Grégory Flusin

🎁 CONCOURS 🎁 Un PC Gigabyte AERO X16 à gagner ! 🍀 Pour participer : ▪ FOLLOW @LDLC ▪ RT CE TWEET 💻 Le PC en détails 👉 ldlc.com/fiche/PB006844… 📢 Joue aussi sur Instagram pour multiplier tes chances. Bonne chance ! 🥳TAS à partir du 05/01/2026

🚀Envie de tester #comet le navigateur de #Perplexity boosté à l'#IA ? 🤖 Vous pouvez le télécharger et obtenir un mois d'abonnement pro en plus pplx.ai/neckys

🔥 Google Core Update juin 2025 terminée ! 📊 16 jours de déploiement Les clés : E-E-A-T renforcé, le contenu "vécu" gagne, keyword stuffing sanctionnés. influsweb.com/google-core-up…

L'ère cookieless n'est pas un futur hypothétique : elle est déjà là. Comment adapter vos campagnes Facebook Ads ? ✅ Audiences first-party ✅ IA Meta optimisée ✅ Ciblage engagement Les stratégies qui fonctionnent 👇influsweb.com/facebook-ads-s…

@Mattioo81 Je n'ai jamais testé la plateforme, peut être l'occasion

📢 CONCOURS SEO - 300 crédits offert sur Web Resurrect T'en a marre de perdre du temps à remonter tes NDD expirés ? Gagne 300 crédits et remonte les en quelques minutes ! - Like - Repost - Follow Tirage le 29/06 - Bonne chance à tous 🍀

Le trafic de votre SaaS est bon, mais les leads qualifiés manquent ? Le problème vient souvent d'une stratégie SEO qui ne cible pas la bonne étape du parcours client. Notre article 👇 SEO pour les SaaS : stratégie B2B pour prospects qualifiés influsweb.com/seo-pour-saas-…

@Linkavista Linkavista 😀

📢 CONCOURS SEO - 300€ de BACKLINKS à gagner ! 🔥 Tu veux ranker cet été ? 😎 Participe maintenant : 1️⃣ Like ce tweet ❤️ 2️⃣ Commente “Linkavista” 💬 📅 Tirage le 19/06 - Bonne chance à tous 🍀

Performance Max : 5 scripts Google Ads pour réduire votre CPA en 2025 Réduisez vos coûts Google Ads : 5 scripts simples pour reprendre le contrôle de Performance Max et baisser votre CPA. influsweb.com/performance-ma…

SEO local pour les entreprises du BTP : comment attirez des clients qualifiés dans votre zone ? influsweb.com/seo-local-pour…

Joyeux Noël @abondance_com & @byGetfluence :-)

@abondance_com @ranxplorer @KifDom Merci. @r_daphnee en aura besoin !

Jour 23 - Calendrier de l'Abondance 🎄 Gagnez 5 abonnements Pro sur @ranxplorer et 200€ de crédits sur @KifDom ! 🤩 Pour participer, on vous explique tout sur la case 23 👉 abondance.com/calendrier-abo…

🎁Le mois des cadeaux - Acte 6🎁 Aujourd’hui c’est David Chelly qui nous offre 2 ebooks complets sur les noms de domaine expirés + 250€ de crédits Linkuma pour pouvoir pousser vos NDD

🎁Le mois des cadeaux - Acte 3🎁 Lucio et Julien nous font cadeau d'un abonnement annuel de 990 € ! 👉 Pour jouer : 🔹Follow @Linkuma_off et @LinkFinderOK 🔹RT 📅 Résultat le 24/12

@SaudadeSEO Tu peux tout détailler avec Claude c'est l'avantage. Keywords principal, secondaires, intention, Public visé, ton....C'est justement l'avantage de Claude sur chatgpt il interprète bien mieux les longs prompt

Des conseils pour bien prompter Claude AI pour de la rédaction SEO ?

🎁Le mois des cadeaux - Acte 2🎁 Nicolas nous régale avec une Masterclass, de 41 modules, pour automatiser son e-commerce + 250€ de crédits Linkuma 👉 Pour jouer : 🔹Follow @Linkuma_off et @leroynicolasfr 🔹RT 📅 Résultat le 24/12

🎁Le mois des cadeaux 🎁 Une licence OCOPO Perso à gagner + 250€ de crédits Linkuma 👉 Pour jouer : 🔹RT 🔹Follow @Linkuma_off et @wpocopo 📅 Résultat le 24/12

@Smadaleno Ah super, autant j'aime le dark mode sur mobile. Mais sur desktop le blanc c'est top. Et pour faire une capture client c'est mieux 😉

Petit à petit, on va améliorer l'UX et pas mal de petits détails pratiques.

Jour 3 - Calendrier de l'Abondance 🎄 Gagnez 250€ de liens sur @RocketLinks_net : 110 000 médias internationaux, accompagnement par 30 experts😎 Pour participer, on vous explique tout sur la case 3👉abondance.com/calendrier-abo…

🚀Google Discover et la prédiction des prochains clics #googlediscover Ils utilisent un algorithme de deep learning qui capture l'interaction entre le temps et les relations de contenu, Google peut être plus précis pour anticiper vos besoin. Google capture deux types de relations importantes les Relations temporelles et Relations de contenu pour mieux prédire les prochaines actions ou contenus qu'un utilisateur est susceptible de consommer. 1. Relations temporelles ⏰ Impact du temps Fréquence d'interactions : Si un utilisateur consulte du contenu toutes les heures, cela pourrait indiquer un intérêt actif. Si le dernier intervalle est inhabituellement long, cela peut signaler une perte d'intérêt ou un changement dans ses habitudes. Comportement cyclique : Par exemple, un utilisateur qui consulte des articles sur les nouvelles technologiques tous les matins pourrait manifester un comportement prévisible basé sur le temps. Décadence d'intérêt : Les contenus plus anciens ou éloignés dans le temps sont souvent moins pertinents, et l'algo permet de pondérer l'importance des interactions passées. il ajuste la "mémoire" de l'utilisateur en fonction du temps écoulé entre les interactions. 2. Relations de contenu 🛠️ Le type et le contenu des interactions précédentes déterminent souvent les futures actions. Par exemple : Si un utilisateur lit plusieurs articles sur le même sujet (par exemple, cuisine coréenne), il est probable qu'il continue à explorer des contenus similaires. Les relations thématiques ou sémantiques entre les contenus (par exemple, des mots-clés similaires ou une catégorie commune) aident à prédire ce qui l'intéressera ensuite. Il capture ces relations en représentant chaque contenu comme un vecteur et en apprenant à détecter les similitudes ou les transitions pertinentes entre ces vecteurs. 3 - Combinaison entre les relations temporelles et de contenu Une pondération temporelle : Plus le temps passe, plus les interactions anciennes sont "oubliées" ou pondérées différemment. Une continuité thématique : Le modèle comprend les sujets ou types de contenu que l'utilisateur consomme régulièrement. 4 - Exemple Détaillé : Comment les relations temporelles les relations de contenu aident : Relations temporelles : Le dernier contenu consommé remonte à 9h du matin, donc il y a un long intervalle Cela indique que les interactions du matin sont peut-être moins pertinentes à ce moment-là. Les interactions courtes entre 8h00 et 9h00 (5 minutes entre la lecture et la vidéo, 55 minutes avant l'article suivant) suggèrent un intérêt actif pour la mode d'hiver à ce moment-là. L'algo réduit l'importance des interactions du matin et donne plus de poids à la dynamique d'intérêt global ("mode en hiver") pour une recommandation adaptée au moment. Relations de contenu : Les trois contenus précédents traitent de mode et vêtements d'hiver. Le modèle reconnaît une thématique claire. Le contexte sémantique des mots-clés, comme "tendances", "styliser", et "meilleurs manteaux", aide à prédire que l'utilisateur pourrait être intéressé par : - "Accessoires pour l'hiver". - "Magasins de vêtements à proximité". L'algo renforce les relations thématiques et recommande des contenus similaires ou complémentaires. Recommandation probable :Un article ou une vidéo comme "Comment choisir les meilleurs gants pour l'hiver ?". 5 - Rôle des relations temporelles et de contenu : Relations temporelles : L'utilisateur regarde du contenu chaque soir à peu près à la même heure. Cela indique une habitude ou un cycle régulier. Si la séquence montre une consommation quotidienne de contenus : Lundi soir, 20h00 : Épisode d'une série dramatique ("Breaking Bad"). Mardi soir, 21h00 : Documentaire sur la chimie ("Exploring Chemistry"). Mercredi soir, 20h30 : Épisode d'une série policière ("Better Call Saul"). Alors la prochaine recommandation doit correspondre à son habitude (un contenu dramatique ou informatif à cette heure). L'algo détecte ce schéma temporel et ajuste la recommandation pour un contenu adapté au soir. 6 - Impact immédiat vs. ancien : Si un contenu a été consommé il y a longtemps, il est moins probable qu’il influence les futures recommandations. Par exemple, un article lu il y a 3 mois a moins de poids qu’un article lu hier. Régularité dans le comportement : Si un utilisateur a des habitudes régulières, cela peut signaler des cycles (par exemple, lire des articles chaque matin à 8h). Décadence de pertinence : L’intérêt pour certains types de contenu diminue avec le temps, et cela aide à modéliser cette décroissance. 7 - Les relations de contenu aident à comprendre : Les préférences d’un utilisateur : Si un utilisateur consomme souvent des contenus dans un domaine spécifique (par exemple, "technologie"), le modèle peut recommander des contenus connexes. Les transitions entre intérêts : Si un utilisateur passe d’un contenu sur la "technologie" à un contenu sur la "finance", cela peut indiquer un intérêt émergent pour des sujets liés (par exemple, "technologie financière"). Le contexte global : Les relations thématiques entre contenus permettent de personnaliser les recommandations au-delà des simples clics ou vues. 8 - En résumé : 👉 L'algo ajuste la pertinence des contenus selon le temps écoulé et les cycles d’activité utilisateur. Il modélise la pertinence des actions passées. 👉 Les relations de contenu identifient les intérêts thématiques et contextuels pour fournir des suggestions adaptées. Les relations de contenu identifient les thématiques qui comptent.