Cuanto tiempo lleva este tutorial de cómo construir un píxel aeo para detectar visitas del agente llm?

La mayoria de los desarrolladores completan este tutorial en 15 a 30 minutos. Necesitaras una clave API de Scavio (el plan gratuito funciona) y un entorno de Python o JavaScript.

Que necesito antes de empezar?

Nodo 20+ backend o tiempo de ejecución perimetral. Una clave API de Scavio. Un destino de registro simple (Supabase, SQLite, PostHog). Una clave API de Scavio te da 50 creditos gratuitos al registrarte.

Puedo ejecutar este tutorial con el plan gratuito?

Si. El plan gratuito incluye 50 creditos al registrarte, mas que suficiente para completar este tutorial y crear un prototipo funcional.

Con que frameworks funciona esto?

Scavio tiene un paquete nativo de LangChain (langchain-scavio), un servidor MCP y una API REST simple que funciona con cualquier cliente HTTP. Este tutorial usa the raw REST API, pero puedes adaptarlo al framework que prefieras.

Cree un píxel/rastreador AEO para visitas de agentes LLM (2026)

Un píxel AEO es el equivalente analítico de Google Analytics para el tráfico de agentes. Detecta cuando los agentes LLM (ChatGPT-User, ClaudeBot, PerplexityBot, OAI-SearchBot) recuperan su página durante la sesión de IA de un usuario. Este tutorial conecta un píxel AEO mínimo que informa a su backend y clasifica los UA desconocidos mediante la búsqueda inversa de Scavio.

Requisitos previos

Nodo 20+ backend o tiempo de ejecución perimetral
Una clave API de Scavio
Un destino de registro simple (Supabase, SQLite, PostHog)

Guia paso a paso

Paso 1: Agregue el middleware de píxeles

Ejecute un middleware que inspeccione cada página HTML recuperada.

JavaScript

export async function aeoPixel(req, res, next) {
  const ua = req.headers['user-agent'] || '';
  const type = classify(ua);
  if (type !== 'human') await log({ ua, path: req.path, type, ts: Date.now() });
  next();
}

Paso 2: Clasificar agentes conocidos

Lista codificada de UA de agentes documentados.

JavaScript

const KNOWN = [/ChatGPT-User/, /GPTBot/, /ClaudeBot/, /PerplexityBot/, /OAI-SearchBot/];
function classifyKnown(ua) {
  return KNOWN.find(r => r.test(ua))?.source || null;
}

Paso 3: Búsqueda inversa de UA desconocidos con Scavio

La búsqueda de Scavio confirma si una UA desconocida es un bot documentado.

JavaScript

async function reverseLookup(ua) {
  const r = await fetch('https://api.scavio.dev/api/v1/search', {
    method: 'POST',
    headers: { 'x-api-key': process.env.SCAVIO_API_KEY, 'Content-Type': 'application/json' },
    body: JSON.stringify({ query: `\"${ua}\" bot user agent` })
  });
  const d = await r.json();
  return d.organic_results?.some(o => /bot|crawler/i.test(o.snippet)) ? 'suspected_agent' : 'human';
}

Paso 4: Iniciar sesión en Supabase

Una fila por agente golpeado.

JavaScript

import { createClient } from '@supabase/supabase-js';
const supa = createClient(URL, KEY);
export const log = (row) => supa.from('aeo_pixel').insert(row);

Paso 5: Crear un panel

Visitas diarias por agente, tendencia en el tiempo.

-- Supabase SQL
SELECT DATE(ts), type, COUNT(*) FROM aeo_pixel GROUP BY 1, 2 ORDER BY 1;

Ejemplo en Python

Python

import os, requests, re

API_KEY = os.environ['SCAVIO_API_KEY']
KNOWN = [r'ChatGPT-User', r'GPTBot', r'ClaudeBot', r'PerplexityBot']

def classify(ua):
    for p in KNOWN:
        if re.search(p, ua): return p
    r = requests.post('https://api.scavio.dev/api/v1/search',
        headers={'x-api-key': API_KEY}, json={'query': f'"{ua}" bot'})
    return 'suspected_agent' if r.json().get('organic_results') else 'human'

print(classify('ClaudeBot/2.0'))

Ejemplo en JavaScript

JavaScript

const API_KEY = process.env.SCAVIO_API_KEY;
const KNOWN = [/ChatGPT-User/, /GPTBot/, /ClaudeBot/, /PerplexityBot/];
export async function classify(ua) {
  const m = KNOWN.find(r => r.test(ua));
  if (m) return m.source;
  const r = await fetch('https://api.scavio.dev/api/v1/search', {
    method: 'POST',
    headers: { 'x-api-key': API_KEY, 'Content-Type': 'application/json' },
    body: JSON.stringify({ query: `"${ua}" bot` })
  });
  const d = await r.json();
  return d.organic_results?.length ? 'suspected_agent' : 'human';
}

Salida esperada

JSON

Dashboard showing daily AEO pixel hits split by agent. B2B sites typically see 100-1000 agent hits per 1000 human sessions by Q2 2026.

Tutoriales relacionados

Requisitos previos

Nodo 20+ backend o tiempo de ejecución perimetral
Una clave API de Scavio
Un destino de registro simple (Supabase, SQLite, PostHog)

Guia paso a paso

Paso 1: Agregue el middleware de píxeles

Ejecute un middleware que inspeccione cada página HTML recuperada.

JavaScript

export async function aeoPixel(req, res, next) {
  const ua = req.headers['user-agent'] || '';
  const type = classify(ua);
  if (type !== 'human') await log({ ua, path: req.path, type, ts: Date.now() });
  next();
}

Paso 2: Clasificar agentes conocidos

Lista codificada de UA de agentes documentados.

JavaScript

const KNOWN = [/ChatGPT-User/, /GPTBot/, /ClaudeBot/, /PerplexityBot/, /OAI-SearchBot/];
function classifyKnown(ua) {
  return KNOWN.find(r => r.test(ua))?.source || null;
}

Paso 3: Búsqueda inversa de UA desconocidos con Scavio

La búsqueda de Scavio confirma si una UA desconocida es un bot documentado.

JavaScript

async function reverseLookup(ua) {
  const r = await fetch('https://api.scavio.dev/api/v1/search', {
    method: 'POST',
    headers: { 'x-api-key': process.env.SCAVIO_API_KEY, 'Content-Type': 'application/json' },
    body: JSON.stringify({ query: `\"${ua}\" bot user agent` })
  });
  const d = await r.json();
  return d.organic_results?.some(o => /bot|crawler/i.test(o.snippet)) ? 'suspected_agent' : 'human';
}

Paso 4: Iniciar sesión en Supabase

Una fila por agente golpeado.

JavaScript

import { createClient } from '@supabase/supabase-js';
const supa = createClient(URL, KEY);
export const log = (row) => supa.from('aeo_pixel').insert(row);

Paso 5: Crear un panel

Visitas diarias por agente, tendencia en el tiempo.

-- Supabase SQL
SELECT DATE(ts), type, COUNT(*) FROM aeo_pixel GROUP BY 1, 2 ORDER BY 1;

Ejemplo en Python

Python

import os, requests, re

API_KEY = os.environ['SCAVIO_API_KEY']
KNOWN = [r'ChatGPT-User', r'GPTBot', r'ClaudeBot', r'PerplexityBot']

def classify(ua):
    for p in KNOWN:
        if re.search(p, ua): return p
    r = requests.post('https://api.scavio.dev/api/v1/search',
        headers={'x-api-key': API_KEY}, json={'query': f'"{ua}" bot'})
    return 'suspected_agent' if r.json().get('organic_results') else 'human'

print(classify('ClaudeBot/2.0'))

Ejemplo en JavaScript

JavaScript

const API_KEY = process.env.SCAVIO_API_KEY;
const KNOWN = [/ChatGPT-User/, /GPTBot/, /ClaudeBot/, /PerplexityBot/];
export async function classify(ua) {
  const m = KNOWN.find(r => r.test(ua));
  if (m) return m.source;
  const r = await fetch('https://api.scavio.dev/api/v1/search', {
    method: 'POST',
    headers: { 'x-api-key': API_KEY, 'Content-Type': 'application/json' },
    body: JSON.stringify({ query: `"${ua}" bot` })
  });
  const d = await r.json();
  return d.organic_results?.length ? 'suspected_agent' : 'human';
}

Salida esperada

JSON

Dashboard showing daily AEO pixel hits split by agent. B2B sites typically see 100-1000 agent hits per 1000 human sessions by Q2 2026.

Cómo construir un píxel AEO para detectar visitas del agente LLM

Requisitos previos

Guia paso a paso

Paso 1: Agregue el middleware de píxeles

Paso 2: Clasificar agentes conocidos

Paso 3: Búsqueda inversa de UA desconocidos con Scavio

Paso 4: Iniciar sesión en Supabase

Paso 5: Crear un panel

Ejemplo en Python

Ejemplo en JavaScript

Salida esperada

Tutoriales relacionados

Preguntas frecuentes

Cuanto tiempo lleva este tutorial de cómo construir un píxel aeo para detectar visitas del agente llm?

Que necesito antes de empezar?

Puedo ejecutar este tutorial con el plan gratuito?

Con que frameworks funciona esto?

Recursos relacionados

Las mejores herramientas de medición de visibilidad de LLM (mayo de 2026)

Seguimiento de contenido OEA para empresas locales

Diario Local LLM Search Grounding Pipeline

La mejor API de búsqueda web para LLM locales en 2026

Seguimiento de citas de LLM en todos los modelos

Pila de monitoreo OEA (DIY)

Empieza a construir

Cómo construir un píxel AEO para detectar visitas del agente LLM

Requisitos previos

Guia paso a paso

Paso 1: Agregue el middleware de píxeles

Paso 2: Clasificar agentes conocidos

Paso 3: Búsqueda inversa de UA desconocidos con Scavio

Paso 4: Iniciar sesión en Supabase

Paso 5: Crear un panel

Ejemplo en Python

Ejemplo en JavaScript

Salida esperada

Tutoriales relacionados

Preguntas frecuentes

Cuanto tiempo lleva este tutorial de cómo construir un píxel aeo para detectar visitas del agente llm?

Que necesito antes de empezar?

Puedo ejecutar este tutorial con el plan gratuito?

Con que frameworks funciona esto?

Recursos relacionados

Las mejores herramientas de medición de visibilidad de LLM (mayo de 2026)

Seguimiento de contenido OEA para empresas locales

Diario Local LLM Search Grounding Pipeline

La mejor API de búsqueda web para LLM locales en 2026

Seguimiento de citas de LLM en todos los modelos

Pila de monitoreo OEA (DIY)

Empieza a construir