域名抢注这事儿，圈外人总觉得带点灰色。圈内人明白它就是拼手速、拼眼光。到了现在这个节点，.com 里能读能记的组合早就被扫过无数轮了。
新站上线冷启动三个月，能有个位数自然流量都算运气好。团队手里同时跑五六个项目，域名库存见底的时候，谁还等得起那半年收录期？
过期域名到底值在哪
老域名自带“历史包袱”，但这个包袱恰恰是别人想要的。一个域名如果之前做过正经站，搜索引擎里可能还挂着几百条收录记录，外链哪怕断了一半，也比新域名从零开始强太多。
上次抢到一个过期两年的 .com，放上去第三天百度就抓了首页。同期注册的新域名等了快三周才进索引。更别提那些行业关键词域名，比如“shanghaifood.com”这种——你注册新域名得靠竞价排名才能让人搜到，老域名直接白嫖当年积累的品牌词流量。
执行门槛这几年确实降了很多。以前你得盯着 WHOIS 过期时间、手动算赎回期、再找抢注平台下单。现在脚本批量扫一遍，把历史外链、页面快照、垃圾内容风险打几个标签，出价策略就能自动生成。但反过来，门槛越低，坑越多。历史污染严重的域名——被黑过、挂过菠菜页面、被谷歌人工降权过的——抢过来不但没权重，还可能连累你主站被连带惩罚。你买的不是“一个网址”，而是这个网址过去几年积累的信任分。信用分高的，值几千块；信用分烂的，白送你都别要。
我是怎么用脚本批量扫域名的
最早的做法很原始：跑一圈 whois，把状态为 PENDING_RELEASE 的拉出来，再去搜索引擎 site: 一下，看还剩多少收录。够用吗？不够。光靠这俩指标，我把一个看起来“外链十万”的域名抢到手，结果一半是色情站链过来的，上线当天就被风控标记。
那之后我把流程拆成三步：抓取、打分、出价。
市面上不少平台提供“即将释放”列表，但格式千奇百怪。与其一个个下载再合并，不如让脚本直接调它们的查询接口。以 GoDaddy 为例，它的 expired domain search API 支持按后缀、长度、删除日期过滤。关键参数是 domainStatus，你得盯着 pendingDelete 和 redemptionPeriod 这两个值。下面这段 Python 代码演示了如何用 requests 去拉取一批 .com 待释放域名。
import requests, json, time
API = "https://api.godaddy.com/v1/domains/search"
headers = {"Authorization": "sso-key YOUR_KEY:YOUR_SECRET"}
params = {"limit": 1000, "sort": "expiryDate", "type": "expired", "suffix": ".com"}
resp = requests.get(API, headers=headers, params=params)
for hit in resp.json()["domains"]:
if hit["status"] == "pendingDelete":
print(hit["domainName"], hit["expiryDate"])拿到名单只是第一步。真正麻烦的是判断“值不值得抢”。我不打算训练模型，于是走了个巧招：把每个域名的历史快照丢给 GPT-4，让它帮我读页面内容，判断是不是正经网站。具体做法是先用 archive.org 的 CDX 接口抓回所有快照，再用 urllib 模拟浏览器请求，把 HTML 正文提取出来。GPT-4 的任务很简单——“这段话讲的是什么行业？有没有敏感词？”返回的结果我转成向量存起来，方便后续做相似度匹配。
这么做最大的好处是能筛掉“伪相关”域名。比如有个叫“healthpills.net”的，标题全是减肥药，但正文其实是机器生成的乱码。这种站点即使有外链也白搭，因为搜索引擎早就把它拉黑了。我的脚本会在评分表里给它打个大大的红叉。
最后输出的不是一堆 JSON，而是一张带颜色的 Excel。每一行包括五个字段：域名、行业标签、历史外链数、收录量趋势、风险等级。其中风险等级由三个子项决定——是否被谷歌人工干预过、是否有大量垃圾外链、是否涉及商标词汇。分数低于 60 的直接忽略，高于 85 的进入“自动出价”队列。中间那截留给人工复核，毕竟机器还没法完全理解人类的玄学审美。
出价引擎：从数据到报价
评分表筛完，手里剩下一堆“可以抢”的域名。但下一个问题更棘手：出多少钱？
聚名网和 Godaddy 的竞拍机制不一样。国内平台偏向一口价加价模式，老外的拍卖行则是纯竞价，最后几秒还能 snipe。你不可能每个域名都手动盯盘，更不可能靠直觉报价——那跟扔骰子没区别。
我写了一个出价引擎，输入是评分系统输出的那五个字段，输出是一个具体的竞拍价。域名价格不是玄学，至少在我这套逻辑里不是。我把它拆成三块：基础估值、热度系数、利润底线。
基础估值靠外链数和收录量来算。每条历史外链我给它估 0.5 元，但仅限于来自教育机构（.edu）和政府（.gov）的链接——商业站的垃圾外链我不认，甚至要倒扣分。收录量则看百度站长平台的数据，过去 90 天还有索引的，每条加 2 元。这部分算下来其实很少，一个中等质量的域名基础估值大概在 80 到 300 块之间。
真正拉高价格的是热度系数。我会用 requests 去抓聚名和 NameJet 上同后缀、同长度区间的域名历史成交价，算一个中位数，然后跟当前在拍域名的出价人数做加权。如果某个 .com 域名有 5 个人在抢，热度系数就乘 1.8；要是只有 1 个，乘 0.6 就行。
def calc_bid(domain_score, history_prices, bidder_count):
base = domain_score['edu_links'] * 0.5 + domain_score['gov_links'] * 0.5 + domain_score['indexed_pages'] * 2
heat_factor = 1.0
if bidder_count >= 5:
heat_factor = 1.8
elif bidder_count >= 3:
heat_factor = 1.3
elif bidder_count <= 1:
heat_factor = 0.6
median_price = np.median(history_prices) if history_prices else base
raw = max(base * heat_factor, median_price * 0.7)
return raw没用什么深度学习模型。一个简单的加权计算加上历史数据校准，就已经能跑赢大多数手动出价的人了。
出价引擎最后一步是检查利润率。我设了一个全局参数 PROFIT_MARGIN = 0.25，意思是任何域名的最终出价不能超过它预估转售价的 75%。预估转售价怎么来？我抓了 Sedo 和 Afternic 上同长度、同后缀、同行业的域名近半年成交价，做了个线性回归。虽然回归的 R² 只有 0.3 左右，但至少能划出一条“别瞎出”的红线。
举个例子： 这个域名基础估值 120 块，但因为它跟摄影器材相关，而那个品类在 Sedo 上溢价严重，回归模型给出的预估转售价是 900 块。那么我的出价上限就是 900 * 0.75 = 675。再加上热度系数 1.3（只有 2 个人在抢），最终报价是 675——而不是更高的数字。如果基础估值算出来是 500，但预估转售价只有 600，那出价引擎会直接跳过这个域名，因为利润率不够。
这条规则帮我挡掉了不少坑。有一次系统对 techbuzz.io 报了 450 块，结果竞拍结束只有我一个人出价，捡了个漏。后来查历史数据才发现，这个域名的外链全是中文垃圾站，但预估转售价算法没识别出语言特征——所以我又加了一个“语言一致性”惩罚因子，非英文内容的域名直接打折 40%。
出价逻辑写完后，提交就只是 API 调用了。Godaddy 的拍卖接口用的是 OAuth 2.0，聚名的接口则走签名认证。我会把待出价的域名先写入一个 SQLite 表，然后每分钟轮询一次，在竞拍结束前 30 秒才提交最高价——这叫 snipe 模式，能避免过早暴露意图导致别人跟价。
def place_bid(domain, amount, platform):
if platform == 'godaddy':
payload = {"offer": {"amount": amount, "currency": "USD"}}
resp = session.post(f"https://api.godaddy.com/v1/auctions/{domain}/bids", json=payload)
elif platform == 'juming':
ts = int(time.time())
sign = hashlib.md5(f"{API_KEY}{ts}{domain}{amount}".encode()).hexdigest()
resp = session.post("https://api.juming.com/auction/bid", data={
"domain": domain, "amount": amount, "timestamp": ts, "sign": sign
})
return resp.status_code == 200脚本跑起来之后，我基本不用盯着屏幕了。每天早上看一眼 Telegram 通知——谁中标了、花了多少钱、预估利润率多少——就够了。这套流程跑了一个月，中标率从原来的 12% 升到了 34%。当然，不是每次都能赚钱。有个 花了我 200 块，挂了大半个月没人问，最后 80 块甩了。但整体算下来，扣除所有成本，利润率还是正的。
三个月利润翻倍的实战记录
跑通出价之后，真正拉开差距的是“挑货”。我把那三个月最赚钱的几类域名，按品类和信号做了分类，脚本每次扫到就自动打标签。
第一类最好赚，是带行业权重的老.com。脚本会先拉 Ahrefs API 取 backlink profile，再用 Lighthouse 跑一次站内技术审计，剔除软404和过度重定向。我把“单引号/双引号混排锚文本”当成危险特征，遇到这种多半早年灰产用过。筛完还剩 60+ 个，再让 AI 读 Whois 历史和首页快照，给“可信度分”。有次抢到某个工业传感器相关的 .com，成本 180，挂出去两周就被米农 540 收走。
第二类是 3-5 字母或两词组合，含义模糊反而好卖。我在 Ollama 上跑 smallish 7B，做英汉双语品牌联想，只要“读音顺、拼写无歧义、能注册社媒同名”就算合格。脚本还会查 ICANN 统一 whois 的最近变更，若过去两年频繁过户，直接弃。靠这套规则，我用 90-120 的注册/抢注价拿了 9 个，平均 3-4 个月出手，毛利在 1.8-2.6 倍之间。
第三类最容易踩雷。我现在会让脚本并行查 Google Search Console 清理记录（如果前任愿意留）、Wayback Machine 的 /__/ 重定向史，以及 VirusTotal 的域名信誉。一旦命中“分发过恶意软件”或“用户举报钓鱼”这类标签，就直接进拒绝池。还有个坑是“过期后被泛解析灌了黄赌毒页面”，肉眼看不出来，只有抓取返回码才露馅。脚本发现异常，会在 SQLite 表里标 red，并阻断后续出价。三张清单轮着跑，三个月下来，净利润比之前瞎拍脑袋高了一倍多。
有些坑 AI 也救不了
脚本跑得再欢，域名抢注这事也躲不开几个要命的坑。有些坑，AI 甚至替你挖得更快。
先说历史污染。我最早用脚本批量扫 backlink 时，发现有个 .com 外链数量漂亮得很，Ahrefs 显示 200+ 引用域，还带几个 .edu 的。结果脚本抓了 Wayback Machine 快照一看——首页是十年前某减肥产品的垃圾站，评论区全是机器刷的“有效！瘦了20斤”。更恶心的是，这域名过期后被某灰产拿去泛解析，给菠菜站导过三个月流量。Google Search Console 里被标注了 manual action，搜一下 site:域名，首页都没收录。这种域名你要来干嘛？新站挂上去，轻则排名迟迟不出，重则直接被沙盒。脚本后来加了一道：查 VirusTotal 域名信誉分，低于 70 直接拒，Wayback Machine 的最后三条快照内容用 NLP 做个“内容清洁度”打分，凡是有大量外链农场、弹窗广告、盗版影视资源的，标红。
外链质量这块更玄。脚本能拉 backlink profile，但分辨不出“十年前的高权重.edu 友情链接”和“某 Fiverr 外包商批量发的 blog comment 垃圾链”。后者权重早归零了，还可能触发 Penguin 算法。我后来在脚本里写了个小函数 assess_backlink_quality(domain)，逻辑很简单：但凡锚文本里“buy”“cheap”“click here”占比超过 15%，或者引用域里超过 30% 是 .xyz/.top/.loan，直接降权标记。别信什么“外链数量多就好”，外链年龄分布、域名多样性、锚文本自然度，这三项有一项烂，整个 profile 就废了。脚本里我还加了条规则：如果域名的外链中，超过 50% 指向的是同一 IP 段，或者大量域名都注册在同一天，基本就是 PBN 的养料池，碰都别碰。
竞价陷阱最隐蔽。热门域名抢注时，聚名网、DropCatch 这些平台会有竞拍机制，你脚本出价 200，对手可能出 300，最后成交价翻到成本的三四倍。有次我看中一个 4 字母 .com，含义能拼成“早鸟”，脚本评估下来品牌联想分 82，AI 给的建议出价上限是 150。结果竞拍最后 10 秒，系统弹到 370。我没跟，后来查 Whois，那个域名被另一个米农拍了，挂了半年没卖掉。脚本里可以加个“冷静策略”：如果当前出价超过 AI 评分的 1.6 倍，自动放弃，别上头。预算有限的话，我建议把出价上限写死在配置文件里，脚本跑完只把价格变动的域名抓出来发邮件通知，你自己手动判断要不要加价——AI 不懂什么叫“拍下来砸手里”的痛。
还有个坑是泛解析。有些过期域名，在释放前被注册商或某些第三方灌了大量子域名，指向菠菜、色情、甚至钓鱼页面。肉眼查首页快照可能看不出来，因为首页也许是干净的，但脚本一爬 就露馅。我在脚本里加了一步：随机生成 5 个不存在的子域名前缀，用 带上随机 User-Agent 去抓，如果返回 200 且页面标题含“bet”“casino”“adult”等关键词，直接打上“polluted”标签。这步做完，过滤掉的域名里有一半是我之前觉得“看起来还行”的。
AI 脚本能替你筛掉 80% 的雷，但剩下的 20%，得靠你对行业的直觉。比如有些域名历史清白、外链优质、竞价也没人抢，但你一看就觉得“这词没人搜”，那就别买。数据是死的，判断是活的。当你的脚本能稳定输出“可注册/不可注册”的结论后，最自然的下一步，是把它变成一个每天自动运转的小系统：固定时间扫库、把高价值信号推送到你常用的 IM 或邮箱、并在每次抢注结束后把“预测 vs 实际”的差异写回日志，供后续调参用。
从脚本到自动化系统
别靠手动运行。我在一台小 VPS 上塞了条 cron，每天 03:00 拉取当天释放列表，调用 assess_backlink_quality(domain) 与品牌联想分一起跑，再把新增/变动写进 sqlite。为了不吵醒自己，我把重任务拆成队列：先生成“候选池”，再逐步计算外链年龄分布、锚文本自然度、以及是否疑似 PBN 养料池（同一 IP 段、同一天注册批量域名这类特征）。
0 3 * * * /opt/domain-scanner/cli.php --fetch-released --project=portfolio-v2 --db=/data/domains.sqlite通知不是全量播报，而是把“异常”和“机会”打包。我用企业微信机器人发了两条固定格式：一条给“今天最值得看 5 个”，另一条给“价格波动/即将竞价结束”的短名单。邮件也类似，正文里放域名、核心分数、以及一句话理由，比如“.com 短词，外链干净，但竞价在最后 10 秒可能跳价”。如果你不想被平台竞价裹挟，就把“冷静策略”写进配置：当实时出价超过 AI 评分的 1.6 倍，通知只标黄，不强推。
每次抢注落锤之后，我会把成交价、对手数、转手周期、还有“那次为什么没跟”全写回表里。最笨也最有效的法子：一条 SQL 把“预测区间 vs 实际成交”算出差值，月底导出 CSV，用 Python 拉几个图——哪些后缀溢价明显、哪类锚文本占比反而更扛跌。你会发现那些“看起来便宜”的 .xyz 砸在手里，根本原因不是后缀烂，而是引用域来源太单一；光盯着总量看，十个有九个误判。
把域名倒卖这事儿干成流水线，核心就一条：别让机器替你思考，但让它替你跑腿。筛选交给脚本，报价让算法算个区间，你只管拍板——再说，机器连你的加价冲动都能记住，下次出价自然帮你收着点。
评论