মুখ্য সামগ্ৰীৰ পৰা এৰাই চাওক
তুলনা

Proof of Actor vs Microsoft Clarity: session চোৱা বনাম কোনে কাৰ্য্য কৰিছে জনা

Microsoft Clarity-এ টিমসমূহক দেখিবলৈ সহায় কৰে যে মানুহে সঁচাকৈয়ে তেওঁলোকৰ pages কেনেকৈ ব্যৱহাৰ কৰে। Proof of Actor-এ আপোনাৰ application-ক প্ৰতি interaction-ত কোন বা কি কাৰ্য্য কৰিছে সেয়া কয়, তাৰ evidence-সহ, যাতে আপোনাৰ code-এ সঠিক response বাছি ল’ব পাৰে। ইয়াত দুয়োটাৰ তুলনা আৰু ইহঁতে কেনেকৈ একেলগে ফিট হয়, সেয়া দেখুওৱা হৈছে।

Early Access লওকই কেনেকৈ কাম কৰে অন্বেষণ কৰক
Toshendra Sharma

দ্বাৰা Toshendra SharmaFounder & CEO, AgentCredia · Updated November 13, 2026

Microsoft Clarity এটা behavior analytics tool। ই টিমসমূহক session recordings, heatmaps আৰু insights দিয়ে যিয়ে দেখুৱায় যে মানুহে সঁচাকৈয়ে এখন page-ৰ মাজেৰে কেনেকৈ চলে: ক’ত click কৰে, ক’ত scroll কৰে, ক’ত ৰৈ যায়। website-ত human experience বুজিবলৈ, ঘটনা ঘটিবলৈ দেখাৰ দৰে সোজা বস্তু খুব কম আছে।

Website-এ এতিয়া mouse থকা মানুহতকৈ বেছি কিবা সেৱা দিয়ে। AI agents-এ বাস্তৱ customers-ৰ বাবে pages fetch কৰে আৰু tasks সম্পূৰ্ণ কৰে। মানুহে নিজৰ কাষত AI assistant লৈ browse কৰে। কিছুমান traffic কেতিয়াও ব্যাখ্যা কৰিব নোৱাৰি। টিমসমূহে জনিব বিচাৰে প্ৰতিটোৰ কিমান অংশ তেওঁলোকলৈ আহিছে আৰু তেওঁলোকৰ application-এ তাৰ বিষয়ে কি কৰা উচিত। সেই কাম Proof of Actor-ৰ, AgentCredia-ৰ actor intelligence product-ৰ।

এই page-এ দুয়োটাৰ ন্যায্য তুলনা কৰিছে। তলৰ Clarity facts Microsoft-ৰ নিজৰ documentation আৰু official Clarity blog-ৰ পৰা November 2026-ৰ হিচাপত লোৱা হৈছে।

সংক্ষিপ্ত সংস্কৰণ

Microsoft Clarity Proof of Actor
Main question মোৰ pages-ৰ সৈতে মানুহে কেনেকৈ interaction কৰে? এই interaction-ত কোন বা কি কাৰ্য্য কৰিছে, আৰু evidence কি?
Primary data collection page head-ত এটা JavaScript tracking code Server middleware, edge, HTTP API, MCP servers, আৰু এটা approved browser collector
Bot sessions default হিচাপে detected আৰু excluded; setting বন্ধ কৰিব পাৰি classified আৰু ৰাখি থোৱা হয়, যাতে আপুনি সিহঁতক দেখা আৰু route কৰিব পাৰে
AI crawler activity CDN আৰু server log integrations-ৰ পৰা Bot Activity reporting প্ৰতি interaction-ত Agent results, verified, declared বা inferred basis-সহ
AI-assisted people পৃথক class হিচাপে বৰ্ণনা কৰা হোৱা নাই এটা first-class result: Human + AI
Unclear traffic bot হিচাপে detected নহ’লে session হিচাপে গণনা কৰা হয় Unknown হিচাপে report কৰা হয়, আপুনি বাছি লোৱা fallback-সহ
Acts on traffic নহয়, ই report আৰু record কৰে observation-ৰ পিছত আপোনাৰ own code-ত আপোনাৰ policies অনুসৰি route কৰে

এই page-ৰ বাকী অংশে প্ৰতিটো row ব্যাখ্যা কৰে।

recordings আৰু heatmaps কিহৰ বাবে দেখুৱাবলৈ নিৰ্মিত

Clarity page-ত experience দেখুৱাবলৈ নিৰ্মিত। এটা session recording-এ এটা visit replay কৰে: cursor-ৰ পথ, scroll, hesitation আৰু সেই click-সমূহ যি ক’লৈকো নোযায়। এটা heatmap-এ বহু visit-ৰ clicks আৰু scroll depth একেলগে aggregate কৰে যাতে page-ৰ কোন অংশে মনোযোগ পায় সেয়া দেখা যায়। Insights-এ machine learning ব্যৱহাৰ কৰি আটাইতকৈ গুৰুত্বপূর্ণ sessions আৰু patterns উন্মোচন কৰে। এই views-ৰ প্ৰতিটোৱে এটা design question-ৰ উত্তৰ দিয়ে, আৰু প্ৰতিটোৱেই আনটো পাৰত browser থকা এজন ব্যক্তিৰ ধাৰণা কৰে।

এটা recording tool-ৰ বাবে সেই ধাৰণা যুক্তিসংগত। Watch কৰিবলগীয়া experience থাকিলেহে recording উপযোগী হয়, আৰু page script চলাই নোহোৱাকৈ HTML fetch কৰা এটা agent-এ replay কৰিবলৈ একো নেড়ে। ই আৰু বুজায় যে মানুহ, AI-assisted মানুহ আৰু browser automation মিশ্ৰিত এটা heatmap-এ design team-টোক ভুল সমস্যা দেখুৱাব পাৰে।

Proof of Actor-এ recording-ৰ আগৰ question-ৰ উত্তৰ দিয়ে: এই interaction-ৰ পিছত কোন বা কি আছিল। signals-এ এজন ব্যক্তি সূচায় বুলি দেখিলে ই মানুহ দিয়ে, person-এ declared বা supported integration-ৰ জৰিয়তে observed AI assistance-সহ কাৰ্য্য কৰিলে মানুহ + AI দিয়ে, automated বা agent-origin interaction-ৰ বাবে Agent দিয়ে, আৰু evidence-এ reliable call সমৰ্থন নকৰিলে Unknown দিয়ে। প্ৰতিটো result-এ এটা evidence basis বহন কৰে, verified, declared, inferred বা unknown, যাতে আপুনি এটা recording-ত থকা label-এ কিমান weight বহন কৰিব পাৰে সেয়া জানে।

প্ৰতিটো ক’ত চলে

Microsoft-ৰ Clarity setup documentation অনুসৰি, আপুনি আপোনাৰ site-ৰ <head>-ত tracking code যোগ কৰি, supported third-party platform-ৰ জৰিয়তে, বা NPM package-ৰ জৰিয়তে Clarity install কৰে। Data browser-ৰ পৰা Clarity-ৰ collection endpoint-লৈ পঠোৱা হয়। Microsoft-এ আৰু কয় যে Clarity-এ Canvas বা third-party iframe elements-ৰ ভিতৰত কি আছে সেয়া capture কৰিব নোৱাৰে।

এটা browser script browser-সমূহ দেখে। বহু agents-এ JavaScript চলাই নোহোৱাকৈ HTML fetch কৰে, আপোনাৰ API-লৈ সৰাসৰি call কৰে, বা এটা MCP server-ৰ সৈতে connect কৰে, আৰু এই পথসমূহৰ কোনোটোৱেই page script load নকৰে।

Proof of Actor আপোনাৰ application logic থকা ঠাইত চলে: Node.js middleware, Next.js, আপুনি নিয়ন্ত্ৰণ কৰা edge layer, এটা generic HTTP API আৰু MCP servers, লগতে আপুনি approve কৰা pages-ত এটা optional browser collector। integrations page চাওক। ই interaction classifies কৰে page কেতিয়াও render হওক বা নহওক।

Clarity-এ bots আৰু AI agents-ৰ সৈতে কেনেকৈ ব্যৱহাৰ কৰে

Clarity-এ bots-ক দুটা পৃথক ধৰণে গুৰুত্ব দিয়ে।

Session data-ত bot detection. Microsoft-ৰ setup documentation-এ কয় যে default হিচাপে Clarity-এ bot traffic detect কৰে আৰু total session count আৰু analytics-ৰ পৰা সেয়া exclude কৰে, আৰু আপুনি আপোনাৰ dashboard-ৰ শীৰ্ষত excluded bot sessions-ৰ সংখ্যা দেখিব পাৰে। Bot Detection setting off বা পুনৰ on কৰিব পাৰি। যেতিয়া ই off থাকে, Clarity-এ bot traffic detect নকৰে বা session count-ৰ পৰা exclude নকৰে।

Bot Activity reporting. AI Visibility-ৰ অধীনত, Clarity-এ Bot Activity view দিয়ে। official Clarity blog-ৰ মতে, এই view CDN integrations-ৰ জৰিয়তে সংগ্ৰহ কৰা server-side logs-ৰ ওপৰত নিৰ্ভৰ কৰে, আৰু Fastly, Amazon CloudFront আৰু Cloudflare-ক supported providers হিচাপে উল্লেখ কৰে, page script-ৰ পৰিৱৰ্তে। blog-এ ইয়াক AI bots-ৰ পৰা অহা requests-ৰ অংশ, উদ্দেশ্য অনুসৰি grouped bot activity, operator অনুসৰি crawler requests, আৰু automated systems-এ আটাইতকৈ বেছি request কৰা paths দেখুৱাই বুলি বৰ্ণনা কৰে।

দুয়োটাই session analytics পৰিষ্কাৰ ৰাখিবলৈ আৰু site স্তৰত crawling বুজিবলৈ উপযোগী। কোনোটোৱেই request time-ত আপোনাৰ application-এ পোৱা per-interaction answer হিচাপে বৰ্ণনা কৰা হোৱা নাই, আৰু Microsoft-ৰ documentation-এ AI assistance-সহ মানুহৰ বাবে এটা class বৰ্ণনা নকৰে।

Bot Activity বনাম per-request actor class

Clarity-ৰ Bot Activity view আৰু Proof of Actor result দেখাত সম্পৰ্কিত, কিন্তু সিহঁতে বিভিন্ন layer-ত বিভিন্ন question-ৰ উত্তৰ দিয়ে।

Clarity Bot Activity Proof of Actor result
Source official Clarity blog অনুসৰি CDN integrations-ৰ পৰা server-side logs আপোনাৰ request path-ৰ signals: server, edge, HTTP API, MCP server, approved browser pages
Unit operator, purpose আৰু path অনুসৰি grouped crawler requests এটা interaction, class আৰু basis-সহ
Who reads it site-level dashboard দেখাসকল request time-ত আপোনাৰ application code, আৰু actor analytics-ত আপোনাৰ team
AI-assisted people scope-ত নাই; ই crawling report কৰে এটা first-class result: Human + AI
Can change the response নহয় হয়, আপোনাৰ code-ত লিখা policies-ৰ জৰিয়তে

ব্যৱহাৰিক পাৰ্থক্যবোৰ সেই table-ৰ পৰা আহে।

request খোলা থাকোঁতেই এটা উত্তৰ। Bot Activity-এ crawling পাছত একত্ৰিত কৰে। Proof of Actor-এ interaction-ৰ সময়তে ফলাফল আপোনাৰ application-লৈ দিয়ে, সেয়ে পাছত বিশ্লেষণ কৰা একেই classification-এ এতিয়া response আকৃতি দিব পাৰে।

operator name-ৰ পৰিৱৰ্তে evidence। এটা verified Agent result-ৰ অৰ্থ হৈছে request signature এটা published key-ৰ বিপৰীতে checked কৰা হৈছিল, উদাহৰণস্বৰূপে HTTP Message Signatures ব্যৱহাৰ কৰি যি RFC 9421-ত সংজ্ঞায়িত। Declared আৰু inferred results তেনেকৈ label কৰা হয়। কেৱল এটা crawler name এটা user agent string-ৰ ওপৰত ভৰ কৰে, যাক নকল কৰিব পাৰি, user agent spoofing entry-এ যিদৰে ব্যাখ্যা কৰে।

Agents-সমূহ excluded নহয়, দৃশ্যমান হৈ থাকে। Clarity-ৰ Bot Detection-এ bot sessions-সমূহ আপোনাৰ human analytics-ৰ বাহিৰত ৰাখে, যি recordings আৰু heatmaps-ৰ বাবে সঠিক। Proof of Actor-এ সেই visitors-সমূহক Agent results হিচাপে report কৰে যাতে আপুনি কোন routes তেওঁলোকে ব্যৱহাৰ কৰে আৰু তেওঁলোকক ভালভাৱে serve কৰিব পাৰে। serving AI agents structured content-ৰ guide-এ দেখুৱায় কেনেকৈ।

Unknown, visible কৰা হয়। যি traffic bot হিচাপে detected নহয় বা স্পষ্টভাৱে human নহয় সেয়া recording tool-ত সাধাৰণ session হৈ যায়। Proof of Actor-এ Unknown ঘূৰাই দিয়ে আৰু route অনুসৰি তাৰ rate track কৰে; handling Unknown traffic-ৰ guide-এ fallback কেনেকৈ set কৰিব সেয়া ব্যাখ্যা কৰে।

আপুনি নিয়ন্ত্ৰণ কৰা policies। Policies route, actor class আৰু basis-অনুসৰি লিখা হয়: allow, adapt, challenge, review-লৈ পঠাওক বা rate-limit কৰক। Proof of Actor observation mode-ত আৰম্ভ হয়, সেয়ে আপুনি enforce কৰিবলৈ বাছি নোলোৱা পর্যন্ত install কৰিলেও একো সলনি নহয়।

actor class অনুসৰি recordings আৰু heatmaps filter কৰা

দুয়োটাক একেলগে ব্যৱহাৰ কৰাৰ আটাইতকৈ সোজা উপায় হৈছে actor class-টোক Clarity-তে আনিব পৰা:

  1. প্ৰতি interaction classify কৰক Proof of Actor-ৰ সৈতে server, edge, API বা MCP layer-ত, তাৰ basis-সহ।
  2. Clarity session tag কৰক। যি pages-ত Clarity চলে, তাত তাৰ client API-ৰ জৰিয়তে custom tag হিচাপে actor class Clarity-লৈ pass কৰক।
  3. class অনুসৰি recordings filter কৰক। Human + AI sessions-সমূহ unassisted Human sessions-ৰ কাষত চাই দেখক AI-assisted মানুহে ক’ত দ্রুত গতি কৰে বা ক’ত ৰৈ যায়, আৰু Unknown sessions পৰ্যালোচনা কৰি অনাখ्या traffic-এ page-ত সঁচাকৈয়ে কি কৰে সেয়া চাওক।
  4. class অনুসৰি heatmaps ভাগ কৰক। Human sessions-লৈ filter কৰা heatmap-এ আপোনাৰ মানুহৰ সঁচা design problem দেখুৱায়, automation-এ clicks skew নকৰাকৈ।
  5. clean human analytics-ৰ বাবে Bot Detection on ৰাখক, আৰু agent traffic-ৰ বাবে route অনুসৰি Proof of Actor actor analytics ব্যৱহাৰ কৰক, যি Clarity এফালে ৰাখে বা কেতিয়াও দেখা নাপায়, যেনে API আৰু MCP calls।
  6. গুৰুত্ব থকা ঠাইত act কৰক। ছবি স্পষ্ট হ’লে, যি routes-ত actor class-এ experience সলনি কৰা উচিত সেইবোৰৰ বাবে policies লিখক। rolling out actor-aware policies safely-ৰ guide-এ পদক্ষেপবোৰ সামৰি লয়, আৰু websites use case-এ production site-ত সম্পূৰ্ণ flow দেখুৱায়।

কেতিয়া কোনটো বাছিব

যেতিয়া আপোনাৰ question experience-সম্পৰ্কীয় হয় তেতিয়া Microsoft Clarity বাছক: মানুহে page কেনেকৈ ব্যৱহাৰ কৰে, ক’ত hesitate কৰে, কি উপেক্ষা কৰে, আৰু design-এ ক’ত তেওঁলোকৰ পথ আটকায়। ইয়াৰ Bot Activity view AI crawling-ৰ এটা উপযোগী site-level picture।

যেতিয়া প্ৰতিটো recording বা request-ৰ পিছত stated evidence-সহ কোন আছে সেয়া জানিব লাগিব, AI-assisted মানুহ নিজৰ পৃথক group হিচাপে দৃশ্যমান হ’ব লাগিব, agents-এ page script-এ নেদেখা APIs আৰু MCP servers-ৰ জৰিয়তে আপোনাক reach কৰিব লাগিব, বা আপোনাৰ application-এ actor অনুসৰি ভিন্ন response দিব লাগিব, তেতিয়া Proof of Actor যোগ কৰক। Clarity-এ আপোনাক experience দেখুৱায়। Proof of Actor-এ ক’ত, কোনে সেই experience লৈছে সেয়া কয়, আৰু আপোনাৰ code-ক response দিয়াৰ উপায় দিয়ে।

আৰম্ভ কৰক

Proof of Actor private beta-ত আছে। founding developer program-ৰ জৰিয়তে, নিৰ্বাচিত team-সমূহে agreed usage limits-ৰ ভিতৰত up to 12 months-লৈ free access পাব পাৰে, automatic billing নোহোৱাকৈ। early access-ৰ বাবে আবেদন কৰক আৰু আপোনাৰ site আৰু আপুনি বুজিব বিচৰা traffic-ৰ বিষয়ে ক’ব।

Microsoft Clarity হৈছে Microsoft Corporation-ৰ trademark।

ডেভেলপারসকলৰ বাবে

What your code receives

Every interaction resolves to one result record. Your application reads the class and the basis and applies its own policy.

Result record
{
  "route": "GET /api/v1/catalog",
  "class": "agent",
  "basis": "verified",
  "evidence": [
    { "signal": "http_message_signature", "result": "valid", "keyid": "assistant.example" },
    { "signal": "client_declaration", "value": "assistant.example" }
  ],
  "observed_at": "2026-11-13T10:42:07Z"
}
class
Human, Human + AI, Agent বা Unknown।
basis
প্ৰমাণ কিমান শক্তিশালী: verified, declared, inferred বা unknown।
evidence
ফলাফলৰ পিছৰ signal, যাতে আপোনাৰ দলক কাৰণ দেখা যায়।

observation mode-ত আৰম্ভ কৰক: আপোনাৰ log-ৰ কাষে ফলাফল record কৰক আৰু আপুনি policy বাছি নলৈকে একো সলনি নকৰিব। Node.js integration guide পঢ়ক

সঘনাই সোধা প্ৰশ্নসমূহ

Microsoft Clarity-ৰ পৰিৱৰ্তে কি মোক Proof of Actor ব্যৱহাৰ কৰিব লাগিব?

নহয়। session recordings, heatmaps আৰু মানুহে আপোনাৰ pages কেনেকৈ ব্যৱহাৰ কৰে সেয়া বুজিবলৈ Clarity এতিয়াও এক শক্তিশালী বিকল্প। Proof of Actor-এ per-interaction actor classification evidence basis-সহ যোগ কৰে আৰু আপোনাৰ application-ক তাৰ ওপৰত act কৰিবলৈ দিয়ে। বেছিভাগ টিমে Clarity ৰাখে আৰু Proof of Actor যোগ কৰে।

মই actor classes Microsoft Clarity-লৈ পঠাব পাৰোঁনে?

হয়। Proof of Actor-এ ফলাফল আপোনাৰ application-লৈ ঘূৰাই দিয়ে, সেয়ে যি pages-ত Clarity চলে তাত আপুনি তাৰ client API-ৰ জৰিয়তে custom tag হিচাপে actor class Clarity-লৈ pass কৰিব পাৰে আৰু recordings আৰু heatmaps-সমূহ Human, Human + AI, Agent বা Unknown অনুসৰি filter কৰিব পাৰে।

Clarity-এ bot traffic filter কৰে নেকি?

Microsoft-ৰ documentation অনুসৰি, November 2026-ৰ হিচাপত, Clarity-এ default হিচাপে bot traffic detect কৰে আৰু সেয়া total session count আৰু analytics-ৰ পৰা exclude কৰে। Bot Detection setting off কৰিব পাৰি, আৰু dashboard-এ কিমান bot sessions exclude কৰা হৈছে সেয়া দেখুৱায়।

Clarity-এ AI bot activity দেখুৱায় নেকি?

Clarity-এ AI Visibility-ৰ অধীনত Bot Activity view দিয়ে, যিটো official Clarity blog-ৰ মতে CDN integrations-ৰ জৰিয়তে সংগ্ৰহ কৰা server-side logs-ৰ ওপৰত আধাৰিত। ই crawling activity report কৰে। Proof of Actor-এ আপোনাৰ application-ৰ ভিতৰত কাম কৰে, প্ৰতি interaction classify কৰে, আৰু আপোনাৰ code-ক respond কৰিবলৈ দিয়ে।

Proof of Actor-এ bots block কৰে নেকি?

নহয়। ই observation mode-ত আৰম্ভ হয় আৰু install কৰিলে একো সলনি নকৰে। আপুনি real traffic-ৰ বিপৰীতে policies preview কৰে আৰু আপোনাৰ own code-ত route-by-route enforce কৰে।

Proof of Actor-এ sessions record কৰে নেকি?

নহয়। Proof of Actor-এ screens record নকৰে বা heatmaps নিৰ্মাণ নকৰে। ই actor classes আৰু তেওঁলোকৰ evidence report কৰে। সেই কাৰণেই ই Clarity-ৰ সৈতে ভালকৈ pair হয়।

আপোনাৰ app ক কোনে ব্যৱহাৰ কৰিছে জানক।

এটা সৰু founding developer দলৰ বাবে private beta।

Early Access লওকমূল্য তালিকা চাওক

আগতে কথা পাতিবলৈ পচন্দ কৰেনে? Founding team-ৰ সৈতে কথা পাতক