ข้ามไปยังเนื้อหาหลัก
การวิเคราะห์ทราฟฟิกของ AI AGENT

การวิเคราะห์ทราฟฟิกของ AI agent สำหรับแอปและ API ของคุณ

ทำความเข้าใจว่า Human, ผู้ใช้ที่ได้รับความช่วยเหลือจาก AI และ agent อัตโนมัติใช้งานแอปพลิเคชันของคุณอย่างไร แยกตามเส้นทาง โดยทุกการจัดประเภทมีหลักฐานที่มองเห็นได้รองรับ

ขอสิทธิ์เข้าถึงก่อนใครสำรวจวิธีการทำงาน
Toshendra Sharma

โดย Toshendra Sharmaผู้ก่อตั้งและ CEO, AgentCredia · Updated November 13, 2026

แดชบอร์ดของคุณกำลังนับโลกที่เปลี่ยนไปแล้ว

สแตกแอนะลิติกส์ส่วนใหญ่ถูกสร้างขึ้นเพื่อตอบคำถามหนึ่งข้อ: ผู้คนกำลังทำอะไรบนไซต์ของฉัน? เซสชัน การดูหน้า การสร้างฟันเนล และแคมเปญ ล้วนตั้งสมมติฐานว่ามีมนุษย์อยู่เบื้องหลังแต่ละการโต้ตอบ

สมมติฐานนั้นไม่เป็นจริงสำหรับทุกการโต้ตอบอีกต่อไป ผู้ช่วย AI เปิดหน้าเว็บแทนผู้ใช้ OpenAI ยกตัวอย่างเช่นมีเอกสารเกี่ยวกับ ChatGPT-User agent ที่เข้าชมหน้าเว็บเมื่อผู้ใช้ถาม ChatGPT คำถามหนึ่งข้อ (OpenAI crawler documentation) Agent อัตโนมัติเรียก API และเครื่องมือ MCP เพื่อทำงานให้เสร็จ ผู้คนทำงานร่วมกับ AI ในเซสชันเดียวกัน บางครั้งก็ประกาศไว้ และบางครั้งก็ไม่ประกาศ ขณะที่ตัวรวบรวมข้อมูลและสคริปต์ยังคงอ่านทุกอย่างที่เข้าถึงได้

ผลลัพธ์คือความบิดเบือนแบบเงียบๆ ในตัวเลขที่ทีมของคุณอาศัยอยู่ อัตราคอนเวอร์ชันเปลี่ยนไปด้วยเหตุผลที่ไม่มีใครอธิบายได้ เส้นทาง API ยอดนิยมกลับกลายเป็นว่าขับเคลื่อนโดยไคลเอนต์อัตโนมัติเพียงไม่กี่ตัว สไปก์ที่ดูเหมือนชัยชนะของการตลาด ที่จริงคือ agent อ่านเอกสาร หากไม่มีบริบทของ actor ทุกกราฟจะผสมพฤติกรรมที่แตกต่างกันมากเข้าด้วยกันเป็นเส้นเดียว เครื่องมือบางตัวก็ลบส่วนหนึ่งของภาพออกก่อนที่คุณจะเห็นด้วย: Google ระบุว่า Google Analytics จะยกเว้นทราฟฟิกจากบอทและสไปเดอร์ที่รู้จักโดยอัตโนมัติ และคุณไม่สามารถดูได้ว่าส่วนใดถูกยกเว้นไป (Google Analytics: known bot-traffic exclusion)

การวิเคราะห์ทราฟฟิกของ AI agent แก้ปัญหานี้ด้วยการเพิ่มมิติใหม่ให้ทุกการโต้ตอบ: ใครหรืออะไรเป็นผู้กระทำ และคุณมั่นใจได้แค่ไหน บล็อกโพสต์เรื่อง วิธีดูว่าทราฟฟิกเว็บไซต์มาจาก AI agent หรือไม่ อธิบายสัญญาณเบื้องหลังมิตินั้น และ กรณีใช้งานเว็บไซต์ แสดงตัวอย่างการนำไปใช้กับไซต์ที่ใช้งานจริง

แอนะลิติกส์ที่รับรู้ actor แสดงอะไรให้คุณเห็น

Proof of Actor จัดระเบียบทราฟฟิกของคุณออกเป็น 4 classes ซึ่งอธิบายไว้ใน Human, AI-assisted or agent: a taxonomy for app traffic และแนบหลักฐานไว้กับแต่ละรายการ

  • Human: การโต้ตอบที่สัญญาณที่สังเกตได้บ่งชี้ถึงการควบคุมโดยมนุษย์
  • Human + AI: การโต้ตอบที่มีการประกาศการช่วยเหลือจาก AI หรือสังเกตได้ผ่านการผสานการทำงานที่รองรับ
  • Agent: การโต้ตอบที่มาจากระบบอัตโนมัติหรือ agent ซึ่งรองรับโดยตัวตนที่ตรวจสอบได้หรือการอนุมานที่มีการจำกัดความอย่างระมัดระวัง
  • Unknown: การโต้ตอบที่หลักฐานไม่เพียงพอสำหรับการตัดสินที่เชื่อถือได้

ผลลัพธ์แต่ละรายการยังมีฐานกำกับไว้ด้วย: verified, declared, inferred หรือ unknown มิติที่สองนี้เองที่ทำให้แอนะลิติกส์น่าเชื่อถือ แดชบอร์ดที่บอกว่าทราฟฟิก API หนึ่งในสามของคุณเป็น agent หมายถึงสิ่งที่แตกต่างกันมาก ขึ้นอยู่กับว่าผลลัพธ์เหล่านั้นเป็นลายเซ็นที่ verified หรือเป็นข้อสรุปจากรูปแบบคำขอ ด้วย Proof of Actor คุณเห็นได้ทั้งสองแบบ และกรองได้ตามแต่ละแบบ

ตามเส้นทางและเวิร์กโฟลว์

องค์ประกอบของ actor แตกต่างกันอย่างมากในแต่ละส่วนของแอปพลิเคชัน หน้าเอกสารสาธารณะ หน้าราคา และหน้ารายการสินค้ามักดึงดูด agent และผู้ช่วย ในขณะที่หน้าสมัครใช้งาน หน้าชำระเงิน และการตั้งค่าบัญชีดึงดูด agent น้อยกว่า แต่มีความสำคัญมากขึ้นเมื่อเกิดขึ้น เส้นทาง API และเครื่องมือ MCP อาจถูกครอบงำด้วยไคลเอนต์อัตโนมัติ Proof of Actor แยกผลลัพธ์ตามเส้นทางและเวิร์กโฟลว์ ดังนั้นแต่ละทีมจึงเห็นเฉพาะส่วนที่ตนรับผิดชอบ

ตามเวลา

แนวโน้มบอกคุณว่าโปรดักต์ของคุณกำลังมุ่งหน้าไปทางใด ติดตามว่าสัดส่วนของกิจกรรมจาก agent และ Human + AI เปลี่ยนไปอย่างไรในเส้นทางที่สำคัญ ดูว่าเมื่อใดที่ผู้ควบคุม agent รายใหม่เริ่มอ่านเนื้อหาของคุณ และติดตามว่าทราฟฟิกย้ายจาก Unknown ไปเป็น verified มากน้อยเพียงใดเมื่อไคลเอนต์มากขึ้นลงนามในคำขอของตน

พร้อมคำอธิบาย

ตัวเลขใดๆ ในแดชบอร์ดสามารถเปิดลงไปดูระดับการโต้ตอบรายรายการได้ สำหรับแต่ละรายการคุณจะเห็น class, basis, สิ่งที่ทราบ, สิ่งที่ไม่ทราบ และผลลัพธ์ของนโยบายที่ควรใช้ นี่คือสิ่งที่ทำให้กราฟกลายเป็นสิ่งที่ทีมผลิตภัณฑ์ แพลตฟอร์ม และความปลอดภัยของคุณสามารถนำไปใช้ร่วมกันได้

วิธีการทำงาน

Proof of Actor ใช้เส้นทางแบบ evidence-first คุณสามารถอ่านคำอธิบายฉบับเต็มได้ใน How It Works

  1. แอปพลิเคชันของคุณได้รับคำขอหรือเหตุการณ์: การดูหน้า การเรียก API การเรียกเครื่องมือ MCP หรือการกระทำภายในแอป
  2. การผสานการทำงานของคุณรวบรวมสัญญาณที่มีอยู่ในบริบทนั้น: บริบทของคำขอและลายเซ็นบนเซิร์ฟเวอร์ สัญญาณการโต้ตอบในเบราว์เซอร์ในจุดที่ตัวรวบรวมข้อมูลทำงาน การประกาศจากไคลเอนต์และจากแอปพลิเคชันของคุณเอง
  3. สัญญาณถูกตรวจสอบ ติดป้ายตาม basis และรวมเข้าด้วยกัน เป็นการจัดประเภท
  4. ผลลัพธ์ถูกบันทึก พร้อม basis และสรุปหลักฐาน แล้วไหลเข้าสู่แอนะลิติกส์ของคุณ
  5. แอปพลิเคชันของคุณตัดสินใจ ว่าจะทำแค่ observe หรือจะใช้นโยบาย

เพราะแอนะลิติกส์และการตัดสินใจใช้ผลลัพธ์เดียวกัน ตัวเลขที่คุณศึกษาจึงเป็นตัวเลขเดียวกับที่นโยบายของคุณจะนำไปใช้ ไม่มีช่องว่างระหว่างสิ่งที่แดชบอร์ดบอกกับสิ่งที่แอปพลิเคชันทำ

Detect, Understand, Route

การวิเคราะห์ทราฟฟิกของ AI agent อยู่ตรงกลางของความสามารถทั้งสามของ Proof of Actor

Detect

รวบรวมสัญญาณของ actor ที่มีอยู่สำหรับแต่ละการผสานการทำงาน และแยกการยืนยันที่ verified ออกจากข้อสรุปเชิงพฤติกรรม Unknown ยังคงมองเห็นได้ในฐานะ class ของมันเอง ดังนั้นช่องว่างด้านความครอบคลุมจึงไม่ถูกซ่อนอยู่ในตัวเลขอื่น

Understand

นี่คือเลเยอร์แอนะลิติกส์: การแยกองค์ประกอบของ actor แนวโน้มการโต้ตอบ มุมมองระดับเส้นทาง และการจัดประเภทที่อธิบายได้ ทีมใช้สิ่งนี้เพื่อตอบคำถามเช่น เส้นทางใดที่ agent อาศัยอยู่มากที่สุด กิจกรรมแบบ Human + AI ในเวิร์กโฟลว์มีมากแค่ไหน และหลักฐานใดแข็งแรงพอที่จะรองรับนโยบาย

Route

เมื่อแอนะลิติกส์แสดงรูปแบบที่ชัดเจน ให้ใช้กฎของคุณเองจัดการกับมัน ให้เส้นทางที่มีโครงสร้างแก่ verified agents ไปยังเนื้อหาที่พวกเขาอ่านมากที่สุด คงประสบการณ์มาตรฐานไว้สำหรับเซสชันที่ขับเคลื่อนโดยมนุษย์ เพิ่มการ review ให้กับการกระทำที่อ่อนไหวเฉพาะเมื่อเงื่อนไขของคุณเองยืนยันว่าจำเป็น ตั้ง fallback ที่ชัดเจนสำหรับ Unknown และสำหรับ timeouts

สร้างมาสำหรับแอป, API และ MCP server

กิจกรรมของ agent จะกระจุกตัวในจุดที่เครื่องจักรได้รับการต้อนรับ: API, เอกสาร, แคตตาล็อก และเครื่องมือ นั่นคือเหตุผลที่ Proof of Actor ครอบคลุมมากกว่าการดูหน้าเว็บ

  • แอป SaaS และเว็บไซต์ เห็นบริบทของ actor สำหรับเซสชันเบราว์เซอร์และเส้นทางเซิร์ฟเวอร์ที่อยู่เบื้องหลัง อ่านเพิ่มเติมใน SaaS Apps & Websites
  • API ได้รับบริบทระดับคำขอที่แยกตัวตนของไคลเอนต์ที่ลงนามออกจาก credential ของ API และการอนุญาต อ่านเพิ่มเติมใน APIs
  • MCP server ได้รับบริบทของ actor สำหรับการเรียกเครื่องมือแต่ละครั้ง เพื่อให้คุณเห็นว่าไคลเอนต์ใดใช้เครื่องมือใด อ่านเพิ่มเติมใน MCP Servers

ทีม founding จะผสานการทำงานพร้อมความช่วยเหลือโดยตรงจากวิศวกรของเรา คู่มือ การเพิ่มบริบทของ actor ให้กับแอป Node.js แสดงให้เห็นว่าการผสานการทำงานอยู่ตรงไหนในตัวจัดการคำขอทั่วไป

ทำไมหลักฐานจึงสำคัญกว่าปริมาณ

การสร้างตัวเลขใหญ่ๆ สำหรับทราฟฟิกของ agent เป็นเรื่องง่าย นับทุกคำขอที่ไม่มี browser fingerprint แล้วเรียกมันว่า automation ปัญหาคือ ตัวเลขแบบนั้นไม่สามารถรองรับการตัดสินใจได้ เพราะไม่มีใครรู้ว่ามันจริงมากน้อยแค่ไหน

Proof of Actor ถูกสร้างขึ้นเพื่อให้ทุกตัวเลขปกป้องได้ ผลลัพธ์แบบ verified มาจากการตรวจสอบที่ผ่านจริง การประกาศจะถูกระบุว่าเป็นการประกาศ ข้อสรุปจะถูกระบุว่าเป็นข้อสรุป Unknown จะถูกรายงานเป็น Unknown เมื่อคุณนำเสนอทราฟฟิกของ agent ต่อผู้บริหาร ทีมความปลอดภัย หรือ ลูกค้าของคุณ คุณจะอธิบายได้อย่างชัดเจนว่าตัวเลขแต่ละส่วนมาจากไหน

สิ่งนี้ยังทำให้แอนะลิติกส์มีประโยชน์มากขึ้นเมื่อเวลาผ่านไป เมื่อผู้ควบคุม agent เริ่มใช้คำขอที่ลงนามตาม RFC 9421 HTTP Message Signatures และงานมาตรฐานเช่น Web Bot Auth ดำเนินต่อไปภายใน IETF webbotauth working group ทราฟฟิกของคุณจะย้ายเข้าสู่ basis แบบ verified มากขึ้น กราฟของคุณจะคมชัดขึ้นโดยไม่ต้องเปลี่ยนวิธีอ่านมัน

เริ่มจากการสังเกต แล้วค่อยตัดสินใจ

การติดตั้ง Proof of Actor ทุกครั้งเริ่มต้นในโหมด observation ผลลัพธ์จะถูกบันทึก แอนะลิติกส์จะเริ่มเติมข้อมูล และแอปพลิเคชันของคุณยังคงตอบสนองเหมือนเดิม ทีมของคุณใช้ช่วงเวลานั้นเพื่อสร้าง baseline เปรียบเทียบผลลัพธ์กับผลลัพธ์ที่คุณรู้อยู่แล้ว และระบุเส้นทางแรกๆ ที่นโยบายจะช่วยได้จริง

เมื่อคุณพร้อม คุณเปิดใช้นโยบายสำหรับเวิร์กโฟลว์หนึ่งรายการ วัดผลกระทบ แล้วขยายต่อจากนั้น ไม่มีอะไรถูกบล็อกเพียงเพราะติดตั้ง Proof of Actor แล้ว ทุกการตัดสินใจเรื่อง enforcement เป็นของคุณ

เข้าร่วมโปรแกรม founding developer

Proof of Actor อยู่ใน private beta ทีม founding developer ที่ได้รับเลือกสามารถรับสิทธิ์ใช้งานฟรีได้นานสูงสุด 12 เดือน ภายใต้ข้อจำกัดการใช้งานที่ตกลงร่วมกัน แลกกับข้อเสนอแนะเกี่ยวกับผลิตภัณฑ์จากการใช้งานจริง คุณจะได้รับการสนับสนุนด้านการผสานการทำงานโดยตรง สิทธิ์เข้าถึงความสามารถใหม่ก่อนใคร และมีอิทธิพลต่อ roadmap

หากคุณต้องการการวิเคราะห์ทราฟฟิกของ AI agent ที่ทั้งทีมของคุณเชื่อถือได้ สมัครขอสิทธิ์เข้าใช้งานล่วงหน้า บอกเราเกี่ยวกับแอปพลิเคชันของคุณ เส้นทางที่คุณให้ความสำคัญมากที่สุด และคำถามที่คุณอยากให้แอนะลิติกส์ตอบ

สำรวจ Proof of Actor ดู วิธีการทำงาน หรืออ่าน สิ่งที่หลักฐานสามารถพิสูจน์ได้

แหล่งที่มา

สำหรับนักพัฒนา

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 หรือ Unknown
basis
ระดับความแข็งแรงของหลักฐาน: Verified, Declared, Inferred หรือ Unknown
evidence
สัญญาณที่อยู่เบื้องหลังผลลัพธ์ เพื่อให้ทีมของคุณเห็นเหตุผล

เริ่มในโหมด observation: บันทึกผลลัพธ์ไว้ข้าง log ของคุณ และไม่เปลี่ยนแปลงอะไรจนกว่าคุณจะเลือกนโยบาย อ่านคู่มือการเชื่อมต่อ Node.js

คำถามที่พบบ่อย

การวิเคราะห์ทราฟฟิกของ AI agent คืออะไร?

คือแนวทางในการวัดว่ากิจกรรมในแอปพลิเคชันของคุณมาจาก Human, ผู้ที่ทำงานร่วมกับ AI, agent อัตโนมัติ และแหล่งที่มาไม่ทราบประเภทมากน้อยเพียงใด โดยแยกตามเส้นทาง เวิร์กโฟลว์ และเวลา

ต่างจากเครื่องมือเว็บแอนะลิติกส์ของฉันอย่างไร?

เครื่องมือเว็บแอนะลิติกส์ถูกสร้างมาเพื่อวัดการเข้าชมจากมนุษย์และแคมเปญ Proof of Actor จัดประเภทว่าใครหรืออะไรเป็นผู้กระทำในแต่ละการโต้ตอบ แสดงหลักฐานเบื้องหลังผลลัพธ์ และครอบคลุมทั้ง API และ MCP server รวมถึงหน้าเว็บ

รวมทราฟฟิกของ API และ MCP ด้วยหรือไม่?

ใช่ การผสานฝั่งเซิร์ฟเวอร์และ MCP จะนำบริบทของ actor มาใช้กับการเรียก API และการเรียกเครื่องมือ ซึ่งมักเป็นจุดที่มีกิจกรรมของ agent สูงที่สุด

ตัวเลขเหล่านี้อิงจากการเดาหรือไม่?

ทุกการจัดประเภทระบุฐานของมันไว้ชัดเจน: verified, declared, inferred หรือ unknown คุณสามารถกรองแอนะลิติกส์ของคุณตามฐานได้ ดังนั้นทราฟฟิกของ agent แบบ verified และทราฟฟิกของ agent แบบ inferred จึงไม่ถูกปะปนกัน

มันเปลี่ยนวิธีที่แอปของฉันตอบสนองหรือไม่?

โดยค่าเริ่มต้นไม่เปลี่ยน แอนะลิติกส์ทำงานในโหมด observation แอปของคุณจะเปลี่ยนพฤติกรรมก็ต่อเมื่อทีมของคุณเปิดใช้นโยบาย

จะขอเข้าถึงได้อย่างไร?

สมัครขอสิทธิ์เข้าใช้งานล่วงหน้า ทีม founding developer ที่ได้รับเลือกสามารถรับสิทธิ์ใช้งานฟรีได้นานสูงสุด 12 เดือน ภายใต้ข้อจำกัดการใช้งานที่ตกลงร่วมกัน

รู้ว่าใครกำลังใช้แอปของคุณ

private beta สำหรับกลุ่มเล็กๆ ของ founding developers

ขอสิทธิ์เข้าถึงก่อนใครดูราคา

อยากคุยก่อนหรือไม่ พูดคุยกับผู้ก่อตั้ง