报告和指数类页面的引用价值，来自一个很朴素的性质：别人可以直接拿去核对，而不用先相信你。一段评论写得再好也只能被转述，一组带口径和范围的数字可以被引用、被复算、被写进别人文章的方法部分。所以判断这类页面值不值得投入，标准不是做得多漂亮，而是它有没有可核对的单元。
"可核对"具体指三件事：读者知道数字从哪来、覆盖什么范围、什么时候统计的。缺任何一件，外部作者引用你时就要冒风险，于是会选择更省事的写法：不引用，或只提品牌名而不给链接。
官方眼里，什么算数据集
数据集结构化数据的官方说明里给了可以直接对照的例子：一张带数据的表格或 CSV 文件；一组有组织的表格；含数据的专有格式文件；若干文件合起来构成的一个有意义的数据集；承载数据的图片；与机器学习相关的文件。同一页还说明，提供名称、描述、创作者和发布格式这类信息，能让数据集在数据集搜索工具里更容易被发现——这属于可发现性，该页也写明在搜索结果里的实际呈现方式可能不同。一份纯观点文章即使做得很规范，也不属于这一类。
必填与推荐字段，照文档抄
下表按同一份官方说明整理，字段名以该页为准，不要凭印象写。
| 字段 | 要求 | 填写时的注意点 |
|---|---|---|
name（必填） | 数据集名称 | 不同数据集要用不同名称，官方给的反例是两个数据集都叫同一个简称 |
description（必填） | 摘要，50 到 5000 字符 | 写清数据是什么、覆盖什么，不写营销语 |
creator | 创作者，个人或机构 | 个人可用 ORCID 标识，机构可用 ROR 标识 |
license | 许可地址 | 给到能唯一确定版本的那一层，官方明确不建议只给到许可类别页 |
identifier | 标识符，如 DOI | 有多个就重复该属性，这是别人引用你时最常写的一串字符 |
sameAs | 能唯一确定该数据集身份的参考页 | 同一数据集在多处出现时指向权威版本 |
distribution | 下载位置与格式 | 其中下载链接 distribution.contentUrl 是必填项，格式写在 encodingFormat |
temporalCoverage | 时间区间 | 按 ISO 8601 写；开放区间用两个点表示 |
spatialCoverage | 地理范围 | 只有数据有空间维度时才填 |
keywords、isAccessibleForFree、version、variableMeasured、measurementTechnique、citation | 可选但有用 | 其中测量方法与被测变量两项官方标注为待标准化属性 |
同页还有两条容易漏的细节：官方建议把所有文本属性限制在 5000 字符以内，数据集搜索也只使用文本属性的前 5000 个字符；另外，重复发布或聚合他人数据时，官方建议用 isBasedOn 标明来源。
从数据到可被引用，六个动作
- 先写口径：数据来源、覆盖范围、统计时间、剔除了哪些情况。放在正文最前面，不要放页脚。
- 主体是 HTML 页面，表格要能读、能复制、能被搜索到。只放 PDF 的报告，外部无法在页面上引用具体某个数字。
- 给一份原始下载，格式通用，不注册、不留邮箱也要能下。
- 准备一个稳定标识符，例如不随年份变化的编号或永久地址。这是别人写出处时唯一能稳定引用的东西。
- 页面里放真实超链接。Google 一般只能抓取带
href属性的<a>元素，链接如何被发现和传递这一页说依赖脚本事件或其它标签伪装的链接它无法可靠提取，所以数据源出处、原始文件、更新记录不要藏在展开层里。 - 更新时换编号、不换地址，并在页面显著位置写清本次覆盖区间。口径变了却沿用同一个数字，是引用方最忌讳的一种错误。
没有预算做正式调查时，可复核的演示数据也能走这条路，做法见没有调查预算怎么做出可被引用的原创数据；能不能撑住长期链接，见可引用单元与长期链接。
哪些"报告"其实没有引用价值
五种情况属于例外，不必硬做成长期资产：一是数据源二手转述、无法复算的合集。二是样本太小、说不清代表性的抽样。三是每年换一套口径却在同一个地址上覆盖旧版。四是结论与数据分离，只有观点没有可核对的数字。五是只给一个指标值、不给分布和分母。
另外要留意时点：Google 在判断内容是否有用且可靠的自查清单里提醒过，不要因为想让内容显得新就改页面日期，内容没有实质变化时改日期只会误导判断。报告页最容易在这里翻车，正确做法是把旧版本老实标为旧版本，并给出当前版本。
怎么验证它被当成数据源在用
发布前一周记下总外链数、引用域数作为基线。之后每月固定做五个核对动作：查总外链数与引用域数；搜"品牌词 + 报告名"；搜 site: 加报告标题；搜一个只有你这页才有的数字片段，看有没有第三方复述过；把新外链逐条登记来源页、锚文本、指向的地址，并记下对方引的是哪个数字。
| 三个月后看到什么 | 判断 | 下一步 |
|---|---|---|
| 有外链指向页面，上下文里出现了你表格中的具体数字 | 数据被当作可核对来源使用 | 把被引最多的那张表单独做成长期维护页 |
| 有外链但只提到品牌名，正文里没有你的数字 | 被当作"某家公司出的东西"提及 | 把关键结论提到页面前两屏，并给出稳定编号 |
| 有下载、零外链 | 口径或可读性没过关 | 先补口径说明和 HTML 表格，再谈推广 |
| 自己页面被收录，但始终无人复述你的数字 | 数据的独特性不足 | 换角度重做切片，例如按行业或按规模拆开 |
第五个核对动作最关键：只有"某个具体数字被第三方复述过"，这份报告的引用价值才算成立。三个月下来外部只提品牌名，说明它现在是一份宣传材料而不是数据源。