Google Site Kit WordPress插件1.147.0版本发布:增强收入管理与数据分析功能
Google Site Kit是谷歌官方推出的WordPress插件,它能够帮助网站管理员轻松集成谷歌的各项服务,包括Analytics、Search Console、AdSense等。最新发布的1.147.0版本带来了多项功能增强和改进,特别是在读者收入管理(RRM)和数据分析方面有了显著提升。
读者收入管理功能全面升级
本次更新对Reader Revenue Manager(RRM)功能进行了多项改进,使其更加完善和易用。首先,插件现在会保留产品ID前缀,确保在Reader Revenue Manager设置中存储产品ID时不会丢失重要信息。这一改进使得产品识别和管理更加准确可靠。
新增的CTA(行动号召)展示位置设置功能为用户提供了更灵活的控制选项。用户现在可以通过下拉菜单和多选芯片来选择CTA在网站上的展示位置,这大大提升了广告展示的精准度和用户体验。
为了帮助用户更好地使用RRM功能,插件还新增了介绍性覆盖通知和产品ID通知。这些引导性提示能够帮助新用户快速上手,理解如何配置和使用各项功能。
数据分析功能优化
在数据分析方面,1.147.0版本对Analytics零数据报告进行了重要改进。现在报告会包含比较日期范围,确保在确定数据收集状态时同时检查前一个和当前日期范围的数据。这一改变使得数据分析更加全面准确。
报告过滤功能也经过了重构,现在可以同时用于维度和指标。此外,插件还引入了新的EmptyFilter过滤器类型,专门用于过滤"(not set)"值,这使得数据清理过程更加高效和规范。
用户体验改进
本次更新在用户体验方面也做了多项优化。Key Metrics(关键指标)在大屏幕上的显示位置问题得到了修复,确保在各种设备上都能正确显示。通知系统也进行了改进,包括更新了检测到新事件的通知描述,并修复了通知关闭事件跟踪不正确的问题。
调查问卷功能也得到了优化,更新了定制化指标问卷的语言表达,并修复了可能导致重复触发调查的问题。这些改进使得用户与插件的交互更加顺畅自然。
技术架构调整
在技术架构方面,开发团队对项目的依赖管理进行了优化。将JavaScript依赖项和端到端测试相关依赖项分别移动到独立的工作区,这有助于更好地管理项目结构,提高开发效率。
Sign in with Google(使用谷歌登录)功能块也进行了重构,使其实现更加规范和可靠。这些底层架构的改进虽然对最终用户不可见,但为插件的稳定性和可维护性打下了更好的基础。
总结
Google Site Kit 1.147.0版本通过增强读者收入管理功能、优化数据分析流程和改进用户体验,为WordPress网站管理员提供了更加强大和易用的工具。特别是对在线内容创作者而言,改进后的收入管理功能将帮助他们更有效地通过网站获得收益。同时,技术架构的优化也为未来的功能扩展奠定了坚实基础。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00