AI ಏಜೆಂಟ್ ಟ್ರಾಫಿಕ್ ವಿಶ್ಲೇಷಣೆ

ನಿಮ್ಮ ಆಪ್ ಮತ್ತು API ಗಾಗಿ AI ಏಜೆಂಟ್ ಟ್ರಾಫಿಕ್ ವಿಶ್ಲೇಷಣೆ

ಪ್ರತಿ ವರ್ಗೀಕರಣಕ್ಕೂ ಕಾಣಿಸುವ ಸಾಕ್ಷ್ಯ ಬೆಂಬಲ ಇರುವಂತೆ, ಜನರು, AI-ಸಹಾಯಿತ ಬಳಕೆದಾರರು ಮತ್ತು ಸ್ವಾಯತ್ತ ಏಜೆಂಟ್‌ಗಳು ನಿಮ್ಮ application ಅನ್ನು ಮಾರ್ಗದಿಂದ ಮಾರ್ಗಕ್ಕೆ ಹೇಗೆ ಬಳಸುತ್ತಾರೆ ಎಂಬುದನ್ನು ತಿಳಿದುಕೊಳ್ಳಿ.

ಮುಂಗಡ ಪ್ರವೇಶ ಪಡೆಯಿರಿ ಇದು ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ ಎಂಬುದನ್ನು ಅನ್ವೇಷಿಸಿ

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

ಸಂಕ್ಷಿಪ್ತ ಉತ್ತರ

AI ಏಜೆಂಟ್ ಟ್ರಾಫಿಕ್ ವಿಶ್ಲೇಷಣೆ ಪ್ರತಿ route ಮತ್ತು workflow ನ ಎಷ್ಟು ಭಾಗವನ್ನು ಜನರು, AI-ಸಹಾಯಿತ ಬಳಕೆದಾರರು, ಸ್ವಾಯತ್ತ ಏಜೆಂಟ್‌ಗಳು ಮತ್ತು ಅಜ್ಞಾತ clients ನಡೆಸುತ್ತಿದ್ದಾರೆ ಎಂಬುದನ್ನು, ಪ್ರತಿ ಫಲಿತಾಂಶದ ಹಿಂದಿನ ಸಾಕ್ಷ್ಯসহ, ತೋರಿಸುತ್ತದೆ, ಇದರಿಂದ ನಿಮ್ಮ team ಏಜೆಂಟ್‌ಗಳು ನಿಮ್ಮ application ಅನ್ನು ನಿಖರವಾಗಿ ಎಲ್ಲಿ ಬಳಸುತ್ತಿದ್ದಾರೆ ಎಂಬುದನ್ನು ನೋಡಬಹುದು.

ನಿಮ್ಮ dashboards ಈಗ ಬದಲಾಗಿರುವ ಜಗತ್ತನ್ನೇ ಎಣಿಸುತ್ತಿವೆ

ಬಹುತೇಕ analytics stacks ಅನ್ನು ಒಂದೇ ಪ್ರಶ್ನೆಗೆ ಉತ್ತರಿಸಲು ನಿರ್ಮಿಸಲಾಯಿತು: ನನ್ನ site ನಲ್ಲಿ ಜನರು ಏನು ಮಾಡುತ್ತಿದ್ದಾರೆ? Sessions, page views, funnels ಮತ್ತು campaigns ಎಲ್ಲವೂ ಪ್ರತಿ interaction ಹಿಂದೆಯೂ ಒಬ್ಬ ವ್ಯಕ್ತಿ ಇದ್ದಾರೆ ಎಂದು ಊಹಿಸುತ್ತವೆ.

ಆ ಊಹೆ ಈಗ ಎಲ್ಲ interaction ಗಳಿಗೂ ಸರಿಹೊಂದುವುದಿಲ್ಲ. AI assistants ಗಳು ಬಳಕೆದಾರರ ಪರವಾಗಿ pages ತೆರೆಯುತ್ತವೆ; ಉದಾಹರಣೆಗೆ, OpenAI ಒಂದು ChatGPT-User agent ಅನ್ನು ದಾಖಲೆ ಮಾಡಿದೆ, ಅದು ಬಳಕೆದಾರರು ChatGPT ಗೆ ಪ್ರಶ್ನೆ ಕೇಳಿದಾಗ pages ಗಳಿಗೆ ಭೇಟಿ ನೀಡುತ್ತದೆ (OpenAI crawler documentation). ಸ್ವಾಯತ್ತ agents ಗಳು ಕಾರ್ಯಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು APIs ಮತ್ತು MCP tools ಗಳಿಗೆ ಕರೆ ಮಾಡುತ್ತಾರೆ. ಜನರು ಅದೇ session ನಲ್ಲಿ AI ಜೊತೆ ಜೊತೆಯಾಗಿ ಕೆಲಸ ಮಾಡುತ್ತಾರೆ, ಕೆಲವೊಮ್ಮೆ ಅದನ್ನು ಘೋಷಿಸುತ್ತಾರೆ, ಕೆಲವೊಮ್ಮೆ ಇಲ್ಲ. Crawlers ಮತ್ತು scripts ಗಳು ತಾವು ತಲುಪಬಹುದಾದ ಎಲ್ಲವನ್ನೂ ಓದುವುದನ್ನು ಮುಂದುವರಿಸುತ್ತವೆ.

ಫಲಿತಾಂಶವೆಂದರೆ ನಿಮ್ಮ team ಅವಲಂಬಿಸುವ ಸಂಖ್ಯೆಗಳಲ್ಲಿನ ಶಾಂತವಾದ ವಕ್ರತೆ. Conversion rates ಗಳು ಯಾರಿಗೂ ವಿವರಿಸಲಾಗದ ಕಾರಣಗಳಿಂದ ಚಲಿಸುತ್ತವೆ. ಒಂದು ಜನಪ್ರಿಯ API route ಕೆಲವೇ automated clients ಗಳಿಂದ ನಡೆಸಲ್ಪಡುತ್ತಿದೆ ಎಂದು ತಿಳಿದುಬರುತ್ತದೆ. marketing ಗೆ ಜಯವೆಂದು ಕಂಡಿದ್ದ ಏರಿಕೆ agents documentation ಓದುತ್ತಿದ್ದದ್ದಾಗಿತ್ತು. actor context ಇಲ್ಲದೆ, ಪ್ರತಿಯೊಂದು chart ತುಂಬಾ ವಿಭಿನ್ನ ವರ್ತನೆಗಳನ್ನು ಒಂದೇ ಸಾಲಿನಲ್ಲಿ ಬೆರೆಸುತ್ತದೆ. ಕೆಲವು tools ಗಳು ನೀವು ನೋಡಿಸುವ ಮುನ್ನವೇ ಚಿತ್ರಣದ ಒಂದು ಭಾಗವನ್ನು ತೆಗೆದುಹಾಕುತ್ತವೆ: Google ಹೇಳುತ್ತದೆ Google Analytics known bots ಮತ್ತು spiders ಗಳಿಂದ ಬಂದ traffic ಅನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಹೊರತುಪಡಿಸುತ್ತದೆ, ಮತ್ತು ಎಷ್ಟು ಹೊರತುಪಡಿಸಲಾಯಿತು ಎಂಬುದನ್ನು ನೀವು ನೋಡಲು ಸಾಧ್ಯವಿಲ್ಲ (Google Analytics: known bot-traffic exclusion).

AI agent traffic analytics ಪ್ರತಿಯೊಂದು interaction ಗೆ ಹೊಸ ಆಯಾಮವನ್ನು ಸೇರಿಸುವ ಮೂಲಕ ಅದನ್ನು ಸರಿಪಡಿಸುತ್ತದೆ: ಯಾರು ಅಥವಾ ಏನು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿದೆ, ಮತ್ತು ನೀವು ಎಷ್ಟು ನಿಶ್ಚಿತರಾಗಬಹುದು ಎಂಬುದು. how to tell if website traffic comes from AI agents ಎಂಬ blog post ಆ ಆಯಾಮದ ಹಿಂದಿನ signals ಗಳನ್ನು ಒಳಗೊಂಡಿದೆ, ಮತ್ತು websites use case ಅದನ್ನು production site ನಲ್ಲಿ ಹೇಗೆ ಬಳಸಲಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ತೋರಿಸುತ್ತದೆ.

actor-aware analytics ನಿಮಗೆ ಏನು ತೋರಿಸುತ್ತದೆ

Proof of Actor ನಿಮ್ಮ traffic ಅನ್ನು ನಾಲ್ಕು ವರ್ಗಗಳಾಗಿ ಸಂಘಟಿಸುತ್ತದೆ, ಇದನ್ನು Human, AI-assisted or agent: a taxonomy for app traffic ನಲ್ಲಿ ವಿವರಿಸಲಾಗಿದೆ, ಮತ್ತು ಪ್ರತಿಯೊಂದಕ್ಕೂ evidence ಅನ್ನು ಜೋಡಿಸಿಕೊಂಡಿರುತ್ತದೆ.

ಮಾನವ: ಗಮನಿಸಬಹುದಾದ signals ಗಳು ಮಾನವ ದಿಕ್ಕನ್ನು ಸೂಚಿಸುವ interactions.
ಮಾನವ + AI: AI ಸಹಾಯವನ್ನು ಘೋಷಿಸಲಾಗಿದ್ದ ಅಥವಾ supported integration ಮೂಲಕ ಗಮನಿಸಲಾದ interactions.
ಏಜೆಂಟ್: ಪರಿಶೀಲಿಸಬಹುದಾದ identity ಅಥವಾ ಎಚ್ಚರಿಕೆಯಿಂದ ಅರ್ಹತೆ ನೀಡಲಾದ inference ಮೂಲಕ ಬೆಂಬಲಿತವಾದ automated ಅಥವಾ agent-origin interactions.
ಅಜ್ಞಾತ: ಸಾಕ್ಷ್ಯವು ವಿಶ್ವಾಸಾರ್ಹ ನಿರ್ಧಾರಕ್ಕೆ ಬೆಂಬಲ ನೀಡದ interactions.

ಪ್ರತಿ ಫಲಿತಾಂಶವೂ ಒಂದು basis ಅನ್ನು ಹೊಂದಿರುತ್ತದೆ: verified, declared, inferred ಅಥವಾ unknown. ಆ ಎರಡನೇ ಆಯಾಮವೇ analytics ಅನ್ನು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿಸುತ್ತದೆ. ನಿಮ್ಮ API traffic ನ ಮೂರನೇ ಭಾಗ agents ಆಗಿದೆ ಎಂದು ಹೇಳುವ dashboard ಎಂದರೆ, ಆ ಫಲಿತಾಂಶಗಳು verified signatures ಆಗಿವೆಯೇ ಅಥವಾ request patterns ನಿಂದ ಬಂದ inferences ಆಗಿವೆಯೇ ಎಂಬುದರ ಮೇಲೆ ಅದರ ಅರ್ಥ ಬಹಳ ವಿಭಿನ್ನವಾಗಿರುತ್ತದೆ. Proof of Actor ನೊಂದಿಗೆ ನೀವು ಎರಡನ್ನೂ ನೋಡಬಹುದು, ಮತ್ತು ಯಾವುದಾದರೊಂದರ ಪ್ರಕಾರ filter ಮಾಡಬಹುದು.

route ಮತ್ತು workflow ಪ್ರಕಾರ

Actor mix ಒಂದು application ಒಳಗೆ ಬಹಳ ಬದಲಾಗುತ್ತದೆ. Public documentation, pricing ಮತ್ತು catalog pages ಗಳು ಸಾಮಾನ್ಯವಾಗಿ agents ಮತ್ತು assistants ಗಳನ್ನು ಆಕರ್ಷಿಸುತ್ತವೆ. Signup, checkout ಮತ್ತು account settings ಗಳು ಕಡಿಮೆ agents ಗಳನ್ನು ಆಕರ್ಷಿಸುತ್ತವೆ, ಆದರೆ ಅವು ಕಾಣಿಸಿಕೊಂಡಾಗ ಹೆಚ್ಚು ಮುಖ್ಯವಾಗುತ್ತವೆ. API routes ಮತ್ತು MCP tools ಗಳು automated clients ಗಳಿಂದ ಆವರಿಸಲ್ಪಡಬಹುದು. Proof of Actor ಫಲಿತಾಂಶಗಳನ್ನು route ಮತ್ತು workflow ಪ್ರಕಾರ ವಿಭಜಿಸುತ್ತದೆ, ಹೀಗಾಗಿ ಪ್ರತಿ team ತನ್ನ own slice ಅನ್ನು ನೋಡುತ್ತದೆ.

ಕಾಲಕ್ರಮದಲ್ಲಿ

Trends ಗಳು ನಿಮ್ಮ product ಯಾವ ದಿಕ್ಕಿನಲ್ಲಿ ಸಾಗುತ್ತಿದೆ ಎಂಬುದನ್ನು ಹೇಳುತ್ತವೆ. ಮುಖ್ಯವಾದ routes ಗಳಲ್ಲಿ agent ಮತ್ತು AI-assisted activity ಯ ಪಾಲು ಹೇಗೆ ಬದಲಾಗುತ್ತಿದೆ ಎಂಬುದನ್ನು ಗಮನಿಸಿ, ಹೊಸ agent operator ನಿಮ್ಮ content ಅನ್ನು ಓದಲು ಆರಂಭಿಸಿದಾಗ ನೋಡಿ, ಮತ್ತು ಇನ್ನಷ್ಟು clients ತಮ್ಮ requests ಗಳಿಗೆ sign ಮಾಡುವಂತೆ Unknown ನಿಂದ verified ಗೆ ಎಷ್ಟು traffic ಚಲಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ಟ್ರ್ಯಾಕ್ ಮಾಡಿ.

ವಿವರಣೆಗಳೊಂದಿಗೆ

Dashboard ನಲ್ಲಿನ ಯಾವುದೇ ಸಂಖ್ಯೆಯನ್ನು ಪ್ರತ್ಯೇಕ interactions ಮಟ್ಟಕ್ಕೆ ತೆರೆಯಬಹುದು. ಪ್ರತಿಯೊಂದರಲ್ಲಿಯೂ ನೀವು ವರ್ಗ, basis, ಏನು ತಿಳಿದಿದೆ, ಏನು ತಿಳಿದಿಲ್ಲ, ಮತ್ತು ಯಾವ policy output ಅನ್ವಯವಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ನೋಡಬಹುದು. ಇದುವೇ ಒಂದು chart ಅನ್ನು ನಿಮ್ಮ product, platform ಮತ್ತು security teams ಒಟ್ಟಾಗಿ ಕ್ರಮ ತೆಗೆದುಕೊಳ್ಳಬಹುದಾದದ್ದಾಗಿ ಪರಿವರ್ತಿಸುತ್ತದೆ.

ಇದು ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ

Proof of Actor evidence-first ಮಾರ್ಗವನ್ನು ಅನುಸರಿಸುತ್ತದೆ. ಸಂಪೂರ್ಣ ವಿವರಣೆಯನ್ನು How It Works ನಲ್ಲಿ ಓದಬಹುದು.

ನಿಮ್ಮ application ಒಂದು request ಅಥವಾ event ಸ್ವೀಕರಿಸುತ್ತದೆ: page view, API call, MCP tool call ಅಥವಾ in-app action.
ನಿಮ್ಮ integration ಆ context ನಲ್ಲಿ ಲಭ್ಯವಿರುವ signals ಗಳನ್ನು ಸಂಗ್ರಹಿಸುತ್ತದೆ: server ನಲ್ಲಿ request context ಮತ್ತು signatures, collector ಓಡುವ browser ನಲ್ಲಿ interaction signals, clients ಗಳಿಂದ ಮತ್ತು ನಿಮ್ಮ own application ನಿಂದ declarations.
Signals ಗಳನ್ನು ಪರಿಶೀಲಿಸಿ, basis ಪ್ರಕಾರ label ಮಾಡಿ ಮತ್ತು ಸಂಯೋಜಿಸಲಾಗುತ್ತದೆ ಒಂದು ವರ್ಗೀಕರಣಕ್ಕೆ.
ಫಲಿತಾಂಶವನ್ನು ಅದರ basis ಮತ್ತು evidence summary ಸಹಿತ ದಾಖಲು ಮಾಡಿ ನಿಮ್ಮ analytics ಗೆ ಹರಿಸಲಾಗುತ್ತದೆ.
ನಿಮ್ಮ application ನಿರ್ಧರಿಸುತ್ತದೆ observe only ಮಾಡಬೇಕೇ ಅಥವಾ ಒಂದು policy ಅನ್ವಯಿಸಬೇಕೇ.

Analytics ಮತ್ತು decisions ಒಂದೇ ಫಲಿತಾಂಶಗಳನ್ನು ಬಳಸುವುದರಿಂದ, ನೀವು ಅಧ್ಯಯನ ಮಾಡುವ ಸಂಖ್ಯೆಗಳು ನಿಮ್ಮ policies ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಸಂಖ್ಯೆಗಳೇ ಆಗಿರುತ್ತವೆ. dashboard ಹೇಳುವುದಕ್ಕೂ application ಮಾಡುವುದಕ್ಕೂ ನಡುವೆ ಯಾವುದೇ ಅಂತರವಿಲ್ಲ.

Detect, Understand, Route

AI agent traffic analytics Proof of Actor ನ ಮೂರು ಸಾಮರ್ಥ್ಯಗಳ ಮಧ್ಯದಲ್ಲಿ ಇರುತ್ತದೆ.

Detect

ಪ್ರತಿ integration ಗೆ ಲಭ್ಯವಿರುವ actor signals ಗಳನ್ನು ಸಂಗ್ರಹಿಸಿ ಮತ್ತು verified assertions ಗಳನ್ನು behavioral inferences ಗಳಿಂದ ಬೇರ್ಪಡಿಸಿ. Unknown ತನ್ನದೇ ವರ್ಗವಾಗಿ ಕಾಣಿಸುವುದರಿಂದ, coverage gaps ಗಳು ಮತ್ತೊಂದು ಸಂಖ್ಯೆಯ ಒಳಗೆ ಅಡಗಿಕೊಳ್ಳುವುದಿಲ್ಲ.

Understand

ಇದು analytics layer: actor breakdowns, interaction trends, route-level views ಮತ್ತು explainable classifications. Team ಗಳು ಇದನ್ನು ಯಾವ routes ಗಳ ಮೇಲೆ agents ಅವಲಂಬಿಸುತ್ತಾರೆ, ಒಂದು workflow ಎಷ್ಟು AI-assisted activity ಯನ್ನು ನೋಡುತ್ತದೆ, ಮತ್ತು ಯಾವ ಸ್ಥಳದಲ್ಲಿ ಸಾಕ್ಷ್ಯವು policy ಯನ್ನು ಬೆಂಬಲಿಸಲು ಸಾಕಷ್ಟು ಬಲವಾಗಿದೆ ಎಂಬ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸಲು ಬಳಸುತ್ತವೆ.

Route

Analytics ಗಳು ಸ್ಪಷ್ಟ pattern ಅನ್ನು ತೋರಿಸಿದಾಗ, ನಿಮ್ಮ own rules ಗಳೊಂದಿಗೆ ಅದರ ಮೇಲೆ ಕ್ರಮ ಕೈಗೊಳ್ಳಿ. Verified agents ಗಳಿಗೆ ಅವರು ಹೆಚ್ಚು ಓದುವ content ಗೆ structured path ನೀಡಿ. Human-directed sessions ಗಾಗಿ standard experience ಅನ್ನು ಕಾಯ್ದುಕೊಳ್ಳಿ. Sensitive actions ಗೆ ನಿಮ್ಮ own conditions ಅದನ್ನು ಸಮರ್ಥಿಸಿದಾಗ ಮಾತ್ರ review ಸೇರಿಸಿ. Unknown ಮತ್ತು timeouts ಗಾಗಿ ಸ್ಪಷ್ಟ fallbacks ಗಳನ್ನು ಹೊಂದಿಸಿ.

apps, APIs ಮತ್ತು MCP servers ಗಳಿಗಾಗಿ ನಿರ್ಮಿಸಲಾಗಿದೆ

Agent activity ಯನ್ನು machines ಸ್ವಾಗತಿಸುವ ಸ್ಥಳಗಳಲ್ಲಿ ಹೆಚ್ಚು ಕಾಣಬಹುದು: APIs, documentation, catalogs ಮತ್ತು tools. ಅದಕ್ಕಾಗಿಯೇ Proof of Actor page views ಗಿಂತ ಹೆಚ್ಚನ್ನೂ ಒಳಗೊಂಡಿದೆ.

SaaS apps ಮತ್ತು websites browser sessions ಮತ್ತು ಅವುಗಳ ಹಿಂದಿನ server routes ಗಳಿಗಾಗಿ actor context ಅನ್ನು ನೋಡುತ್ತವೆ. ಹೆಚ್ಚಿನ ವಿವರಗಳಿಗೆ SaaS Apps & Websites ನೋಡಿ.
APIs request-level context ಅನ್ನು ಪಡೆಯುತ್ತವೆ, ಅದು signed client identity ಯನ್ನು API credentials ಮತ್ತು authorization ನಿಂದ ಬೇರ್ಪಡಿಸುತ್ತದೆ. ಹೆಚ್ಚಿನ ವಿವರಗಳಿಗೆ APIs ನೋಡಿ.
MCP servers ಪ್ರತಿ tool call ಗಾಗಿಯೂ actor context ಅನ್ನು ಪಡೆಯುತ್ತವೆ, ಹೀಗಾಗಿ ಯಾವ clients ಯಾವ tools ಗಳನ್ನು ಬಳಸುತ್ತಾರೆ ಎಂಬುದನ್ನು ನೀವು ನೋಡಬಹುದು. ಹೆಚ್ಚಿನ ವಿವರಗಳಿಗೆ MCP Servers ನೋಡಿ.

Founding teams ಗಳು ನಮ್ಮ engineers ಗಳ ನೇರ ಸಹಾಯದಿಂದ integrate ಮಾಡುತ್ತಾರೆ. adding actor context to a Node.js app ಎಂಬ guide ಸಾಮಾನ್ಯ request handler ನಲ್ಲಿ integration ಎಲ್ಲಿ ಇರುತ್ತದೆ ಎಂಬುದನ್ನು ತೋರಿಸುತ್ತದೆ.

ಪ್ರಮಾಣಕ್ಕಿಂತ ಸಾಕ್ಷ್ಯ ಏಕೆ ಮುಖ್ಯ

Agent traffic ಗಾಗಿ ದೊಡ್ಡ ಸಂಖ್ಯೆಯನ್ನು ತಯಾರಿಸುವುದು ಸುಲಭ. browser fingerprint ಇಲ್ಲದ ಪ್ರತಿಯೊಂದು request ಅನ್ನು ಎಣಿಸಿ ಅದನ್ನು automation ಎಂದು ಕರೆಯಿರಿ. ಆದರೆ ಆ ರೀತಿಯ ಸಂಖ್ಯೆ ನಿರ್ಧಾರಕ್ಕೆ ಬೆಂಬಲ ನೀಡಲಾರದು, ಏಕೆಂದರೆ ಅದರಲ್ಲಿ ಎಷ್ಟು ನಿಜವೆಂಬುದು ಯಾರಿಗೂ ತಿಳಿದಿರುವುದಿಲ್ಲ.

ಪ್ರತಿ ಸಂಖ್ಯೆಯನ್ನೂ ಸಮರ್ಥಿಸಬಹುದಾಗುವಂತೆ Proof of Actor ನಿರ್ಮಿಸಲಾಗಿದೆ. Verified ಫಲಿತಾಂಶಗಳು ನಿಜವಾಗಿಯೂ passed ಆದ checks ಗಳಿಂದ ಬರುತ್ತವೆ. Declarations ಗಳನ್ನು declarations ಆಗಿಯೇ label ಮಾಡಲಾಗುತ್ತದೆ. Inferences ಗಳನ್ನು inferences ಆಗಿಯೇ label ಮಾಡಲಾಗುತ್ತದೆ. Unknown ಅನ್ನು Unknown ಆಗಿಯೇ ವರದಿ ಮಾಡಲಾಗುತ್ತದೆ. ನಿಮ್ಮ leadership, security team ಅಥವಾ customers ಗೆ agent traffic ಅನ್ನು present ಮಾಡುವಾಗ, ಪ್ರತಿಯೊಂದು ಅಂಕೆ ಎಲ್ಲಿಂದ ಬಂದಿದೆ ಎಂಬುದನ್ನು ನಿಖರವಾಗಿ ವಿವರಿಸಬಹುದು.

ಇದು ಕಾಲಕ್ರಮದಲ್ಲಿ analytics ಅನ್ನು ಇನ್ನಷ್ಟು ಉಪಯುಕ್ತವಾಗಿಸುತ್ತದೆ. Agent operators ಗಳು RFC 9421 HTTP Message Signatures ಆಧಾರಿತ signed requests ಗಳನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳುವಂತೆ, ಮತ್ತು Web Bot Auth ಮುಂತಾದ standards work IETF webbotauth working group ನಲ್ಲಿ ಮುಂದುವರಿದಂತೆ, ನಿಮ್ಮ traffic ನ ಹೆಚ್ಚಿನ ಭಾಗವು verified basis ಗೆ ಸರಿಯುತ್ತದೆ. ನೀವು ಅವನ್ನು ಓದುವ ವಿಧಾನವನ್ನು ಬದಲಾಯಿಸದೇ ನಿಮ್ಮ charts ಗಳು ಇನ್ನೂ ಸ್ಪಷ್ಟವಾಗುತ್ತವೆ.

ಮೊದಲು observation, ನಂತರ ನಿರ್ಧಾರ

ಪ್ರತಿ Proof of Actor deployment observation mode ನಲ್ಲೇ ಆರಂಭವಾಗುತ್ತದೆ. ಫಲಿತಾಂಶಗಳು ದಾಖಲೆಯಾಗುತ್ತವೆ, analytics ತುಂಬುತ್ತವೆ, ಮತ್ತು ನಿಮ್ಮ application ಹಿಂದಿನಂತೆಯೇ ಪ್ರತಿಕ್ರಿಯಿಸುತ್ತಿರುತ್ತದೆ. ಆ ಅವಧಿಯನ್ನು ನಿಮ್ಮ team ಒಂದು baseline ನಿರ್ಮಿಸಲು, ನೀವು ಈಗಾಗಲೇ ತಿಳಿದಿರುವ outcomes ಗಳೊಂದಿಗೆ ಫಲಿತಾಂಶಗಳನ್ನು ಹೋಲಿಸಲು, ಮತ್ತು policy ನಿಜವಾಗಿಯೂ ಸಹಾಯ ಮಾಡಬಹುದಾದ ಮೊದಲ routes ಗಳನ್ನು ಗುರುತಿಸಲು ಬಳಸುತ್ತದೆ.

ನೀವು ಸಿದ್ಧರಾದಾಗ, ಒಂದು workflow ಗಾಗಿ policy ಯನ್ನು enable ಮಾಡಿ, ಅದರ ಪರಿಣಾಮವನ್ನು ಅಳೆಯಿರಿ, ಮತ್ತು ಅಲ್ಲಿಂದ ವಿಸ್ತರಿಸಿ. Proof of Actor install ಮಾಡಲಾಗಿದೆ ಎಂಬುದರಿಂದ ಏನನ್ನೂ blocked ಮಾಡಲಾಗುವುದಿಲ್ಲ. ಪ್ರತಿಯೊಂದು enforcement decision ನಿಮ್ಮದೇ.

founding developer program ಗೆ ಸೇರಿ

Proof of Actor private beta ಯಲ್ಲಿದೆ. ಆಯ್ಕೆಯಾದ founding developer teams ಗಳು ಒಪ್ಪಿಕೊಂಡ ಬಳಕೆ ಮಿತಿಗಳ ಒಳಗೆ up to 12 months ಉಚಿತ access ಅನ್ನು hands-on product feedback ಗೆ ಬದಲಾಗಿ ಪಡೆಯಬಹುದು. ನಿಮಗೆ direct integration support, ಹೊಸ capabilities ಗಳಿಗೆ early access, ಮತ್ತು roadmap ಮೇಲೆ ಪ್ರಭಾವ ದೊರೆಯುತ್ತದೆ.

ನಿಮ್ಮ whole team ನಂಬಬಹುದಾದ AI agent traffic analytics ಬೇಕಾದರೆ, apply for early access. ನಿಮ್ಮ application, ನಿಮಗೆ ಅತ್ಯಂತ ಮುಖ್ಯವಾದ routes ಮತ್ತು ನಿಮ್ಮ analytics ಯಾವ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸಬೇಕೆಂದು ನೀವು ಬಯಸುತ್ತೀರಿ ಎಂಬುದನ್ನು ನಮಗೆ ತಿಳಿಸಿ.

Proof of Actor ಅನ್ನು ಅನ್ವೇಷಿಸಿ, ಅದು ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ ಎಂಬುದನ್ನು ನೋಡಿ how it works, ಅಥವಾ what the evidence can establish ಅನ್ನು ಓದಿ.

Sources

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

DEVELOPERS ಗಾಗಿ

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 ಅಥವಾ Unknown.
basis: ಸಾಕ್ಷ್ಯದ ಬಲ ಎಷ್ಟು ಎಂಬುದು: verified, declared, inferred ಅಥವಾ unknown.
evidence: ಫಲಿತಾಂಶದ ಹಿಂದೆ ಇರುವ signals, ಇದರಿಂದ ನಿಮ್ಮ ತಂಡಕ್ಕೆ ಕಾರಣ ಕಾಣುತ್ತದೆ.

observation mode ನಲ್ಲಿ ಪ್ರಾರಂಭಿಸಿ: ನಿಮ್ಮ logs ಗಳ ಪಕ್ಕದಲ್ಲಿ ಫಲಿತಾಂಶಗಳನ್ನು ದಾಖಲಿಸಿ ಮತ್ತು ನೀವು ಒಂದು policy ಆಯ್ಕೆ ಮಾಡುವವರೆಗೆ ಏನನ್ನೂ ಬದಲಾಯಿಸಬೇಡಿ. Node.js ಏಕೀಕರಣ ಮಾರ್ಗದರ್ಶಿಯನ್ನು ಓದಿ

ಪದೇಪದೇ ಕೇಳಲಾಗುವ ಪ್ರಶ್ನೆಗಳು

AI ಏಜೆಂಟ್ ಟ್ರಾಫಿಕ್ ವಿಶ್ಲೇಷಣೆ ಎಂದರೇನು?

ನಿಮ್ಮ application ಚಟುವಟಿಕೆಯ ಎಷ್ಟು ಭಾಗವು ಜನರು, AI ಜೊತೆ ಕೆಲಸ ಮಾಡುವ ಜನರು, ಸ್ವಾಯತ್ತ ಏಜೆಂಟ್‌ಗಳು ಮತ್ತು ಗುರುತಿಸದ ಮೂಲಗಳಿಂದ ಬರುತ್ತಿದೆ ಎಂಬುದನ್ನು route, workflow ಮತ್ತು time ಪ್ರಕಾರ ವಿಭಜಿಸಿ ಅಳೆಯುವ ಅಭ್ಯಾಸವೇ ಇದು.

ಇದು ನನ್ನ web analytics tool ಗಿಂತ ಹೇಗೆ ವಿಭಿನ್ನವಾಗಿದೆ?

Web analytics tools ಅನ್ನು ಮಾನವ ಭೇಟಿ ಮತ್ತು campaigns ಅನ್ನು ಎಣಿಸಲು ನಿರ್ಮಿಸಲಾಗಿದೆ. Proof of Actor ಪ್ರತಿಯೊಂದು interaction ನಲ್ಲಿ ಯಾರು ಅಥವಾ ಏನು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿದೆ ಎಂದು ವರ್ಗೀಕರಿಸುತ್ತದೆ, ಫಲಿತಾಂಶದ ಹಿಂದಿನ ಸಾಕ್ಷ್ಯವನ್ನು ತೋರಿಸುತ್ತದೆ, ಮತ್ತು pages ಜೊತೆಗೆ APIs ಮತ್ತು MCP servers ಗಳನ್ನೂ ಒಳಗೊಂಡಿದೆ.

ಇದು API ಮತ್ತು MCP traffic ಅನ್ನು ಒಳಗೊಂಡಿದೆಯೆ?

ಹೌದು. server-side ಮತ್ತು MCP integrations ಗಳು API calls ಮತ್ತು tool calls ಗಳಿಗೆ actor context ಅನ್ನು ತರುತ್ತವೆ, ಇದು ಅನೇಕ ಸಂದರ್ಭಗಳಲ್ಲಿ agent activity ಹೆಚ್ಚು ಇರುವ ಸ್ಥಳವಾಗಿರುತ್ತದೆ.

ಸಂಖ್ಯೆಗಳು ಊಹೆಗಳ ಆಧಾರದಲ್ಲಿವೆಯೆ?

ಪ್ರತಿ ವರ್ಗೀಕರಣವೂ ತನ್ನ ಆಧಾರವನ್ನು ಸೂಚಿಸುತ್ತದೆ: verified, declared, inferred ಅಥವಾ unknown. ನೀವು basis ಪ್ರಕಾರ ನಿಮ್ಮ analytics ಅನ್ನು filter ಮಾಡಬಹುದು, ಆದ್ದರಿಂದ verified agent traffic ಮತ್ತು inferred agent traffic ಎಂದಿಗೂ ಒಂದಾಗಿ ಬೆರೆತುಹೋಗುವುದಿಲ್ಲ.

ಇದು ನನ್ನ app ಹೇಗೆ ಪ್ರತಿಕ್ರಿಯಿಸಬೇಕು ಎಂಬುದನ್ನು ಬದಲಾಯಿಸುತ್ತದೆಯೆ?

ಡೀಫಾಲ್ಟ್ ಆಗಿ ಅಲ್ಲ. Analytics ಗಳು observation mode ನಲ್ಲಿ ಚಲಿಸುತ್ತವೆ. ನಿಮ್ಮ team policy ಅನ್ನು enable ಮಾಡಿದಾಗ ಮಾತ್ರ ನಿಮ್ಮ app ನ ವರ್ತನೆ ಬದಲಾಗುತ್ತದೆ.

ನನಗೆ ಪ್ರವೇಶವನ್ನು ಹೇಗೆ ಪಡೆಯಬಹುದು?

Early access ಗೆ ಅರ್ಜಿ ಸಲ್ಲಿಸಿ. ಆಯ್ಕೆಯಾದ founding developer teams ಗಳು ಒಪ್ಪಿಕೊಂಡ ಬಳಕೆ ಮಿತಿಗಳ ಒಳಗೆ up to 12 months ಉಚಿತ access ಪಡೆಯಬಹುದು.

ನಿಮ್ಮ app ಅನ್ನು ಯಾರು ಬಳಸುತ್ತಿದ್ದಾರೆ ಎಂಬುದನ್ನು ತಿಳಿಯಿರಿ.

founding developers ನ ಸಣ್ಣ ಗುಂಪಿಗಾಗಿ private beta.

ಮುಂಗಡ ಪ್ರವೇಶ ಪಡೆಯಿರಿ ಮೌಲ್ಯವನ್ನು ವೀಕ್ಷಿಸಿ

ಮೊದಲು ಮಾತನಾಡಲು ಇಷ್ಟವಿದೆಯೆ? ಸ್ಥಾಪಕರೊಂದಿಗೆ ಮಾತನಾಡಿ