ముందుగా అంచనాలు, తర్వాత డేటా
ఒక AI ఏజెంట్ మీ వెబ్సైట్ను చదవగలసా?
దీనికి సమాధానం కనుగొనడానికి నేను Agentis Lux అనే టూల్ను రూపొందించాను. ఒక ఏజెంట్ వెబ్సైట్ను సందర్శించినప్పుడు దానికి సరిగ్గా ఏమి కనిపిస్తుందో ఇది మీకు చూపిస్తుంది.
నేను నా ఇంజిన్ను 50 వేర్వేరు వెబ్సైట్లపై రన్ చేసే ముందు, ఏడు అంచనాలను చేస్తున్నాను. డేటాకు అనుగుణంగా నేను తర్వాత వాటిని మార్చుకోకుండా ఉండటానికి, ఇప్పుడు వాటిని రాసి పెట్టుకుంటున్నాను. దీనిని pre-registration అంటారు. ఇది నా పనిని నిజాయితీగా ఉంచుతుంది.
నేను ప్రతి సమూహం నుండి 10 సైట్లను స్కాన్ చేస్తాను: • E-commerce • SaaS • కంటెంట్ మరియు మీడియా (Content and Media) • ప్రభుత్వ (Government) • Indie ప్రాజెక్ట్లు
ఇవే నా అంచనాలు:
- రెండరింగ్ క్లిఫ్ (rendering cliff) అనేది ప్రధాన విభజన రేఖ. సర్వర్-రెండర్డ్ (server-rendered) సైట్ల కంటే క్లయింట్-హెవీ (client-heavy) సైట్లు ఎక్కువ ఇబ్బంది పడతాయి.
- నిర్మాణపరంగా (structure) స్టార్టప్ల కంటే ప్రభుత్వ సైట్లు మెరుగ్గా ఉంటాయి.
- స్ట్రక్చర్డ్ డేటా (Structured data) ఎక్కువగా కామర్స్ మరియు మీడియాలో మాత్రమే ఉంటుంది.
- E-commerce సైట్లు స్కోర్ల పరంగా అత్యధిక వ్యత్యాసాన్ని చూపుతాయి.
- కొన్ని సైట్లు అనుకోకుండా ఏజెంట్లను బ్లాక్ చేస్తాయి.
- వెబ్లో స్కోర్లు విపరీతమైన తేడాలతో ఉంటాయి.
- చాలా సైట్లకు మంచి స్పెసిఫికేషన్లు ఉన్నప్పటికీ, వాటిని తప్పు ప్రదేశాలలో దాచి ఉంచుతాయి.
నేను ఈ సైట్ల పబ్లిక్ సైడ్ను మాత్రమే స్కాన్ చేస్తున్నాను. నేను మార్కెటింగ్ పేజీలు, డాక్యుమెంటేషన్ (docs) మరియు API స్పెసిఫికేషన్లను చూస్తున్నాను. నేను లాగిన్ స్క్రీన్ల వెనుక ఉన్న వాటిని చూడటం లేదు. నేను కేవలం ఫ్రంట్ డోర్లను మాత్రమే స్కాన్ చేస్తున్నాను.
ఒకవేళ నా అంచనాలు తప్పని డేటా తేల్చితే, నేను దానిని నివేదిస్తాను. డేటా ఏ ప్యాటర్న్లను చూపించకుండా సమానంగా (flat) ఉంటే, నేను దానిని కూడా నివేదిస్తాను. బేస్లైన్ అనేది నిజాయితీగా ఉన్నప్పుడే ఉపయోగకరంగా ఉంటుంది.
నేను త్వరలో ఫలితాలను పోస్ట్ చేస్తాను. నా అంచనాలు ఎంతవరకు నిజమయ్యాయో (hits) మరియు ఎంతవరకు తప్పయ్యాయో (misses) మీరు చూడవచ్చు.
ఏ అంచనా మొదట విఫలమవుతుందని మీరు అనుకుంటున్నారు?