Mixpanel என்பது ஒரு product analytics platform. Teams அதை people எந்த features-ஐ adopt செய்கிறார்கள், funnel-இல் எங்கே drop out ஆகிறார்கள், அடுத்த வாரம் யார் திரும்பி வருகிறார்கள் என்பதைப் பார்க்க பயன்படுத்துகின்றன. அந்த வேலையில் இது சிறந்தது, மேலும் பல product teams-க்கு user behavior குறித்த கேள்விகள் பதிலளிக்கப்படும் இடம் இதுவே.
இப்போது அதற்குப் பக்கத்தில் ஒரு புதிய கேள்வி இருக்கிறது. உங்கள் product-இல் உள்ள சில events இனிமேல் ஒரு person click செய்வதால் மட்டுமே இயக்கப்படுவதில்லை. அவை real customers-க்காக செயல்படும் AI agents-இலிருந்து, AI assistant-உடன் வேலை செய்யும் people-இலிருந்து, மேலும் இன்னும் விளக்க முடியாத automation-இலிருந்து வருகின்றன. நீங்கள் ஒரு funnel-ஐப் படிப்பதற்கு முன், அதிலுள்ள events-ஐ யார் அல்லது எது உருவாக்கியது என்பதை increasingly தெரிந்துகொள்ள வேண்டும், மேலும் உங்கள் application-க்கும் அந்த same thing அந்த moment-இல் தெரிய வேண்டும், அப்போதுதான் அது response அளிக்க முடியும். அதற்காகவே AgentCredia-வின் Proof of Actor உருவாக்கப்பட்டுள்ளது.
இந்தப் பக்கம் இரண்டையும் நியாயமாக ஒப்பிடுகிறது. கீழே உள்ள Mixpanel facts November 2026 நிலவரப்படி Mixpanel-ன் own documentation-இலிருந்து வருகின்றன.
சுருக்கம்
| Mixpanel | Proof of Actor | |
|---|---|---|
| முதன்மை கேள்வி | Users எப்படி adopt, convert மற்றும் retain செய்கிறார்கள்? | இந்த interaction-இல் யார் அல்லது எது செயல்படுகிறது, evidence என்ன? |
| அது எங்கு collect செய்கிறது | Client மற்றும் server SDKs plus ingestion APIs; சாத்தியமான இடங்களில் server-side tracking-ஐ Mixpanel பரிந்துரைக்கிறது | Server middleware, edge, HTTP API, MCP servers, plus an approved browser collector |
| Agent மற்றும் bot labels | $mp_actor_type of agent, bot or none, classified from the user agent |
Human, Human + AI, Agent or Unknown, with a stated basis |
| Verified agent identity | Mixpanel-ன் bot traffic documentation-இல் விவரிக்கப்படவில்லை | ஒரு published key-க்கு எதிராக request signature சரிபார்க்கப்படும் போது Verified basis |
| AI-assisted people | ஒரு தனி class-ஆக விவரிக்கப்படவில்லை | முதல்நிலை result: Human + AI |
| தெளிவில்லாத traffic | எந்த agent அல்லது bot match இல்லையெனில் none என்று label செய்கிறது | நீங்கள் தேர்வு செய்யும் fallback-உடன் Unknown என்று report செய்கிறது |
| traffic-இல் செயல் படுகிறதா | இல்லை, events-ஐ analyze செய்கிறது | observation-க்குப் பிறகு, உங்கள் own code-இல் உங்கள் policies-படி route செய்கிறது |
இந்தப் பக்கத்தின் மீதிப் பகுதி ஒவ்வொரு row-வையும் விளக்குகிறது.
Mixpanel-ன் event model எதற்காக உருவாக்கப்பட்டது
Mixpanel events மற்றும் அவற்றுடன் இணைக்கப்படும் properties-ஐ மையமாகக் கொண்டு உருவாக்கப்பட்டுள்ளது. sign up, create project, invite teammate போன்ற actions-ஐ instrument செய்து, plan அல்லது platform போன்ற properties-ஐச் சேர்த்து, பின்னர் அந்த properties அடிப்படையில் funnels, retention curves, flows மற்றும் cohorts-ஐ build செய்கிறீர்கள். Mixpanel-இல் உள்ள ஒவ்வொரு analysis question-மும் இறுதியில் எந்த events நடந்தன, யாருக்கு நடந்தன, எந்த property values-உடன் நடந்தன என்பதற்கான கேள்வியாக மாறுகிறது.
அந்த model-தான் actor context-ஐ அதற்குள் நன்றாக பொருந்தச் செய்வதற்கான காரணம். ஒரு actor label என்பது இன்னொரு property மட்டுமே, அது உங்கள் events-இல் இருந்தால், ஒவ்வொரு funnel மற்றும் retention chart-ஐயும் அதன்படி split செய்யலாம். Mixpanel ஏற்கனவே தன்னுடைய actor labelling-உடன் இந்த திசையில் நகர்ந்துள்ளது. திறந்த கேள்வி, அந்த property எதை அடிப்படையாகக் கொண்டது, மேலும் request இன்னும் handle ஆகிக் கொண்டிருக்கும்போதே உங்கள் application அதே answer-ஐ பயன்படுத்த முடியுமா என்பதுதான்.
Proof of Actor அந்த answer-ஐ request path-இல் உருவாக்குகிறது. ஒவ்வொரு interaction-க்கும் நான்கு classes-இல் ஒன்றைப் பெறுகிறது: signals ஒரு person-ஐக் காட்டும்போது Human, ஒரு person declared செய்யப்பட்ட அல்லது supported integration மூலம் observed செய்யப்பட்ட AI உதவியுடன் செயல்பட்டால் Human + AI, automated அல்லது agent-origin interaction-க்கு Agent, மேலும் evidence நம்பத்தகுந்த determination-ஐ ஆதரிக்காதபோது Unknown. ஒவ்வொரு result-உம் அதன் evidence basis-ஐ, verified, declared, inferred அல்லது unknown என்று குறிப்பிடுகிறது, இதனால் அந்த property ஒரு label-இருந்து stated strength உடைய label-ஆக மாறுகிறது.
ஒவ்வொன்றும் எங்கு run ஆகிறது
Mixpanel client-side மற்றும் server-side tracking இரண்டையும் வழங்குகிறது. அதன் choosing a tracking method பற்றிய documentation, சாத்தியமான அளவு servers-இலிருந்து tracking செய்யவும், தேவைப்படும் போது client-side tracking-ஐச் சேர்க்கவும் பரிந்துரைக்கிறது; client-side tracking ad blockers-ஆல் பாதிக்கப்படும் என்பதையும் குறிப்பிடுகிறது.
Proof of Actor-வும் server-side-இல் run ஆகிறது, ஆனால் அதன் position வேறு. அது உங்கள் application-ன் request path-இல் அமர்கிறது: Node.js middleware, Next.js, நீங்கள் control செய்யும் edge layer, ஒரு generic HTTP API அல்லது உங்கள் MCP server, மேலும் approved pages-இல் optional browser collector-உடன். அது request moment-இல் signals-ஐப் பார்க்கிறது, உதாரணமாக client signature ஒன்றை present செய்ததா, client தன்னை declare செய்ததா, உங்கள் own assistant அந்த action-ஐ எடுத்ததா என்பதைக் காண்கிறது. முழுப் பட்டியலுக்கு integrations page-ஐப் பார்க்கவும்.
Mixpanel bots மற்றும் AI agents-ஐ எப்படி கையாளுகிறது
Mixpanel இங்கே உண்மையான support-ஐ சேர்த்துள்ளது, அதற்குக் credit கொடுக்க வேண்டும். அதன் bot traffic documentation-ன் படி:
- Mixpanel JavaScript library இயல்பாக known crawlers-இன் ஒரு குறுகிய பட்டியலை filter out செய்கிறது, இதில் Googlebot மற்றும் Bingbot அடங்கும்.
$ignoreproperty set செய்யப்பட்டு அனுப்பப்படும் எந்த event-உம் ingestion-இல் drop செய்யப்படுகிறது, அதனால் உங்கள் own filtering logic-ஐ எழுதலாம்.- Mixpanel-ன் ingestion APIs ஒவ்வொரு event-இன் user agent-ஐ classify செய்து, ஒரு human user-க்காக செயல்படும் LLM-இருந்து வரும் requests-க்கு
$mp_actor_type(Actor Type)-ஐagent-ஆக, crawlers மற்றும் search indexers போன்ற generic automated traffic-க்குbot-ஆக, அல்லது எதுவும் பொருந்தாதபோதுnone-ஆக அமைக்கின்றன. typeagentஅல்லதுbotஆக இருந்தால்,$mp_actor_name(Actor Name) GPTBot அல்லது ClaudeBot போன்ற classified identity-ஐ வைத்திருக்கும். - Server-side tracking-இல், classification Mixpanel-ஐ அடைந்த request-இன் user agent-ஐ பயன்படுத்துகிறது, அது உங்கள் server-ன் HTTP library, நீங்கள் end user's user agent-ஐ forward செய்யாவிட்டால், உதாரணமாக
$mp_raw_user_agent-இல். இல்லையெனில் classification தவறாக இருக்கலாம் என்று Mixpanel குறிப்பிடுகிறது. - Mixpanel-இல் events மாற்ற முடியாதவை; ஆகவே ஏற்கனவே பதிவு செய்யப்பட்ட bot events-ஐ delete செய்வதற்குப் பதிலாக analysis-இலிருந்து filter out செய்து handle செய்கிறார்கள்.
இது reporting label ஆக பயனுள்ளது. ஆனால் வடிவமைப்பிலேயே, இது user agent string-இலிருந்து பெறப்பட்ட ஒரு label. User agent strings self-reported, நகலெடுக்க எளிது; இது user agent spoofing entry-இல் விளக்கப்பட்டுள்ளது. மேலும் documentation-இல் AI உதவியுடன் வேலை செய்யும் people-க்கான class-ஐயோ, evidence மிகக் குறைவாக இருப்பதால் தீர்மானிக்க முடியாதபோது சொல்வதற்கான வழியையோ விவரிக்கவில்லை.
$mp_actor_type and the Proof of Actor class, side by side
இரண்டுமே அதே Mixpanel event-இல் இருக்க முடிவதால், அவை எப்படி தொடர்புடையவை என்பதைப் பார்க்க உதவுகிறது:
$mp_actor_type |
அது எதை அடிப்படையாகக் கொண்டது | Proof of Actor class என்ன சேர்க்க முடியும் |
|---|---|---|
agent |
ஒரு user-க்காக செயல்படும் LLM-க்கான user agent match | Request valid signature-ஐக் கொண்டிருந்தால் Verified basis உடன் Agent, அல்லது இல்லையெனில் declared அல்லது inferred basis |
bot |
crawlers மற்றும் indexers-க்கான user agent match | Evidence அதை ஆதரித்தால் Agent, அல்லது crawler-style user agent-க்கு வேறு எதுவும் ஆதரவு இல்லாவிட்டால் Unknown |
none |
user agent-இல் எந்த agent அல்லது bot match-மும் இல்லை | Human, Human + AI அல்லது Unknown, அதனால் assisted people மற்றும் விளக்கமற்ற traffic ஒரே bucket-இல் மறைந்து போகாது |
முக்கிய வேறுபாடுகள் ஒவ்வொரு answer-உம் எங்கு உருவாக்கப்படுகிறது என்பதிலிருந்து வருகிறது.
User agent string-ஐ விட கூடுதல் evidence. $mp_actor_type user agent-இலிருந்து பெறப்படுகிறது, அது self-reported மற்றும் நகலெடுக்க எளிது, user agent spoofing entry விளக்கும் போல. Verified Proof of Actor result என்பது ஒரு request signature published key-க்கு எதிராக check செய்யப்பட்டது என்பதைக் குறிக்கும்; இதற்கு HTTP Message Signatures RFC 9421-இல் வரையறுக்கப்பட்டு Web Bot Auth-இல் பயன்படுத்தப்படுவது போல் பயன்படுத்தப்படுகிறது.
AI-assisted people-க்கான class. $mp_actor_type-இல், ஒரு assistant-உடன் draft செய்யும் person மற்ற எல்லா users-உடன் none-இல் அடங்குகிறார். Proof of Actor உதவி declared செய்யப்பட்டால் அல்லது supported integration மூலம் observed செய்யப்பட்டால் Human + AI-ஐ report செய்கிறது, அதனால் ஒரு Mixpanel funnel AI-assisted users வேகமாக activate ஆகிறார்களா அல்லது வேறு இடங்களில் stall ஆகிறார்களா என்பதை காட்ட முடியும்.
none-க்கு பதிலாக Unknown. none என்பது match எதுவும் கிடைக்கவில்லை என்பதைக் குறிக்கும். Unknown என்பது evidence call செய்யப் போதுமான வலுவாக இல்லை என்பதைக் குறிக்கும், இது வேறுபட்டதும் மேலும் பயனுள்ளதுமான statement. நீங்கள் route-ஆக Unknown rate-ஐ track செய்யலாம், மேலும் Unknown traffic-ஐ handle செய்வது என்ற guide fallback patterns-ஐ விவரிக்கிறது.
உங்கள் tracking வழியாக ஒருபோதும் செல்லாத events. Agents பெரும்பாலும் UI-யில் click செய்வதற்குப் பதிலாக APIs மற்றும் MCP servers-ஐ call செய்கிறார்கள். Proof of Actor அந்த interactions நடக்கும் இடத்திலேயே classify செய்கிறது, இதில் MCP tool calls-வும் அடங்கும்; MCP servers use case-ஐப் பார்க்கவும்.
Request time-இல் ஒரு decision. Mixpanel events மாற்ற முடியாதவை, அவை பிறகு analyze செய்யப்படுகின்றன, இது analytics-க்கு சரியானது. Proof of Actor உங்கள் application-க்கு route, class மற்றும் basis-ஆக allow, adapt, challenge, send to review அல்லது rate-limit செய்யவும் விடுகிறது. இது observation mode-இல் தொடங்குகிறது, அதனால் நீங்கள் enforce செய்யத் தேர்வு செய்யும் வரை எதுவும் மாறாது.
Mixpanel மற்றும் Proof of Actor-ஐ ஒன்றாகப் பயன்படுத்துவது
- Request-இல் classify செய்யவும். உங்கள் application, API அல்லது MCP server-இல் ஒவ்வொரு interaction-க்கும் Proof of Actor ஒரு class மற்றும் basis-ஐ return செய்கிறது.
- இரண்டு event properties-ஐச் சேர்க்கவும். ஏற்கனவே அனுப்பும் Mixpanel events-இல் class மற்றும் basis-ஐ properties-ஆக இணைக்கவும், உதாரணமாக நீங்கள்
actor_classமற்றும்actor_basisஎன்று பெயரிடும் ones. Server-side tracking இதை எளிதாக்குகிறது, ஏனெனில் result உங்கள் application-இல் இருக்கிறது. $mp_actor_type-ஐயும் வைத்திருக்கவும். End user's user agent-ஐ forward செய்யுங்கள், அதனால் Mixpanel-ன் own label accurate-ஆக இருக்கும், மேலும் இரண்டு properties-ஐ ஒப்பிடுங்கள். அவை வேறுபடும் இடங்களில், எந்த evidence-ஐ நம்ப வேண்டும் என்பதை Proof of Actor basis சொல்கிறது.- நீங்கள் ஏற்கனவே பயன்படுத்தும் reports-ஐ split செய்யவும். funnels, retention மற்றும் flows-ஐ actor class-ஆகப் பிரித்து, agent-driven sign ups human ones போல retain ஆகிறதா, அல்லது AI-assisted users விரைவாக activation-ஐ அடைகிறார்களா என்பதைப் பார்க்கவும். SaaS apps use case இது மிகவும் முக்கியமான இடங்களை காட்டுகிறது.
- முக்கியமான இடத்தில் act செய்யவும். actor class experience-ஐ மாற்ற வேண்டும் என்று நினைக்கும் routes-க்கான policies-ஐ எழுதவும். actor-aware policies-ஐ பாதுகாப்பாக roll out செய்வது என்ற guide process-ஐ விவரிக்கிறது.
எப்போது எதைக் தேர்வு செய்ய வேண்டும்
உங்கள் கேள்வி product behavior பற்றி இருந்தால் Mixpanel-ஐத் தேர்வு செய்யுங்கள்: activation, conversion, retention, feature adoption, மற்றும் users செல்லும் paths. அதன் $mp_actor_type label அந்த analysis-இல் agents மற்றும் bots-ஐப் பிரிக்க ஒரு நல்ல முதல் cut.
AI-assisted users உங்கள் product-க்கு முக்கியமானபோது, பல agent traffic APIs அல்லது MCP servers வழியாக வந்தால், அல்லது உங்கள் application report-இல் அல்ல request time-இல் response அளிக்க வேண்டுமெனில் Proof of Actor-ஐச் சேர்க்கவும். Mixpanel உங்கள் product எப்படிப் பயன்படுத்தப்படுகிறது என்பதைக் காட்டுகிறது. Proof of Actor ஒவ்வொரு interaction-இலும் அதை யார் பயன்படுத்துகிறார் என்பதை evidence-உடன் சொல்கிறது, மேலும் அதில் உங்கள் code செயல்பட ஒரு வழியையும் தருகிறது.
தொடங்குங்கள்
Proof of Actor private beta-வில் உள்ளது. founding developer program மூலம், தேர்ந்தெடுக்கப்பட்ட teams agreed usage limits-க்குள் automatic billing இல்லாமல் 12 மாதங்கள் வரை இலவச access பெறலாம். early access-க்கு விண்ணப்பிக்கவும் மற்றும் உங்கள் product, நீங்கள் புரிந்துகொள்ள விரும்பும் interactions பற்றி எங்களுக்குச் சொல்லவும்.
Mixpanel என்பது Mixpanel, Inc.-ன் trademark.