Pembahasan Teknis Mendalam tgadsspy: Klasifikator dan Pipeline Ingest Data

Tujuan dan audiens#

Dokumen ini adalah pembahasan teknis mendalam tentang cara Telegram Ads Spy mengumpulkan, mengklasifikasikan, dan menyajikan data iklan Telegram. Dokumen ini melengkapi ikhtisar di /about dengan detail tingkat implementasi. Audiens utama: pengembang yang membangun di atas API publik, peneliti yang perlu memahami asal-usul data untuk keperluan kutipan, dan tim kepatuhan yang menilai metodologi OSINT sistem.

---

1. Sumber data#

Semua data iklan di Telegram Ads Spy berasal dari satu sumber: pipeline pengumpulan otomatis kami. Lapisan pengumpulan kami bekerja di atas API Telegram dan mengembalikan data terstruktur. Telegram Ads Spy hanya mengandalkan pipeline ini — tanpa scraping.

Apa yang kami kumpulkan#

• Pesan bersponsor di saluran yang dipantau — teks, tombol CTA beserta tautannya, media, dan tujuan pengiklan. Tautan media asli bersifat sementara (berlaku 1 jam).
• Metadata saluran — judul, username, deskripsi, jumlah anggota, avatar.
• Pencarian saluran — dipakai untuk menemukan saluran baru dan saat pengguna mengirimkan tautan t.me.
• Rekomendasi saluran serupa dari Telegram — dipakai untuk memperluas kumpulan saluran yang dipantau.

---

2. Pool saluran dan tingkatan#

Tingkat	Jumlah anggota	Interval ingest
S (Super)	1M+	30 menit
A	100k–1M	2 jam
B	10k–100k	8 jam
C	1k–10k	72 jam
Placeholder	Tidak diketahui	Tidak diingest

---

3. Deduplikasi kreatif#

sidik jari kreatif = sha256(title + text + ctaUrl + ctaLabel + accentColor)

Sebuah kreatif dianggap baru hanya jika sidik jarinya belum pernah dilihat sebelumnya. Ini berarti:

• Iklan yang sama di 100 saluran menghasilkan satu catatan AdCreative (bukan 100)
• Setiap kemunculan di saluran menghasilkan satu catatan SponsoredImpression

---

4. Klasifikasi niche#

Langkah 1: Deteksi merek Pencarian terhadap kamus ~400 merek pengiklan yang dikenal. Contoh:

• binance → crypto
• 1xbet → gambling
• exness → forex

Langkah 2: Penilaian kata kunci Pola regex dievaluasi untuk setiap niche dengan aturan spesifisitas, negasi, dan varian multibahasa.

Taksonomi niche#

crypto, trading, forex, fintech, gambling, betting, vpn, dating, news, education, gaming, retail, tech, bots, adult, signals, remittance, ai, other

---

5. Klasifikasi geo#

Langkah 1: Analisis TLD URL CTA .ru → RU, .com.br → BR, .pk → PK, dll.

Langkah 2: Deteksi bahasa pada teks kreatif Arab → AR, Sirilik → RU/CIS, Devanagari → HI, Hangul → KR, Hiragana/Katakana → JP, Thai → TH.

Langkah 3: Agregasi geo di tingkat saluran Saluran tempat kreatif muncul memiliki sinyal geo tersendiri. Kreatif domain .com berbahasa Inggris yang muncul terutama di saluran berbahasa Rusia diklasifikasikan sebagai RU.

---

6. Mirror media#

Cron Telegram Ads Spy-media-mirror (setiap 5 menit):

1. Fetch: HTTP GET ke URL media sementara yang asli
2. Hash: SHA-256 dari konten biner mentah
3. Simpan: Tulis ke /var/www/tgadsspy-media/<prefiks>/<sha256-hex>.<ext>
4. Perbarui: AdCreative.mediaUrl diperbarui ke /m/<prefiks>/<sha256-hex>.<ext>

Nginx melayani jalur /m/ dengan Cache-Control: public, immutable, max-age=31536000.

---

7. Ekstraksi pengiklan#

• Pengiklan domain: jika ctaUrl adalah URL eksternal, domain yang terdaftar menjadi catatan Advertiser dengan type: domain
• Pengiklan Telegram: jika ctaUrl adalah URL t.me/<username>, nama pengguna menjadi catatan Advertiser dengan type: telegram

---

8. Cache agregasi#

Telegram Ads Spy:home:agg (TTL 120 dtk): jumlah total kreatif, pengiklan, saluran, niche teratas, 20 kreatif terbaru, statistik hari ini.

Telegram Ads Spy:pool:stats (TTL 600 dtk): jumlah saluran per tingkat, jumlah yang memenuhi syarat untuk sponsor, negara yang diwakili.

---

9. Spider BFS discover-similar#

• Pemilihan anchor: Channel.lastSimilarCheckAt IS NULL OR < NOW()-1h
• Ukuran batch: 30 saluran per tick (setiap menit dalam proses)
• Cooldown anchor: 1 jam untuk mencegah re-spidering saluran yang sama

---

10. Kelengkapan data dan kesenjangan yang diketahui#

Perkiraan cakupan: Untuk pesan bersponsor kabinet EUR, cakupan diperkirakan 65–75% dari semua kreatif unik dalam periode tersebut.

Kesenjangan yang diketahui: iklan di grup, pesan bot-ke-pengguna, hasil bot inline, saluran yang sangat baru, saluran dengan < 1k pelanggan.

---

11. Lisensi data dan kutipan#

Semua data berada di bawah CC-BY-4.0:

Sumber: tgadsspy.com · tgadsspy.com/blog/tgadsspy-classifier-pipeline-technical-deep-dive · CC-BY-4.0

tgadsspy research (2026). Pembahasan Teknis Mendalam tgadsspy: Klasifikator dan Pipeline Ingest Data. tgadsspy.com. Retrieved from https://tgadsspy.com/blog/id-tgadsspy-teknis-mendalam-klasifikator-pipeline-2026