Analiza SDK Metehana Yesilyurta ujawniła nazwy wewnętrznych pipeline’ów Google Discover. Nasze dane pokazują, co każdy z nich naprawdę robi: wolumen, zasięg, timing, wiodące domeny. 42 miliony kart, setki urządzeń, trzy miesiące obserwacji.
Co zrobiliśmy
Przez trzy miesiące (grudzień 2025 – luty 2026) obserwowaliśmy rzeczywiste strumienie Discover z setki urządzeńWynik: 42 miliony kart przeanalizowanych. Do każdej karty przypisaliśmy pipeline odpowiedzialny za jej wybór.
Nazwy już występowały w SDK Google, zostały między innymi niedawno opublikowane przez Metehana Yesilyurta. Brakowało jednak co robią w praktyce : ile treści każdy wybiera, na ilu urządzeniach to pokazuje, jak szybko i które domeny faworyzuje. To właśnie ujawniają nasze dane.
Dla każdego pipeline’u obliczamy cztery metryki:
- Zasięg : odsetek urządzeń, które codziennie widzą każdy adres URL
- Szybkość : mediana wieku artykułów w momencie ich pojawienia się
- Wyłączność : odsetek adresów URL należących do pipeline
- Wolumen : udział w całkowitym strumieniu
Objawienie: nie algorytm, lecz system warstwowy
Powszechne przekonanie: Discover używa algorytmu rekomendacji. Rzeczywistość: to jest system zbudowany z sześciu warstw funkcjonalnych, z których każda ma odrębną logikę i odbiorców.
Każdy pipeline jest umieszczony według prędkości (oś X, logarytmiczna) i zasięgu (oś Y). Kolor = rodzina funkcjonalna. moonstone i shoppinginspiration dominują pod względem zasięgu; mustntmiss i newsstoriesheadlines są najszybsze; deeptrends i aura utrzymują się najdłużej.
20 pipeline'ów FR uszeregowanych według całkowitej objętości. content dominuje z 30,7%, następnie aura (13,3%) i moonstone (12,9%).
Mapa głównych pipeline'ów dla FR z ich głównymi metrykami
Sześć warstw:
- Fundament redakcyjny : content, moonstone, aura, paginationpanoptic, relatedcontentruby. Podstawowa pętla: treść wchodzi przez content, jest wzmacniana przez moonstone jeśli zaangażowanie to umożliwia, dywersyfikuje się przez aura, przedłuża przez scroll (pagpan) i kliknięcie (ruby).
- Aktualności i pilność : mustntmiss (wzrost priorytetu ~2x, Le Monde dominuje) oraz newsstoriesheadlines (klastry Google News, 46% wyłącznych adresów URL).
- Trendy : deeptrendsfable wykrywa, deeptrends utrzymuje się. Sekwencyjny pipeline: 27% współczynnika przejścia, 21 godzin opóźnienia. x.com jest źródłem trendów we FR.
- Lokalne i geo : geotargetingstories (mainstream z filtrem geo), webkicklocalstories (czyste hyperlocal, 67% wyłącznych adresów URL, prasa regionalna), astria (lokalny autorytet, opóźnienie 1,5 dnia).
- Media społecznościowe i wideo : creatorcontent (x.com dominuje na 75% we FR, nie YouTube), freshvideos, neoncluster (nieobecny we FR). Kaskada wideo działa głównie po angielsku.
- Komercyjne : shoppinginspiration (19,7% zasięgu, 3,7 dnia żywotności) oraz feedads (czysta reklama, 24% zasięgu).
Przekaz Optymalizować „dla Discover” nie rozumiejąc pipeline'ów, to jak optymalizować „dla Google” nie rozumiejąc różnicy między Search, News i Shopping. Każdy pipeline ma swoją logikę i każdy z nich jest odrębnym narzędziem wpływu.
Cztery liczby, które wszystko zmieniają
Moonstone pokazuje każdy artykuł 1 na 5 urządzeń
Zasięg: 19,3%To dwukrotnie więcej niż content (9,9%). Moonstone nie wybiera wielu artykułów, ale te, które wybiera, są pokazywane na maksymalnej liczbie urządzeń. To świadoma strategia nadawcza.
Treści nadreprezentowane: horoskop (3,5x), zakłady/gry (3,3x), rozrywka, pogoda, plotki o celebrytach. A mimo to Ouest-France, dziennik regionalny, dominuje w moonstone. Jego sekret: lokalne wiadomości kryminalne z krajowym kątem, pogoda i regionalne materiały o celebrytach.
Zasięg każdego pipeline'a FR (% urządzeń objętych). moonstone i shoppinginspiration na czele — zasięg nie jest proporcjonalny do wolumenu.
Artykuł produktowy żyje 8 razy dłużej niż aktualność
shoppinginspiration: 3,7 dnia mediana czasu życia. content: 0,47 dnia (11 godzin). Test produktu opublikowany w poniedziałek jest jeszcze widoczny w piątek w Discover. To wyjątkowe okno widoczności, ale pipeline shopping to silos. Niska współwystępowalność z innymi pipeline'ami. Artykuł nie wychodzi łatwo z silosu produktowego.
Od newsstoriesheadlines (2,2h) do shoppinginspiration (3,7 dnia). Treść tworzona żyje 8x dłużej niż aktualności.
58% adresów URL FR pojawia się w 2+ pipeline'ach
To najbardziej praktyczne odkrycie. Większość artykułów francuskich w Discover nie pozostaje ograniczona do jednego pipeline’u, przechodzi przez system.
- 42% adresów URL w jednym pipeline (zazwyczaj content)
- 20% w dwóch pipeline'ach
- 13% w trzech
- 25% w czterech lub więcej, niektóre wartości odstające osiągają 12–14 pipeline'ów
Każdy dodatkowy pipeline = dodatkowe okno widoczności, z częściowo inną publicznością i timingiem. Artykuł w content + moonstone + mustntmiss = trzy szanse, by zostać zauważonym.
Pełna analiza mechanizmów multi-pipeline, dźwigni według profilu, scorecard zostanie omówiona w dedykowanym artykule, który ukaże się wkrótce.
System nieustannie ewoluuje
To, co pokazujemy, to migawka. Google regularnie dodaje i usuwa pipeline’y. Cała rodzina, queryrecommendations*, została porzucona: stary system działał na zapytaniach, nowy na embeddingach i sygnałach zaangażowania. Obserwujemy ~8 nowych identyfikatorów jeszcze nie uwzględnionych w naszej analizie (collaborative filtering, NL tuning, entertainment trailers, garamond/Google Showcase).
Kierunek jest jasny: od query-based w stronę embeddings, od tekstu w stronę social/wideo, od selekcji pasywnej w stronę zaangażowania w czasie rzeczywistym.
Trzy profile, trzy strategie
Każdy wiersz = domena, każda kolumna = rodzina pipeline’ów, kolor = procent trafień. Znajdź swoją domenę lub domenę swoich klientów i zobacz jej ślad pipeline.
Dla każdego pipeline’u 5 wiodących domen i ich udział. Szczegół, którego brakuje w heatmapie: kto dominuje gdzie i z jaką wagą.
Prasa krajowa (profil Le Monde / Le Figaro)
Obecność w 8–10 pipeline’ach. Le Monde dominuje w mustntmiss (11,3% pipeline’u) – priorytetowy boost ~2x rekompensuje znaczenie redakcyjne. Wyzwanie: maksymalizować obecność w moonstone (zaangażowanie) i mustntmiss (ważność), oba działają jak wzmacniacze. Content 41,6% dla Le Monde, skoncentrowany na autorytecie.
Prasa regionalna (profil Ouest-France / La Dépêche)
webkicklocalstories to ich ekskluzywny pipeline, 67% URL-i nie występuje nigdzie indziej w Discover. Ale Ouest-France nie zatrzymuje się na lokalności: #1 w moonstone, top-5 w geotargetingstories, deeptrendsfable, astria. Rozkład jest wyjątkowy: content 25%, moonstone 14%, local 8,4%, aura 12,5%, trendy 15,2%. Wyzwanie: łączyć perspektywę lokalną z krajową, by mnożyć pipeline’y.
Serwis tech/recenzje (profil Frandroid / Les Numériques)
shoppinginspiration daje ogromny zasięg (19,7%) i żywotność 3,7 dnia. Ale shopping to silo – bardzo niska współwystępowalność z innymi pipeline’ami. Test Samsung Galaxy pozostaje w shopping. Wyzwanie: dywersyfikować poza czysty test produktu, by trafić do content + aura (który nadreprezentuje tech/naukę 2x). Dodanie kąta redakcyjnego (analiza trendu, kontekst rynkowy) może otworzyć drzwi.
Pełne rekomendacje według profilu (prasa krajowa, regionalna, tech, lifestyle, wideo, pure player, finanse) zostaną szczegółowo przedstawione w naszej serii na Substacku.
Odkryj samodzielnie
Te wyniki to podgląd. Pełna analiza, 20 pipeline'ów, dane wg pipeline'u, wiodące domeny, typowe tytuły, jest dostępna:
- Interaktywny eksplorator : przeglądaj 20 pipeline'ów, porównaj metryki, zobacz wiodące domeny i typowe tytuły
- Seria na Substacku : co tydzień, dogłębna analiza dla grupy pipeline'ów z danymi, wykresami i rekomendacjami
- Analiza referencyjna : 1492.Vision/badania/ – obszerne artykuły referencyjne po francusku i angielsku, ze szczegółowym opisem poszczególnych pipeline'ów.
System Discover się rozwija. Te dane to migawka z grudnia 2025 do lutego 2026. Pipeline'y, które dzisiaj eksplodują, nie istniały trzy miesiące temu. Dlatego warto śledzić ewolucję, a nie tylko fotografować chwilę.
Dane: 42 miliony kart Discover, grudzień 2025 – luty 2026. Analiza: 1492.vision. Zasługa Metehan Yesilyurt za analizę SDK, nasze dane pokazują, co każdy pipeline robi w praktyce.
Artykuł „Google Discover pod maską: 20 pipeline'ów, miliony kart, nowe wnioski oparte na danych.” został opublikowany na stronie Abondance.
