आधी अंदाज, नंतर डेटा
एखादा AI एजंट तुमची वेबसाइट वाचू शकतो का?
याचे उत्तर देण्यासाठी मी Agentis Lux नावाचे एक साधन तयार केले आहे. एखादा एजंट एखाद्या साइटला भेट देताना नेमके काय पाहतो, हे हे साधन तुम्हाला अचूकपणे दाखवते.
मी ५० वेगवेगळ्या वेबसाइट्सवर माझे इंजिन चालवण्यापूर्वी, मी सात अंदाज वर्तवत आहे. मी ते आता लिहून ठेवत आहे जेणेकरून डेटाला साजेसे करण्यासाठी मी नंतर त्यात बदल करू शकणार नाही. याला 'pre-registration' म्हणतात. यामुळे माझे काम प्रामाणिक राहते.
मी प्रत्येक गटातील १० साइट्स स्कॅन करेन: • ई-कॉमर्स (E-commerce) • SaaS • कंटेंट आणि मीडिया (Content and Media) • सरकारी (Government) • इंडी प्रोजेक्ट्स (Indie projects)
माझे अंदाज खालीलप्रमाणे आहेत:
- रेंडरिंग क्लिफ (rendering cliff) हा मुख्य विभाजक आहे. क्लायंट-हेवी (Client-heavy) साइट्सना सर्व्हर-रेंडर केलेल्या (server-rendered) साइट्सच्या तुलनेत अधिक संघर्ष करावा लागेल.
- संरचनेच्या बाबतीत सरकारी साइट्स स्टार्टअप्सना मागे टाकतील.
- स्ट्रक्चर्ड डेटा (Structured data) प्रामुख्याने कॉमर्स आणि मीडियामध्ये आढळेल.
- ई-कॉमर्स साइट्समध्ये स्कोअरची व्याप्ती (range) सर्वात जास्त दिसून येईल.
- काही साइट्स चुकून एजंट्सना ब्लॉक करतील.
- वेबवर स्कोअरमध्ये मोठी तफावत दिसून येईल.
- अनेक साइट्सचे स्पेसिफिकेशन (specs) चांगले असतील पण ते चुकीच्या ठिकाणी लपवलेले असतील.
मी या साइट्सच्या सार्वजनिक भागाचे स्कॅनिंग करत आहे. मी मार्केटिंग पेजेस, डॉक्स आणि API स्पेसिफिकेशन्स पाहत आहे. मी लॉगिन स्क्रीनच्या पलीकडे पाहत नाहीये. मी फक्त 'फ्रंट डोअर्स' स्कॅन करत आहे.
जर डेटाने माझे अंदाज चुकीचे ठरवले, तर मी तसाच अहवाल देईन. जर डेटा सपाट असेल आणि त्यात कोणतेही पॅटर्न नसतील, तर मी ते देखील स्पष्ट करेन. बेसलाईन (baseline) तेव्हाच उपयुक्त ठरते जेव्हा ती प्रामाणिक असते.
मी लवकरच निकाल पोस्ट करेन. तुम्ही माझे यशस्वी आणि अपयशी अंदाज पाहू शकाल.
तुम्हाला कोणता अंदाज सर्वात आधी चुकीचा ठरेल असे वाटते?