Valeu, as duas são boas e fui olhar o código.

O cited_text resolve exatamente o caso dos 32 milhões de lares. Hoje a primeira chamada já percorre as citações, mas só guarda a URL e joga o trecho fora. Guardando o trecho, dá para conferir no servidor se o número da frase aparece nele, sem modelo. Concordo com errar para o lado da estimativa: um número bom marcado como estimativa custa menos do que um número inventado com cara de fato.

O blocked_domains eu não posso usar inteiro, porque o Reclame Aqui é de onde saem as reclamações que justificam a ideia. Vou fazer a regra na validação: URL do Reclame Aqui vale como fonte de reclamação, mas não como site de concorrente.

Quando subir as duas, rodo as três varreduras de novo e conto aqui quantos números caíram para estimativa.