companies: Aufrufe als Veröffentlichungsnachweis im Altbestand werten

Das Altsystem hat 2009–2018 rund 126 000 Meldungen auf `rejected` gesetzt,
83 000 davon mit Aufrufen — die waren online und sind pauschal offline
genommen worden. Wer nur `status = published` zählt, stellt pr4you, Blödorn
und Crossover Point mit Hunderten Meldungen neben yahoo@yahoo.com.

Eine Firma gilt jetzt als veröffentlicht, wenn sie eine Meldung mit
`published` ODER `hits > 0` hat. Nie veröffentlicht: 23 → 7 Adressen.

Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>

app/Services/Company/CompanyAddressClassifier.php

@@ -40,7 +40,8 @@ class CompanyAddressClassifier
      * `pr@deutsche-stadtauskunft.ag` trägt 133 Namen und hat trotzdem 134
      * Firmen mit veröffentlichten Meldungen. Das trennscharfe Signal ist die
      * Veröffentlichung: Hinter einer Platzhalter- oder Wegwerfadresse ist nie
-     * etwas erschienen, hinter einer Agentur laufend.
+     * etwas erschienen, hinter einer Agentur laufend — auch wenn das Jahre her
+     * ist und die Meldungen heute offline sind (siehe `classifyAll()`).
      */
     private const JunkPublishedRatio = 0.05;
 
@@ -84,14 +85,24 @@ class CompanyAddressClassifier
      */
     public function classifyAll(int $collectionThreshold): array
     {
-        // Einmal alle Firmen mit mindestens einer veröffentlichten Meldung,
+        // Einmal alle Firmen, die JEMALS eine Meldung veröffentlicht haben,
         // statt je Firma eine korrelierte Unterabfrage: Das läuft über den
         // gesamten Bestand, und das ist eine Abfrage gegen hunderttausend.
+        //
+        // „Jemals" heißt: heute `published` ODER Aufrufe gezählt. Der Status
+        // allein trügt beim Altbestand — das Altsystem hat 2009–2018 rund
+        // 126 000 Meldungen auf `rejected` gesetzt, 83 000 davon mit Aufrufen.
+        // Eine abgelehnte Meldung wird nie aufgerufen; die waren online und
+        // sind später pauschal offline genommen worden. Ohne die Aufrufe
+        // stünden pr4you, Blödorn oder Crossover Point mit Hunderten Meldungen
+        // aus 2006–2011 als „nie veröffentlicht" neben `yahoo@yahoo.com`.
         $withPublication = array_flip(
             PressRelease::query()
                 ->withoutGlobalScope(PortalScope::class)
-                ->where('status', 'published')
                 ->whereNotNull('company_id')
+                ->where(function ($query): void {
+                    $query->where('status', 'published')->orWhere('hits', '>', 0);
+                })
                 ->distinct()
                 ->pluck('company_id')
                 ->all()

dev/2026-09-01/umsetzung-protokoll.md

@@ -649,3 +649,55 @@ dieselbe Logik. 14 427 Adressen (75 %) sind zusammenführbar; hinter ihnen
 stehen die 17 945 Firmen aus 1a.1. Der scharfe Lauf am selben Tag schrieb
 dieselben 19 167 Zeilen nach `company_email_groups` — die Tabelle ist auf Live
 gefüllt, 1a.3 kann darauf filtern.
+
+### Korrektur: „veröffentlicht" heißt „jemals veröffentlicht"
+
+Die 23 Nie-veröffentlicht-Adressen von Live hatten **alle** exakt null Firmen
+mit Meldung — darunter pr4you (65 Firmen), Blödorn PR (35), Crossover Point
+(31), GCE (48). Sieben Agenturen, die nie etwas veröffentlicht haben sollen,
+sind kein Befund, sondern ein Messfehler.
+
+Nachgeprüft in der Dev-DB (Kopie des Bestands):
+
+| Adresse | Meldungen | Status | davon mit Aufrufen | Zeitraum |
+|---|---:|---|---:|---|
+| presse@pr4you.de | 199 | rejected | 199 | 2008–2011 |
+| h.ballwanz@pr4you.de | 473 | rejected | 473 | 2006–2011 |
+| info@bloedorn-pr.de | 194 | rejected | 193 | 2006–2011 |
+| info@gce-agency.com | 328 | rejected | 328 | 2009–2011 |
+| press@crossoverpoint.de | 149 | rejected | 148 | 2009–2011 |
+| yahoo@yahoo.com | 5 176 | rejected | **0** | 2015–2019 |
+| hcgdietinsight4@gmail.com | 73 | rejected | **0** | 2011–2012 |
+
+**Ursache:** Das Altsystem hat 2009–2018 rund 126 000 Meldungen auf `rejected`
+gesetzt (gegenüber 31 000 `published`); 83 000 davon tragen Aufrufe. Eine
+abgelehnte Meldung wird nie aufgerufen — die waren online und sind später
+pauschal offline genommen worden. `rejected` im Altbestand bedeutet
+„offline", nicht „redaktionell abgelehnt". Der Importer hat den Status
+korrekt übernommen; nur die Deutung war falsch.
+
+**Fix** in `CompanyAddressClassifier::classifyAll()`: eine Firma gilt als
+veröffentlicht, wenn sie eine Meldung mit `status = published` **oder**
+`hits > 0` hat. Zwei Tests halten beide Seiten fest (Agentur mit alten
+Offline-Meldungen → Sammeladresse; abgelehnte Meldungen ohne einen Aufruf →
+nie veröffentlicht). Laufzeit unverändert (2,6 s).
+
+**Wirkung** (Dev-DB, Stand etwas älter als Live): 23 → **7** nie
+veröffentlicht, 16 wandern zur Sammeladresse. Die übrigen Klassen sind
+unberührt — das Veröffentlichungssignal entscheidet nur zwischen „nie
+veröffentlicht" und Sammeladresse. Die Sieben, die bleiben:
+`yahoo@yahoo.com`, `pr@getarticlesdone.com`, `hcgdietinsight4@gmail.com`,
+`zhangmh@itecheasy.com`, `andrewkarvert112@gmail.com`,
+`kontakt@pr-vertretung.de` (159 Firmen, 1 mit Aufruf), `bukmaier@prdienst.de`
+(28 Firmen, keine einzige Meldung). Letztere ist die einzige mit
+Agentur-Namen — sie kann bei Bedarf per `manual_classification` umgestellt
+werden.
+
+**Nebenbefund für spätere Auswertungen:** Jede Statistik, die
+`status = rejected` über den Altbestand als Ablehnung liest, misst falsch.
+Die Ablehnungsquote aus 0.2 ist nicht betroffen (sie läuft über die
+Statuslogs des neuen Systems).
+
+**Deploy:** Nach dem Deploy `companies:classify-addresses` erneut laufen
+lassen — die 16 Adressen werden dabei umklassifiziert, Handentscheidungen
+bleiben.

tests/Feature/CompanyMergeReportTest.php

@@ -152,6 +152,33 @@ test('a large but working agency is not mistaken for a placeholder', function ()
         ->and($classes['nie_veroeffentlicht']['adressen'])->toBe(0);
 });
 
+test('an agency whose releases went offline years ago still counts as published', function () {
+    /** @var TestCase $this */
+    // Der Altbestand: Das Altsystem hat 2009–2018 rund 126 000 Meldungen auf
+    // `rejected` gesetzt, 83 000 davon mit gezählten Aufrufen. Eine abgelehnte
+    // Meldung wird nie aufgerufen — die waren online. pr4you mit 65 Firmen
+    // und 199 solcher Meldungen aus 2008–2011 ist eine Agentur, kein Müll.
+    foreach (range(1, 30) as $i) {
+        $company = mergeCompany('presse@pr4you.de', fake()->unique()->company().' '.fake()->unique()->word());
+        PressRelease::factory()->create(['company_id' => $company->id, 'status' => 'rejected', 'hits' => 120]);
+    }
+
+    $classes = mergeClasses();
+
+    expect($classes['sammeladresse']['adressen'])->toBe(1)
+        ->and($classes['nie_veroeffentlicht']['adressen'])->toBe(0);
+});
+
+test('a rejected release without a single view is no publication', function () {
+    /** @var TestCase $this */
+    foreach (range(1, 30) as $i) {
+        $company = mergeCompany('yahoo@yahoo.com', fake()->unique()->company().' '.fake()->unique()->word());
+        PressRelease::factory()->create(['company_id' => $company->id, 'status' => 'rejected', 'hits' => 0]);
+    }
+
+    expect(mergeClasses()['nie_veroeffentlicht']['adressen'])->toBe(1);
+});
+
 test('a single company on its own address is not part of the report', function () {
     /** @var TestCase $this */
     mergeCompany('allein@muster.de', 'Allein GmbH');