Телеметрия Discover SDK раскрывает подавление до ранжирования и...

146

Телеметрия Discover SDK раскрывает подавление до ранжирования и механику ленты в реальном времени

Классический подход предполагает, что модели прогнозируемого CTR (pCTR) диктуют видимость в Discover, но телеметрия SDK на стороне клиента раскрывает 9-этапный конвейер, где подавление явно предшествует ранжированию.

Алгоритм форсирует оценку Collection Gate через бинарную проверку isCollectionHiddenFromEmberFeed до выполнения User Interest Matching.

Если юзер смахивает одну статью, этот асимметричный фильтр глобально блокирует весь домен паблишера без эквивалентного механизма для буста на уровне коллекции.

Система пишет перманентную запись /persistent/tombstone_{id}/data в логи для смахнутых URL и юзает хеш DocFingerprint для принудительной кросс-девайс дедупликации, гарантируя, что подавленный или перегретый контент больше никогда не всплывет.

SDK извлекает ровно шесть тегов Open Graph для заполнения пейлоада ContentMetadata, полагаясь на захардкоженные фоллбэки при отсутствии данных.

Движок рендера циклично проходит по жесткой 5-уровневой иерархии изображений — og:image → og:image:secure_url → twitter:image:src → HTML image → twitter:image — и полностью фейлит рендер карточки, если картинка не найдена.

Допуск hero-карточки жестко требует минимальную ширину изображения 1200px.

И наоборот: инжект мета-тегов notranslate или nopagereadaloud триггерит немедленную остановку конвейера, полностью блокируя прием URL.

Свежесть работает как первичный фактор пессимизации ранжирования, падая из корзины максимального веса 1_TO_7_DAYS в корзину низкого веса 15_TO_30_DAYS, после чего телеметрия staleness_in_hours отслеживает непрерывное алгоритмическое затухание.

Данные раскрывают два независимых механизма, которые обходят стандартные ограничения обработки.

Регистрация домена в Google News Publisher Center напрямую инжектит подтип WPAS (Web Publisher Articles Signal) в общий слой персонализации NAIADES, форсируя отдельную классификацию до стандартного извлечения.

Аналогично, Web Stories полностью обходят модель ранжирования pCTR.

Они работают на изолированном конвейере STAMP с выделенными местами в каруселях (INLINE_STAMP_VIEWER_SLIDE_FRAGMENT) и движком прелоада (STAMP_VIEWER_RECOMMENDATIONS), нейтрализуя прямую конкуренцию со стандартными статьями.

Лента работает как live stream через непрерывные gRPC-соединения, позволяя серверу инжектить, менять порядок или удалять карточки прямо посреди сессии без необходимости пулл-ту-рефреша юзером.

Телеметрия раскрывает около 150 одновременных серверных экспериментов (gws:NNNNNNN) за сессию и алгоритмы контрфактуального тестирования, включая background_refresh_rug_pull_count, который трекает случаи, когда Discover ретроактивно отзывает уже доставленные карточки.

Во время финальной сборки система категоризирует контент на 13 различных кластеров, эксплуатируя кластер mustntmiss как строгую очередь приоритетов и применяя внутренние фича-флаги вроде apply_fake_garamond_header для синтетической группировки независимых статей под общим заголовком темы.

https://metehan.ai/blog/google-discover-architecture/

@MikeBlazerX

🚷 Закрытый канал: @MikeBlazerPRO