तुलना

Proof of Actor विरुद्ध Mixpanel: product analytics आणि actor evidence, side by side

Mixpanel टीम्सना त्यांच्या product द्वारे users कसे adopt आणि retain करतात हे समजून घेण्यास मदत करते. Proof of Actor आपल्या application ला प्रत्येक interaction मध्ये कोण किंवा काय acting करत आहे ते, त्यामागील evidence सह, सांगते आणि पुढे काय करायचे हे आपल्या code ला ठरवू देते. ते एकमेकांशी कसे तुलना होतात आणि एकत्र कसे काम करतात ते येथे दिले आहे.

लवकर प्रवेश मिळवा ते कसे कार्य करते ते अन्वेषित करा

लेखक Toshendra Sharmaसंस्थापक आणि CEO, AgentCredia · Updated November 13, 2026

थोडक्यात उत्तर

Mixpanel हे एक product analytics tool आहे जे users आपल्या product मधून कसे move होतात हे measure करते, आणि user agent वर आधारित known agents आणि bots मधील events label करते. Proof of Actor प्रत्येक interaction ला evidence basis सह Human, Human + AI, Agent किंवा Unknown म्हणून classify करते, आणि आपल्या application ला त्यावर route करू देते. Product analytics साठी Mixpanel वापरा आणि कोण acting करत आहे हे जाणून पुढे काय घडेल ते ठरवायचे असेल तेव्हा Proof of Actor जोडा.

Mixpanel हे एक product analytics platform आहे. Teams ते वापरून कोणती features लोक adopt करतात, funnel मध्ये कुठे drop out होतात, आणि पुढच्या आठवड्यात कोण परत येते हे पाहतात. हे काम करण्यासाठी ते उत्कृष्ट आहे, आणि अनेक product teams साठी user behavior बद्दलचे प्रश्न जिथे सोडवले जातात ती जागा तेच आहे.

आता या प्रश्नांजवळ एक नवीन प्रश्न आला आहे. आपल्या product मधील काही events आता एखादी व्यक्ती क्लिक करत असल्यामुळे निर्माण होत नाहीत. ते खऱ्या customers साठी काम करणाऱ्या AI agents कडून, AI assistant सोबत काम करणाऱ्या लोकांकडून, आणि आपण अजून स्पष्ट करू शकत नाही अशा automation कडून येतात. funnel वाचण्यापूर्वी, त्या funnel मधील events कोणी किंवा कशामुळे निर्माण केले हे increasingly जाणून घेणे गरजेचे आहे, आणि response देण्यासाठी आपल्या application ला तेच गोष्ट प्रत्यक्ष क्षणी माहीत असणे आवश्यक आहे. यासाठीच AgentCredia चे Proof of Actor तयार केले आहे.

हे पान दोन्हींची निष्पक्ष तुलना करते. खालील Mixpanel संदर्भ Mixpanel च्या स्वतःच्या documentation मधून November 2026 पर्यंतचे आहेत.

संक्षिप्त आवृत्ती

	Mixpanel	Proof of Actor
मुख्य प्रश्न	users कसे adopt, convert आणि retain करतात?	या interaction मध्ये कोण किंवा काय acting करत आहे, आणि evidence काय आहे?
ते कुठे collect करते	Client आणि server SDKs तसेच ingestion APIs; शक्य असल्यास Mixpanel server-side tracking ची शिफारस करते	Server middleware, edge, HTTP API, MCP servers, तसेच approved browser collector
Agent आणि bot labels	`$mp_actor_type` of agent, bot किंवा none, user agent वरून classify केलेले	Human, Human + AI, Agent किंवा Unknown, stated basis सह
Verified agent identity	Mixpanel च्या bot traffic documentation मध्ये वर्णन केलेले नाही	Published key विरुद्ध request signature check झाल्यास Verified basis
AI-assisted people	वेगळी class म्हणून वर्णन केलेली नाही	पहिल्या दर्जाचा result: Human + AI
अस्पष्ट traffic	कोणताही agent किंवा bot match नसल्यास none label	Unknown म्हणून report केले जाते, आपण निवडलेल्या fallback सह
traffic वर action घेते	नाही, ते events analyze करते	आपल्या own code मध्ये, observation नंतर, आपल्या policies नुसार route करते

या पानाचा उरलेला भाग प्रत्येक row स्पष्ट करतो.

Mixpanel चे event model कशासाठी बनलेले आहे

Mixpanel events आणि त्यांना जोडलेल्या properties भोवती बनलेले आहे. आपण sign up, create project किंवा invite teammate यांसारख्या actions instrument करता, plan किंवा platform यांसारखी properties add करता, आणि मग त्या properties नुसार events break down करून funnels, retention curves, flows आणि cohorts तयार करता. Mixpanel मधील प्रत्येक analysis प्रश्न शेवटी कोणते events घडले, कोणासाठी, आणि कोणत्या property values सह असा प्रश्न बनतो.

हाच model actor context त्यात इतका चांगला बसतो याचे कारण आहे. actor label ही फक्त आणखी एक property आहे, आणि ती एकदा events वर आली की प्रत्येक funnel आणि retention chart त्यानुसार split होऊ शकतो. Mixpanel ने स्वतःच्या actor labelling सह आधीच या दिशेने वाटचाल केली आहे. खुला प्रश्न असा आहे की ते property कशावर आधारित आहे, आणि request अजून handle होत असताना आपले application त्याच answer चा वापर करू शकते का.

Proof of Actor तो answer request path मध्ये तयार करते. प्रत्येक interaction ला चार classes पैकी एक class मिळते: Human जेव्हा signals एखाद्या व्यक्तीकडे निर्देश करतात, Human + AI जेव्हा व्यक्तीने declared किंवा supported integration द्वारे observed AI assistance सह action घेतला, Agent automated किंवा agent-origin interaction साठी, आणि Unknown जेव्हा evidence विश्वसनीय determination ला पाठबळ देत नाही. प्रत्येक result त्याचा evidence basis सांगतो, verified, declared, inferred किंवा unknown, ज्यामुळे property label वरून stated strength असलेल्या label मध्ये बदलते.

प्रत्येक एक कुठे चालते

Mixpanel client-side आणि server-side tracking दोन्ही देते. त्याचे tracking method निवडण्याचे documentation शक्य तितके servers वरून track करण्याची आणि गरज पडल्यास client-side tracking supplement करण्याची शिफारस करते, तसेच client-side tracking ad blockers मुळे प्रभावित होते असे नमूद करते.

Proof of Actor देखील server-side चालते, पण त्याची जागा वेगळी आहे. ते आपल्या application च्या request path मध्ये बसते: Node.js middleware, Next.js, आपण नियंत्रित करत असलेला edge layer, generic HTTP API किंवा आपला MCP server, approved pages वर optional browser collector सह. त्यामुळे request च्या क्षणी ते signals पाहू शकते, जसे की client ने signature सादर केला का, client ने स्वतःला declared केले का, आणि आपल्या own assistant ने action घेतला का. पूर्ण यादीसाठी integrations पान पहा.

Mixpanel bots आणि AI agents कसे हाताळते

Mixpanel ने येथे खरे support जोडले आहे, आणि त्याचे श्रेय दिले पाहिजे. त्याच्या bot traffic documentation नुसार:

Mixpanel JavaScript library default ने known crawlers ची छोटी list filter करते, ज्यात Googlebot आणि Bingbot समाविष्ट आहेत.
$ignore property सेट करून पाठवलेला कोणताही event ingestion वेळी drop केला जातो, त्यामुळे आपण स्वतःचे filtering logic लिहू शकता.
Mixpanel ची ingestion APIs प्रत्येक event चा user agent classify करतात आणि $mp_actor_type (Actor Type) ला agent सेट करतात जेव्हा LLM एखाद्या human user च्या वतीने कार्य करत असते, bot जेव्हा crawlers आणि search indexers सारखा generic automated traffic असतो, किंवा none जेव्हा यापैकी काहीही लागू होत नाही. type agent किंवा bot असताना, $mp_actor_name (Actor Name) वर्गीकृत identity धरते, जसे GPTBot किंवा ClaudeBot.
Server-side tracking मध्ये, classification Mixpanel पर्यंत पोहोचलेल्या request च्या user agent वर आधारित असते, म्हणजे आपले server चे HTTP library, जोपर्यंत आपण end user's user agent forward करत नाही, उदाहरणार्थ $mp_raw_user_agent मध्ये. अन्यथा classification अचूक नसू शकते असे Mixpanel नमूद करते.
Mixpanel मधील events immutable असतात, त्यामुळे आधी नोंदवलेले bot events delete करण्याऐवजी analysis मधून filter करून हाताळले जातात.

हे एक उपयुक्त reporting label आहे. पण ते user agent string वरून आलेले label देखील आहे. user agent strings self-reported असतात आणि सहज imitate करता येतात, ही समस्या user agent spoofing entry मध्ये समाविष्ट आहे. आणि documentation मध्ये AI assistance सह काम करणाऱ्या लोकांसाठी class, किंवा evidence इतका कमी आहे की निष्कर्ष काढता येणार नाही असे म्हणण्याचा मार्ग वर्णन केलेला नाही.

`$mp_actor_type` आणि Proof of Actor class, side by side

दोन्ही results एकाच Mixpanel event वर राहू शकतात म्हणून, ते कसे संबंधित आहेत हे पाहणे उपयुक्त ठरते:

`$mp_actor_type`	ते कशावर आधारित आहे	Proof of Actor class काय जोडू शकते
`agent`	एखाद्या user साठी acting करणाऱ्या LLM साठी user agent match	request वैध signature घेऊन येत असल्यास verified basis सह Agent, किंवा अन्यथा declared किंवा inferred basis
`bot`	crawlers आणि indexers साठी user agent match	evidence त्यास पाठबळ देत असल्यास Agent, किंवा crawler-style user agent ला दुसरे काहीही पाठबळ नसल्यास Unknown
`none`	user agent वर agent किंवा bot match नाही	Human, Human + AI किंवा Unknown, त्यामुळे assisted people आणि अस्पष्ट traffic एकाच bucket मध्ये लपून राहत नाहीत

मुख्य फरक प्रत्येक answer कुठे तयार होतो यावरून येतात.

user agent string पलीकडील evidence. $mp_actor_type user agent वरून derive केले जाते, जे self-reported आहे आणि सहज imitate करता येते, असे user agent spoofing entry स्पष्ट करते. verified Proof of Actor result म्हणजे request signature ला published key विरुद्ध तपासले गेले, RFC 9421 मध्ये defined आणि Web Bot Auth मध्ये वापरल्या जाणाऱ्या HTTP Message Signatures चा उपयोग करून.

AI-assisted people साठी एक class. $mp_actor_type अंतर्गत, assistant सह draft करणारी व्यक्ती इतर प्रत्येक user सोबत none मध्ये जाते. Proof of Actor declared किंवा supported integration द्वारे observed assistance असताना Human + AI report करते, त्यामुळे Mixpanel funnel AI-assisted users वेगाने activate होतात का किंवा वेगवेगळ्या ठिकाणी अडकतात का हे दाखवू शकते.

none ऐवजी Unknown. none म्हणजे कोणताही match सापडला नाही. Unknown म्हणजे evidence पुरेसे मजबूत नव्हते, आणि हे वेगळे तसेच अधिक उपयुक्त विधान आहे. आपण route नुसार Unknown rate track करू शकता, आणि Unknown traffic handling guide fallback patterns कव्हर करते.

आपल्या tracking मधून कधीच न जाणारे events. Agents अनेकदा UI मधून क्लिक करण्याऐवजी APIs आणि MCP servers call करतात. Proof of Actor त्या interactions जिथे घडतात तिथेच classify करते, MCP tool calls सहित; MCP servers use case पहा.

request time ला निर्णय. Mixpanel events immutable असतात आणि नंतर analyze केले जातात, जे analytics साठी योग्य आहे. Proof of Actor आपल्या application ला route, class आणि basis नुसार allow, adapt, challenge, review किंवा rate-limit करण्यासही देते. ते observation mode मध्ये सुरू होते, त्यामुळे enforce करायचे ठरेपर्यंत काहीही बदलत नाही.

Mixpanel आणि Proof of Actor एकत्र वापरणे

request वेळी classify करा. Proof of Actor आपल्या application, API किंवा MCP server मधील प्रत्येक interaction साठी class आणि basis परत करते.
दोन event properties जोडा. आपण आधी पाठवत असलेल्या Mixpanel events वर actor_class आणि actor_basis अशी उदाहरणार्थ नाव दिलेली class आणि basis properties म्हणून जोडा. server-side tracking यामुळे सोपे होते कारण result आपल्या application कडेच असतो.
$mp_actor_type देखील ठेवा. end user's user agent forward करा, त्यामुळे Mixpanel चे स्वतःचे label अचूक राहते, आणि दोन्ही properties ची तुलना करा. जिथे ते disagree करतात, तिथे कोणते evidence भरोसेचे आहे हे Proof of Actor basis सांगतो.
आपण आधीच वापरत असलेले reports break down करा. funnels, retention आणि flows actor class नुसार split करा, म्हणजे agent-driven sign ups human ones सारखे retain होतात का, किंवा AI-assisted users activation लवकर गाठतात का हे दिसेल. SaaS apps use case हे सर्वाधिक कुठे महत्त्वाचे आहे ते दाखवते.
महत्त्वाच्या ठिकाणी action घ्या. actor class ने experience बदलावी अशा routes साठी policies लिहा. actor-aware policies safely roll out करण्याचे guide प्रक्रिया स्पष्ट करते.

कोणते कधी निवडायचे

आपला प्रश्न product behavior बद्दल असेल तेव्हा Mixpanel निवडा: activation, conversion, retention, feature adoption आणि users घेत असलेले paths. त्याचे $mp_actor_type label त्या analysis मध्ये agents आणि bots वेगळे करण्यासाठी एक चांगला पहिला टप्पा आहे.

जेव्हा त्या label ला evidence असणे आवश्यक आहे, AI-assisted users आपल्या product साठी महत्त्वाचे असतील, अनेक agent traffic APIs किंवा MCP servers मधून येत असेल, किंवा आपल्या application ला report ऐवजी request time ला प्रतिसाद द्यावा लागेल, तेव्हा Proof of Actor जोडा. Mixpanel आपले product कसे वापरले जाते ते सांगते. Proof of Actor प्रत्येक interaction मध्ये कोण वापरत आहे ते evidence सह सांगते, आणि आपल्या code ला त्यावर action घेण्याचा मार्ग देते.

सुरुवात करा

Proof of Actor private beta मध्ये आहे. founding developer program द्वारे, selected teams ला agreed usage limits मध्ये 12 महिन्यांपर्यंत free access मिळू शकतो, आणि automatic billing नाही. early access साठी apply करा आणि आपल्या product बद्दल तसेच आपण समजून घ्यायच्या interactions बद्दल आम्हाला सांगा.

Mixpanel हे Mixpanel, Inc. चे trademark आहे.

विकसकांसाठी

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 किंवा Unknown.
basis: पुरावा किती मजबूत आहे: Verified, Declared, Inferred किंवा Unknown.
evidence: result मागचे signals, जेणेकरून तुमची team कारण पाहू शकेल.

observation mode मध्ये सुरुवात करा: results तुमच्या logs च्या शेजारी नोंदवा आणि तुम्ही policy निवडेपर्यंत काहीही बदलू नका. Node.js integration guide वाचा

वारंवार विचारले जाणारे प्रश्न

मला Mixpanel ऐवजी Proof of Actor वापरायचे का?

नाही. funnels, retention आणि product event analysis साठी Mixpanel अजूनही योग्य tool आहे. Proof of Actor per-interaction actor classification evidence basis सह जोडते आणि आपल्या application ला त्यावर route करू देते. बहुतेक teams Mixpanel ठेवतात आणि Proof of Actor जोडतात.

मी actor classes Mixpanel मध्ये पाठवू शकतो का?

होय. आपल्या application ला प्रत्येक Proof of Actor result मिळतो, त्यामुळे आपण actor class आणि basis हे आपण आधीच track करत असलेल्या events वर event किंवा user properties म्हणून जोडू शकता. त्यानंतर आपण Mixpanel funnels आणि retention ला Human, Human + AI, Agent आणि Unknown नुसार break down करू शकता.

Mixpanel आधीच agents label करते. मग Proof of Actor का जोडायचे?

Mixpanel च्या documentation नुसार, November 2026 पर्यंत, त्याचे Actor Type property user agent वरून classify केले जाते. Proof of Actor प्रत्येक result चा basis सांगते, HTTP Message Signatures वापरून agent identity verify करू शकते, AI-assisted people ना Human + AI म्हणून report करते, evidence कमी असेल तेव्हा Unknown परत करते, आणि result वर action घेण्यासाठी आपल्या code ला policies देते.

Mixpanel default ने bots filter करते का?

Mixpanel च्या documentation नुसार, त्याची JavaScript library default ने known crawlers ची एक छोटी list filter करते, आणि आपण $ignore property सेट करून इतर events टाकून देऊ शकता. त्याचे ingestion APIs देखील Actor Type म्हणून agent, bot किंवा none add करतात, ज्यावर आपण reports मध्ये filter करू शकता.

Proof of Actor काही block करते का?

नाही. ते observation mode मध्ये सुरू होते आणि install केल्यावर काहीही बदलत नाही. आपण real traffic विरुद्ध policies preview करता आणि आपल्या own code मध्ये route by route enforce करता.

Proof of Actor server-side tracking सह काम करते का?

होय. Proof of Actor Node.js middleware, Next.js, edge, generic HTTP API आणि MCP servers मध्ये चालते, त्यामुळे ते browser ला कधीही न स्पर्श करणाऱ्या interactions चे वर्गीकरण करते.

तुमचे app कोण वापरत आहे ते जाणून घ्या.

founding developers च्या छोट्या गटासाठी private beta.

लवकर प्रवेश मिळवा किमती पहा

आधी बोलणे पसंत आहे? founders शी बोला