pvuv.ai

pvuv.ai proporciona una solución de analítica ligera y desplegada en el edge que puede hospedar usted mismo en Cloudflare Workers con D1 como backend de almacenamiento. Además de los recuentos clásicos de visitas a la página (page-view) y visitantes únicos (unique-visitor), captura parámetros UTM completos, referidores, tasa de rebote, tiempo de permanencia, eventos personalizados con ingresos y atribución de sesiones entre dispositivos. El diferenciador principal es su sistema de detección de tráfico inválido de tres capas. Evalúa señales del lado del cliente (rasgos de headless, huellas dactilares de WebGL, honeypots), comportamiento de la sesión (tiempos, patrones de navegación) y estadísticas de población (agrupación de segmentos de IP, pruebas de distribución). Cada evento recibe una puntuación de autenticidad de 0 a 100, un veredicto (limpio, sospechoso, bot, rastreador) y banderas que indican qué señales se activaron. La protección de anuncios es opcional: basándose en el veredicto rápido, la plataforma decide si inyectar el código de anuncios, manteniendo los ingresos a salvo de las penalizaciones por tráfico inválido. Los umbrales son configurables por sitio, y un modo shadow permite a los operadores previsualizar el impacto antes de la aplicación. Arquitectura: - El navegador carga un script pequeño (f.js) que envía hits al Worker de ingesta (in.pvuv.ai/in). - El Ingest valida, enriquece y puntúa los eventos, luego los envía a una Cloudflare Queue. - Un Worker consumidor realiza escrituras por lotes en D1, actualizando sesiones y perfiles. - Los Cron Workers horarios y diarios realizan roll-ups y análisis de población, devolviendo listas de bloqueo a través de KV. - Un API Worker (api.pvuv.ai/v1) atiende las consultas del panel, mientras que la consola (pvuv.ai) proporciona informes visuales e insights generados por IA. El despliegue se basa en el stack serverless de Cloudflare: Workers, D1 (SQLite), Queues, KV, Cron Triggers y, opcionalmente, R2 para almacenamiento de archivo. No se requieren servidores ni bases de datos externas. Los pasos de inicio rápido incluyen clonar el repositorio, crear los recursos de D1, KV y Queue con Wrangler, configurar los secretos (HMAC_KEY, AI_API_KEY opcional), aplicar el esquema y desplegar los Workers. Después del despliegue, registre un sitio en la consola para obtener un site_id e incruste una etiqueta de script que apunte a https://js.pvuv.ai/f.js con los atributos de datos correspondientes. Las consideraciones de privacidad están integradas: las direcciones IP se almacenan solo como hashes truncados, las huellas dactilares de los dispositivos se procesan mediante hash y los datos del sensor se limitan a booleanos gruesos. Los implementadores deben garantizar el cumplimiento de las regulaciones GDPR/ePrivacy, especialmente en lo que respecta al consentimiento de fingerprinting. El proyecto se encuentra en una fase temprana de desarrollo, con una hoja de ruta que describe cuatro hitos: M1 (SDK básico, ingesta, veredicto rápido, consola mínima), M2 (métricas de sesión, roll-ups, bucle de lista de bloqueo), M3 (eventos personalizados, ingresos, atribución de embudo) y M4 (informes de IA, antifraude avanzado, interfaz de revisión humana). Se agradecen las contribuciones y los problemas de seguridad deben reportarse de forma privada. El código está licenciado bajo GNU AGPL-3.0, lo que permite el autohospedaje y la modificación gratuita, requiriendo la divulgación del código fuente para los servicios de red.