AI AGENT ट्रैफ़िक विश्लेषण

आपके ऐप और API के लिए AI agent ट्रैफ़िक विश्लेषण

जानें कि लोग, AI-assisted उपयोगकर्ता और autonomous agents आपकी application का उपयोग route-दर-route कैसे करते हैं, और हर classification के पीछे visible evidence हो।

Early Access प्राप्त करें यह कैसे काम करता है, देखें

द्वारा Toshendra Sharmaसंस्थापक और CEO, AgentCredia · Updated November 13, 2026

आपके dashboards एक ऐसे संसार की गिनती कर रहे हैं जो बदल चुका है

अधिकांश analytics stacks एक सवाल का जवाब देने के लिए बनाए गए थे: मेरी site पर लोग क्या कर रहे हैं? Sessions, page views, funnels और campaigns सभी यह मानकर चलते हैं कि हर interaction के पीछे एक व्यक्ति है।

यह धारणा अब हर interaction पर लागू नहीं होती। AI assistants users की ओर से pages खोलते हैं; उदाहरण के लिए, OpenAI एक ChatGPT-User agent का दस्तावेज़ देता है जो तब pages पर जाता है जब कोई user ChatGPT से प्रश्न पूछता है (OpenAI crawler documentation). Autonomous agents tasks पूरा करने के लिए APIs और MCP tools को call करते हैं। लोग एक ही session में AI के साथ काम करते हैं, कभी यह घोषित करके और कभी नहीं। Crawlers और scripts वह सब पढ़ते रहते हैं जिसे वे पहुँच सकते हैं।

नतीजा यह होता है कि आपकी team जिन numbers पर निर्भर करती है उनमें एक शांत विकृति आ जाती है। Conversion rates ऐसे कारणों से बदलते हैं जिन्हें कोई समझा नहीं पाता। कोई लोकप्रिय API route कुछ automated clients द्वारा संचालित निकलता है। जो spike marketing जीत जैसा दिखता था, वह agents द्वारा documentation पढ़ना निकला। Actor context के बिना, हर chart बहुत अलग व्यवहारों को एक ही line में मिला देता है। कुछ tools आपके देखने से पहले ही चित्र का एक हिस्सा हटा भी देते हैं: Google कहता है कि Google Analytics ज्ञात bots और spiders के traffic को स्वतः बाहर कर देता है, और आप यह नहीं देख सकते कि कितना बाहर किया गया था (Google Analytics: known bot-traffic exclusion).

AI agent ट्रैफ़िक विश्लेषण हर interaction में एक नया आयाम जोड़कर इसे ठीक करता है: कौन या क्या act कर रहा है, और आप कितने निश्चित हो सकते हैं। कैसे पता करें कि website traffic AI agents से आता है पर blog post इस आयाम के पीछे के signals को कवर करती है, और websites use case दिखाती है कि यह production site पर कैसे लागू होता है।

actor-aware analytics आपको क्या दिखाता है

Proof of Actor आपके traffic को चार classes में व्यवस्थित करता है, जैसा कि Human, AI-assisted or agent: a taxonomy for app traffic में समझाया गया है, और evidence को हर एक से जुड़ा रखता है।

Human: वे interactions जहाँ observable signals मानव दिशा का संकेत देते हैं।
Human + AI: वे interactions जहाँ AI सहायता घोषित की गई थी या किसी समर्थित integration के माध्यम से देखी गई थी।
Agent: automated या agent-origin interactions, जिन्हें सत्यापित identity या सावधानीपूर्वक योग्य inference से समर्थन मिलता है।
Unknown: वे interactions जहाँ evidence विश्वसनीय determination का समर्थन नहीं करता।

हर result के साथ एक basis भी होता है: verified, declared, inferred या unknown। यही दूसरी dimension analytics को भरोसेमंद बनाती है। अगर आपका dashboard कहता है कि आपकी API traffic का एक-तिहाई हिस्सा agents है, तो इसका अर्थ बहुत अलग हो सकता है, इस पर निर्भर करते हुए कि वे results verified signatures से आए हैं या request patterns से निकले inferences हैं। Proof of Actor के साथ आप दोनों देख सकते हैं, और किसी भी एक के आधार पर filter कर सकते हैं।

route और workflow के अनुसार

Actor mix किसी application में बहुत भिन्न हो सकता है। Public documentation, pricing और catalog pages अक्सर agents और assistants को आकर्षित करते हैं। Signup, checkout और account settings पर agents कम आते हैं, लेकिन जब आते हैं तो अधिक महत्व रखते हैं। API routes और MCP tools पर automated clients का प्रभुत्व हो सकता है। Proof of Actor results को route और workflow के अनुसार तोड़ता है, ताकि हर team अपने हिस्से का slice देख सके।

समय के साथ

Trends बताते हैं कि आपका product किस दिशा में जा रहा है। देखें कि महत्वपूर्ण routes पर agent और AI-assisted activity का हिस्सा कैसे बदलता है, यह पहचानें कि कब कोई नया agent operator आपकी सामग्री पढ़ना शुरू करता है, और यह track करें कि जैसे-जैसे अधिक clients अपने requests पर sign करते हैं, Unknown से verified की ओर कितना traffic जाता है।

व्याख्याओं के साथ

Dashboard में किसी भी संख्या को individual interactions तक खोला जा सकता है। हर एक के लिए आप class, basis, क्या ज्ञात है, क्या ज्ञात नहीं है, और कौन सा policy output लागू होगा, यह सब देखते हैं। यही वह चीज़ है जो chart को ऐसी वस्तु में बदल देती है जिस पर आपका product, platform और security team साथ मिलकर कार्रवाई कर सके।

यह कैसे काम करता है

Proof of Actor evidence-first path का पालन करता है। आप पूरी विवरणिका How It Works पर पढ़ सकते हैं।

आपका application एक request या event प्राप्त करता है: एक page view, API call, MCP tool call या in-app action।
आपका integration उस context में उपलब्ध signals इकट्ठा करता है: server पर request context और signatures, जहाँ collector चलता है उस browser में interaction signals, clients से declarations और आपके अपने application से।
Signals की जाँच की जाती है, उन्हें basis के अनुसार label किया जाता है और जोड़ा जाता है ताकि एक classification बने।
Result को उसके basis और evidence summary के साथ रिकॉर्ड किया जाता है और वह आपके analytics में प्रवाहित होता है।
आपका application निर्णय करता है कि केवल observe करना है या policy लागू करनी है।

क्योंकि analytics और decisions एक ही results का उपयोग करते हैं, इसलिए आप जिन numbers का अध्ययन करते हैं वे बिल्कुल वही numbers हैं जिन पर आपकी policies काम करेंगी। Dashboard क्या कहता है और application क्या करता है, उनके बीच कोई अंतर नहीं रहता।

Detect, Understand, Route

AI agent ट्रैफ़िक विश्लेषण Proof of Actor की तीन capabilities के बीच में स्थित है।

Detect

हर integration के लिए उपलब्ध actor signals एकत्र करें और verified assertions को behavioral inferences से अलग करें। Unknown अपनी अलग class के रूप में visible रहता है, इसलिए coverage gaps कभी किसी दूसरे number के भीतर छिपते नहीं हैं।

Understand

यह analytics layer है: actor breakdowns, interaction trends, route-level views और explainable classifications। Teams इसका उपयोग ऐसे सवालों के जवाब देने के लिए करती हैं जैसे कौन से routes agents पर निर्भर हैं, कोई workflow कितनी AI-assisted activity देखता है, और policy का समर्थन करने के लिए evidence कितना मजबूत है।

Route

जब analytics कोई स्पष्ट pattern दिखाते हैं, तब अपने rules के साथ उस पर कार्य करें। Verified agents को उस content तक एक संरचित path दें जिसे वे सबसे अधिक पढ़ते हैं। मानव-निर्देशित sessions के लिए standard experience बनाए रखें। संवेदनशील actions पर review केवल तभी जोड़ें जब आपकी अपनी conditions इसे उचित ठहराएँ। Unknown और timeouts के लिए स्पष्ट fallbacks निर्धारित करें।

apps, APIs और MCP servers के लिए बनाया गया

Agent activity वहाँ केंद्रित होती है जहाँ machines का स्वागत है: APIs, documentation, catalogs और tools। यही कारण है कि Proof of Actor केवल page views से आगे जाता है।

SaaS apps और websites को browser sessions और उनके पीछे के server routes के लिए actor context मिलता है। अधिक जानकारी के लिए SaaS Apps & Websites देखें।
APIs को request-level context मिलता है जो signed client identity को API credentials और authorization से अलग करता है। अधिक जानकारी के लिए APIs देखें।
MCP servers को हर tool call के लिए actor context मिलता है, ताकि आप देख सकें कि कौन से clients कौन से tools का उपयोग करते हैं। अधिक जानकारी के लिए MCP Servers देखें।

Founding teams हमारे engineers की direct मदद से integration करती हैं। Node.js app में actor context जोड़ने की guide दिखाती है कि एक typical request handler में integration कहाँ बैठती है।

Evidence volume से अधिक क्यों महत्वपूर्ण है

Agent traffic के लिए बड़ा number बनाना आसान है। बिना browser fingerprint के हर request गिनें और उसे automation कह दें। समस्या यह है कि ऐसा number किसी निर्णय का समर्थन नहीं कर सकता, क्योंकि किसी को नहीं पता कि उसका कितना हिस्सा वास्तविक है।

Proof of Actor इस तरह बनाया गया है कि हर number का बचाव किया जा सके। Verified results उन checks से आते हैं जो वास्तव में pass हुए। Declarations को declarations के रूप में label किया जाता है। Inferences को inferences के रूप में label किया जाता है। Unknown को Unknown के रूप में report किया जाता है। जब आप अपने leadership, security team या customers के सामने agent traffic प्रस्तुत करते हैं, तो आप ठीक-ठीक समझा सकते हैं कि हर figure कहाँ से आया।

यह समय के साथ analytics को अधिक उपयोगी भी बनाता है। जैसे-जैसे agent operators RFC 9421 HTTP Message Signatures पर आधारित signed requests अपनाते हैं, और Web Bot Auth जैसी standards work IETF webbotauth working group में आगे बढ़ती है, आपका अधिक traffic verified basis में चला जाता है। आपके charts sharper हो जाते हैं, बिना इस बात के कि आप उन्हें कैसे पढ़ते हैं।

पहले observe करें, फिर निर्णय लें

हर Proof of Actor deployment observation mode में शुरू होता है। Results रिकॉर्ड किए जाते हैं, analytics भरती हैं, और आपका application पहले की तरह ही respond करता रहता है। आपकी team उस अवधि का उपयोग baseline बनाने, उन results की तुलना उन outcomes से करने के लिए करती है जिन्हें आप पहले से जानते हैं, और उन पहले routes की पहचान करने के लिए करती है जहाँ कोई policy वास्तव में मदद करेगी।

जब आप तैयार हों, तो एक workflow के लिए policy सक्षम करें, प्रभाव मापें, और फिर आगे विस्तार करें। कुछ भी blocked नहीं होता क्योंकि Proof of Actor install किया गया था। हर enforcement decision आपका अपना है।

founding developer program में शामिल हों

Proof of Actor private beta में है। चुनी हुई founding developer teams agreed usage limits के भीतर 12 months तक का free access प्राप्त कर सकती हैं, hands-on product feedback के बदले। आपको direct integration support, नई capabilities तक early access, और roadmap पर प्रभाव मिलता है।

यदि आप ऐसा AI agent traffic विश्लेषण चाहते हैं जिस पर आपकी पूरी team भरोसा कर सके, तो early access के लिए आवेदन करें. हमें अपनी application, वे routes जिनकी आपको सबसे अधिक परवाह है, और वे प्रश्न बताइए जिनके उत्तर आप अपने analytics से पाना चाहते हैं।

Proof of Actor देखें, यह कैसे काम करता है जानें, या पढ़ें कि evidence क्या स्थापित कर सकता है.

स्रोत

OpenAI crawlers का overview, OpenAI.
Known bot-traffic exclusion, Google Analytics Help.
RFC 9421: HTTP Message Signatures, IETF, February 2024.
Web Bot Auth (webbotauth) working group charter, IETF.

डेवलपर्स के लिए

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 या Unknown।
basis: प्रमाण कितना मजबूत है: verified, declared, inferred या unknown।
evidence: result के पीछे के signals, ताकि आपकी team कारण देख सके।

observation mode में शुरू करें: results को अपने logs के पास record करें और जब तक आप कोई policy न चुनें, कुछ न बदलें। Node.js integration guide पढ़ें

अक्सर पूछे जाने वाले प्रश्न

AI agent ट्रैफ़िक विश्लेषण क्या है?

यह मापने की प्रक्रिया है कि आपकी application की गतिविधि का कितना हिस्सा लोगों, AI के साथ काम करने वाले लोगों, autonomous agents और unidentified sources से आता है, जिसे route, workflow और time के अनुसार विभाजित किया जाता है।

यह मेरे web analytics tool से अलग कैसे है?

Web analytics tools human visits और campaigns गिनने के लिए बने होते हैं। Proof of Actor यह वर्गीकृत करता है कि हर interaction में कौन या क्या act कर रहा है, परिणाम के पीछे का evidence दिखाता है, और pages के साथ-साथ APIs और MCP servers को भी कवर करता है।

क्या इसमें API और MCP traffic शामिल है?

हाँ। Server-side और MCP integrations API calls और tool calls में actor context लाते हैं, और अक्सर यहीं agent activity सबसे अधिक होती है।

क्या संख्याएँ अनुमानों पर आधारित हैं?

हर classification अपना basis बताती है: verified, declared, inferred या unknown। आप अपने analytics को basis के अनुसार filter कर सकते हैं, ताकि verified agent traffic और inferred agent traffic कभी मिल न जाएँ।

क्या यह मेरे ऐप के response को बदलता है?

डिफ़ॉल्ट रूप से नहीं। Analytics observation mode में चलते हैं। आपकी app का behavior तभी बदलता है जब आपकी team कोई policy सक्षम करती है।

मुझे access कैसे मिलेगा?

Early access के लिए आवेदन करें। चुनी गई founding developer teams को agreed usage limits के भीतर 12 months तक का free access मिल सकता है।

जानें कि आपका app कौन उपयोग कर रहा है।

founding developers के छोटे समूह के लिए private beta।

Early Access प्राप्त करें मूल्य निर्धारण देखें

क्या पहले बात करना पसंद करेंगे? founders से बात करें