份研究以帳戶保留紀錄為單位，採用八月 UTC、指定藝人與活動筆數的共同條件。

本人的資料維持同一份：2,215 筆總活動，目標範圍 1,088–1,228 筆。這次增加的是比較集合，因此新報告可以清楚展示，更多外部帳戶加入後，位置區間如何形成。原 35 個帳戶基線則另存，方便對照不同名冊的結果。

計算位置時，本人和每個外部帳戶都帶著下界、上界。最佳位置會計算哪些帳戶的下界已經超過本人上界；最差位置則計算哪些帳戶的上界可能超過本人下界，再把本人算進去。相同值採同位置，顯示順序另行整理。這套算法把位置的來源拆開，查證某個帳戶後，也能看出哪一端跟著改變。

如果只依確認筆數看描述性排序，本人位置為第 2。區間模式再將各帳戶的待確認活動帶進計算，呈現 2–35／78 或 2–41／114。兩種資訊各有用途：前者讓人快速讀到已確認活動的排序，後者讓人理解保留資料所支持的完整比較範圍。

讓不同公開來源各司其職

整理外部資料時，我也重新檢查官方來源的用途。ListenBrainz 統計 API提供藝人 listeners 等統計入口，適合找到可檢查的帳戶；官方 dumps則提供重建社群紀錄的來源路徑。這次產品採用已取得的 113 個固定帳戶，並把名冊和接收範圍保存進報告。

YouTube 月度受眾的官方定義採用每日更新的滾動 28 天估計，涵蓋 YouTube、Music 與 Kids，包含 Shorts、合作、粉絲影片及藝人非音樂內容。這項資訊適合描述藝人在平台上的受眾規模。我的八月 UTC 活動則用來描述自己的歷史紀錄，兩者在產品中有各自的期間和用途。

YouTube Music 徽章說明提供依收聽活動頒發藝人頭號聽眾里程碑的背景。原件出現的徽章文字與單位也照原樣保存，讓平台給出的里程碑可以和自己的活動分析放在一起閱讀。

這輪整理讓我更清楚地分配每一種來源：個人原件負責描述自己，公開帳戶紀錄負責固定集合比較，平台統計負責介紹平台定義的規模與里程碑。全球個人收聽位置則是未來接入共同量尺、分布與身分去重資料時，可以持續延伸的研究方向。

新增來源也保存自己的接收批次與判讀設定。歷史 35 個帳戶和新增 78 個帳戶各有可追查的來源，報告把它們接成固定名冊，再按適用規則分類。這讓不同時間取得的檔案能夠一起使用，查證時仍然找得到各自的路徑。

把擴展成果帶進產品

整合版 1.2 已經將這份名冊、歸屬結果和比較條件接進回顧流程。選定八月、藝人和集合後，畫面會顯示相應統計，離線說明也引用當前報告。匯出時，帳戶範圍和上下界一起保存，讓使用者從檔案仍能讀懂位置的來源。

對我來說，Day22 的成果很具體：一份可以追查來源的 113 帳戶資料集，兩種固定集合比較，以及一條從接收、分類到報告的完整路徑。公開資料經過整理，已經成為產品裡可選擇、可檢查、可重跑的功能。下一篇，我會把這些結果接成讀者能直接理解的文字說明。