📜 Historique des analyses

📊

Aucune analyse dans l'historique

in/metehanyesilyurt | metehan.ai | @metehan777
Propulsé par Claude Opus 4.6 + SDK Telemetry

Prédicteur pCTR Discover

Prédit les taux de clics Google Discover grâce à un modèle calibré sur des données SDK réelles — correspondance d'entités, buckets de fraîcheur, et pénalité d'aveuglement (β).

📐 Formule pCTR Discover (dérivée du SDK)

qualité = Σ(wᵢ × fᵢ) 8 dimensions de qualité β_pénalité = 1 − 0.35 × (score_clickbait / 10) brut = qualité × β_pénalité pCTR = 0.5% + (22% − 0.5%) × σ(0.65 × (brut − 5.5))
Facteur d'aveuglement β : Issu de la formule LTV de Google (LTV = enchère × pCTR − β). Les titres clickbait génèrent un CTR initial élevé mais un faible engagement_time_msec. La boucle de rétroaction (Étape 9) réduit le pCTR futur. Notre β_pénalité modélise cela : un score_clickbait de 7/10 réduit la qualité de 24,5%.
Densité d'entités22%
Clarté du sujet18%
Valeur informationnelle16%
Signal de fraîcheur12%
Profondeur d'engagement10%
Formatage du titre8%
Autorité naturelle8%
Promesse visuelle6%
Multilingue — fonctionne avec toutes les langues. Essayez des titres en français, anglais, allemand, espagnol ou toute autre langue.
Mode batch
📊

Saisissez des titres d'actualités pour prédire leur taux de clics Google Discover.