Pandus Talks
Личный блог Owner: @KostyaZ3 Chat: @pandusTalks_chat X: @pandus_talks Мнение за деньги не продается.
Mostrar más📈 Análisis del canal de Telegram Pandus Talks
El canal Pandus Talks (@pandus_talks) en el segmento lingüístico de Ruso es un actor destacado. Actualmente la comunidad reúne a 37 669 suscriptores, ocupando la posición 3 124 en la categoría Criptomonedas y el puesto 16 735 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 37 669 suscriptores.
Según los últimos datos del 18 septiembre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -2 213, y en las últimas 24 horas de -45, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 1.72%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 0.92% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 649 visualizaciones. En el primer día suele acumular 347 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 17.
- Intereses temáticos: El contenido se centra en temas clave como серебро, eth, индекс, нефть, расширение.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“Личный блог
Owner: @KostyaZ3
Chat: @pandusTalks_chat
X: @pandus_talks
Мнение за деньги не продается.”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 19 septiembre, 2026), el canal mantiene la vigencia y un amplio alcance. La analítica demuestra que la audiencia interactúa activamente con el contenido, lo que lo convierte en un punto de referencia dentro de la categoría Criptomonedas.
PANDUSWPOPEWANTUZ.
Это очередная личная рекомендация, советую крч!— Лента «Для вас» собирается заново при каждом открытии. — Посты берутся от подписок и из рекомендаций незнакомых аккаунтов. — Система учитывает лайки, ответы, репосты, просмотры, переходы, подписки, жалобы, блокировки и время чтения. — Phoenix сначала находит подходящие посты среди миллионов, затем подробно оценивает лучшие варианты. — Для каждого поста модель прогнозирует: поставишь ли ты лайк, ответишь, поделишься, подпишешься или пожалуешься. — Итоговая оценка поста складывается из этих прогнозов с разными весами. — Самые сильные плюсы: копирование ссылки +20, ответ взаимному подписчику +20, отправка в личку +5, цитирование +5, подписка на автора +4. — Лайк весит всего +0,5, обычный репост +1. — Самые сильные минусы: жалоба −234, скрытие автора −58,8, «не интересно» −43,2, блокировка −31,2. — Поэтому содержательные ответы и пересылки ценнее простых лайков. — Оригинальные посты людей, с которыми у тебя взаимная подписка, получают сильный бонус. — Посты незнакомых аккаунтов по умолчанию получают понижение примерно на 25%. — Тематические рекомендации от незнакомых аккаунтов понижаются примерно на 50%. — Несколько постов одного автора подряд постепенно теряют вес. — Новые и ещё мало изученные авторы могут получить небольшой пробный охват. — Посты старше 48 часов обычно исключаются из основной подборки. — Удаляются повторы, уже просмотренные посты, заблокированные авторы, скрытые слова и неподходящие ответы или репосты. — Отдельный механизм перемешивает похожие публикации, чтобы лента не состояла из одной темы. — После ранжирования работает независимая проверка безопасности: показать, скрыть за предупреждением или полностью убрать. — Для постов от неподписок правила строже: спам, NSFW, опасные ссылки, насилие и метка «не продвигать» чаще полностью убирают. — Отдельные модели ищут ботов, накрутку, массовый спам, скоординированные аккаунты и автоматически созданный мусор. — Репутация аккаунта рассчитывается по сети подписок, лайков и репостов, похожим на PageRank способом. — Изображения, видео и текст отдельно проверяются на взрослый контент и другие нарушения. — Grox использует языковые и мультимодальные модели для анализа безопасности, спама в ответах и смысла публикаций. — Реклама, рекомендации аккаунтов и служебные блоки добавляются уже после ранжирования постов. — Значения могут отличаться у разных пользователей из-за A/B-тестов и динамических настроек. — Репозиторий не раскрывает всё: отсутствуют некоторые антиспам-правила и точные Grox-промпты, а опасные для раскрытия пороги заменены заглушками. — Production-данных и обученных моделей в репозитории нет, поэтому полностью воспроизвести живую ленту X только по этому коду нельзя.Главный вывод: алгоритм продвигает посты, которые вызывают активное общение и пересылки, но одновременно режет повторы, негативные реакции, спам и опасный контент.
