నా సైట్ Perplexityలో ఎందుకు కనిపించడం లేదు?
PerplexityBot మీ పేజీని చేరగలదో లేదో, ఏ బ్లాక్ (robots.txt, ఫైర్వాల్ లేదా JavaScript) మిమ్మల్ని దాని జవాబుల నుంచి దూరంగా ఉంచుతోందో సుమారు 30 సెకన్లలో తెలుసుకోండి.
ఉచితం · సైన్-అప్ అవసరం లేదు · 30 సెకన్లలో ఫలితాలు
PerplexityBot కోసం robots.txt
PerplexityBotకు వర్తించే గ్రూప్ను RFC 9309 నియమాల ప్రకారం చదువుతాం, నిర్ణయించే లైన్ను చూపిస్తాం.
ఫైర్వాల్, CDN బ్లాక్లు
క్రాలర్లకు మాత్రమే వచ్చే 403, 429 లేదా ఛాలెంజ్ పేజీని గుర్తిస్తాం, జవాబిచ్చిన ఫైర్వాల్ పేరు చెబుతాం.
పేజీ ఏమి ఇస్తోంది
క్రాలర్కు వచ్చే స్టేటస్, సైజు, రీడైరెక్ట్లను సాధారణ బ్రౌజర్తో పోలుస్తాం, కాబట్టి క్రాలర్లకు తక్కువ ఇచ్చే జవాబు స్పష్టంగా కనిపిస్తుంది.
ప్రతి అంశానికి పరిష్కారం
ప్రతి అంశంతో పాటు చేయాల్సిన మార్పు ఉంటుంది. ఉచిత తనిఖీ మీ స్కోర్ను, మొదటి అంశాన్ని చూపిస్తుంది; పూర్తి నివేదిక $29, ఒక్కసారి చెల్లింపు.
PerplexityBot క్రాల్ చేయడానికి అనుమతి ఉన్న, దానికి నిజంగా అందే పేజీలను మాత్రమే Perplexity చూపించగలదు, లింక్ ఇవ్వగలదు. సాధారణ కారణాలు: PerplexityBotను నిషేధించే robots.txt నియమం, దానికి 403 లేదా ఛాలెంజ్ పేజీతో జవాబిచ్చే ఫైర్వాల్ లేదా CDN, JavaScript నడిచిన తర్వాతే కనిపించే టెక్స్ట్. ఈ మూడింటినీ తనిఖీ చేసి, ఆ తర్వాత Perplexity ప్రచురించే IP పరిధులను అనుమతించండి. Perplexity మిమ్మల్ని కాక పోటీదారుని ఉటంకిస్తే, ముందు ఈ బ్లాక్లను తోసిపుచ్చండి, తర్వాత అదే ప్రశ్నకు అది ఉటంకించే పేజీతో మీ పేజీని పోల్చండి.
3 దశల్లో బ్లాక్ను కనుగొనండి
- robots.txt తనిఖీ చేయండి
PerplexityBotపేరున్న గ్రూప్ కోసం చూడండి. అది లేకపోతేUser-agent: *గ్రూప్ వర్తిస్తుంది, పేరున్న గ్రూప్*ను పూర్తిగా భర్తీ చేస్తుంది. - బ్రౌజర్, క్రాలర్ను పోల్చండి
పేజీని బ్రౌజర్గా, ప్రతి Perplexity ఏజెంట్గా అభ్యర్థించండి. ఏజెంట్లకు మాత్రమే 403, 429 లేదా 503 రావడం,
Just a moment...పేజీ, లేదా చాలా చిన్న 200 ఫైర్వాల్ను సూచిస్తాయి. - పేజీ సోర్స్ చూడండి
curlతో పేజీని తెచ్చి, మీ ప్రధాన కంటెంట్లోని ఒక వాక్యం కోసం వెతకండి. అది లేకపోతే స్క్రిప్ట్లు టెక్స్ట్ను జోడిస్తున్నాయి: దాన్ని సర్వర్లో రెండర్ చేయండి.
తరచుగా అడిగే ప్రశ్నలు
Perplexity నన్ను కాక నా పోటీదారుని ఎందుకు సిఫార్సు చేస్తుంది?
Perplexity మూలాలను ఎలా ఎంచుకుంటుందో ప్రచురించదు, కానీ తన ఏజెంట్లు చదవగల పేజీలను మాత్రమే ఉటంకించగలదు. ముందుగా PerplexityBot, Perplexity-Userకు మీ పేజీ అందుతుందని నిర్ధారించుకోండి. అందితే, అదే ప్రశ్నకు Perplexity ఉటంకించే పేజీని తెరిచి పోల్చండి: మీ పేజీ సరిగ్గా ఆ ప్రశ్నకు పైభాగంలోనే, వాస్తవాలను టెక్స్ట్లో చెబుతూ జవాబిస్తుందా? AISeeWhy AIలో కనిపించడం తనిఖీ మీ కొనుగోలుదారుల ప్రశ్నలను Perplexityలో, మరో మూడు అసిస్టెంట్లలో అడిగి, మీ పక్కన ఏ పోటీదారుల పేర్లు వస్తాయో చూపిస్తుంది.
Perplexity నా కంటెంట్పై తన మోడల్లకు ట్రైనింగ్ ఇస్తుందా?
PerplexityBot AI ఫౌండేషన్ మోడల్ల కోసం కంటెంట్ క్రాల్ చేయడానికి ఉపయోగించబడదని, Perplexity-User ట్రైనింగ్ కోసం కంటెంట్ సేకరించదని Perplexity చెబుతుంది. కాబట్టి PerplexityBotను నిషేధించడం ట్రైనింగ్ నుంచి వైదొలగడంగా పనిచేయదు; అది Perplexity సెర్చ్ ఫలితాల్లో మీ విజిబిలిటీని మాత్రమే తగ్గిస్తుంది.
robots.txt సరిచేసిన ఎంత సేపటికి Perplexity గమనిస్తుంది?
robots.txt మార్పులు దాని సిస్టమ్లలో ప్రతిఫలించడానికి 24 గంటల వరకు పట్టవచ్చని Perplexity చెబుతుంది. మీ ప్రొవైడర్ వర్తింపజేసినప్పుడు ఫైర్వాల్ మార్పులు అమలులోకి వస్తాయి, కానీ ఫలితాన్ని అంచనా వేయడానికి ముందు క్రాలర్ తిరిగి రావడానికి సమయం ఇవ్వండి.
robots.txtతో Perplexity-Userను బ్లాక్ చేయగలనా?
నమ్మదగినంతగా కాదు. ఒక యూజర్ అభ్యర్థించినందున ఈ ఫెచర్ సాధారణంగా robots.txtను విస్మరిస్తుందని Perplexity చెబుతుంది. దాన్ని ఆపాల్సి వస్తే, దాని ప్రచురించిన IP పరిధులకు సరిపోలే ఫైర్వాల్ నియమమే నమ్మదగిన నియంత్రణ.
Perplexity ట్రాఫిక్ను గుర్తించడానికి యూజర్ ఏజెంట్ తనిఖీ చాలా?
చాలదు. యూజర్ ఏజెంట్లను సులభంగా కాపీ చేయవచ్చు. సోర్స్ IPని Perplexity perplexitybot.json, perplexity-user.jsonలో ప్రచురించే పరిధులతో పోల్చండి, ఫైర్వాల్ నియమాల్లో యూజర్ ఏజెంట్ను, IPని రెండింటినీ సరిపోల్చండి.
పూర్తి గైడ్ చదవండి
మీరు Perplexityని మీ ప్రోడక్ట్ గురించి అడుగుతారు, అది ఒక పోటీదారును, రివ్యూ సైట్ను లేదా ఫోరమ్ థ్రెడ్ను ఉటంకిస్తుంది, కానీ మీ సొంత పేజీలను ఎప్పుడూ చూపించదు. కొన్నిసార్లు ఇది ప్రాసంగికతకు సంబంధించిన విషయం. చాలాసార్లు ఇది కొన్ని నిమిషాల్లో కనుగొనగల సాంకేతిక అడ్డంకి. Perplexity తాను ఏ ఏజెంట్లను ఉపయోగిస్తుందో, ఒక్కొక్కటి ఏమి చేస్తుందో, దాని ట్రాఫిక్ ఎక్కడి నుంచి వస్తుందో డాక్యుమెంట్ చేస్తుంది, కాబట్టి గొలుసులోని ప్రతి లింక్ను తనిఖీ చేయవచ్చు: robots.txt, మీ సర్వర్ పంపే ప్రతిస్పందన, ఆ ప్రతిస్పందనలో ఉన్నది.
Perplexity పేజీలను ఎలా కనుగొని చదువుతుంది?
Perplexity రెండు ఏజెంట్లను డాక్యుమెంట్ చేస్తుంది. వాటి పనులు వేరు, వాటిలో ఏ ఒక్కదానికి సమస్య వచ్చినా మీ పేజీ జవాబులో చేరకపోవచ్చు.
PerplexityBotPerplexity సెర్చ్ ఫలితాల్లో వెబ్సైట్లను చూపించడానికి, లింక్ చేయడానికి రూపొందించబడింది. అక్కడ కనిపించాలనుకుంటే దాన్ని robots.txtలో అనుమతించమని Perplexity సిఫార్సు చేస్తుంది, AI ఫౌండేషన్ మోడల్ల కోసం కంటెంట్ను క్రాల్ చేయడానికి దీన్ని ఉపయోగించబోమని కూడా చెబుతుంది.Perplexity-Userయూజర్ చర్యలకు తోడ్పడుతుంది. ఎవరైనా ప్రశ్న అడిగినప్పుడు, జవాబు ఇవ్వడానికి అది ఒక పేజీని సందర్శించి ఆ పేజీకి లింక్ ఇవ్వవచ్చు. ఇది వెబ్ క్రాలింగ్కు గానీ ట్రైనింగ్ డేటా సేకరించడానికి గానీ ఉపయోగించబడదని Perplexity చెబుతుంది.
ఆచరణలో, ఎవరైనా అడగకముందే Perplexityకి మీ పేజీల గురించి తెలుసా అనేది PerplexityBot నిర్ణయిస్తుంది; ఒక ప్రశ్నకు అవసరమైనప్పుడు అది పేజీని లైవ్గా తెరవగలదా అనేది Perplexity-User నిర్ణయిస్తుంది. మిమ్మల్ని ఉటంకించాలంటే, బ్రౌజర్కు అందే పేజీయే ఈ రెండింటికీ అందాలి.
మీ robots.txt PerplexityBotను బ్లాక్ చేస్తోందా?
https://yourdomain.com/robots.txtను తెరిచి PerplexityBot పేరు ఉన్న గ్రూప్ కోసం చూడండి. అలాంటిది లేకపోతే, క్రాలర్ User-agent: * గ్రూప్ను అనుసరిస్తుంది. RFC 9309 ప్రకారం సరిపోల్చడం case-insensitive, పేరు ఉన్న గ్రూప్ * గ్రూప్కు జోడించబడదు, దాన్ని పూర్తిగా భర్తీ చేస్తుంది.
ఈ బ్లాక్ సర్వసాధారణం. 1,000 అత్యంత ప్రజాదరణ పొందిన డొమైన్ల robots.txt ఫైల్లపై మేము చేసిన అధ్యయనంలో, robots.txt అందించిన 518 సైట్లలో 86 (16.6%) PerplexityBotకు హోమ్ పేజీని నిషేధించాయి. మేము పరీక్షించిన AI సెర్చ్ క్రాలర్లన్నింటిలో ఇదే అత్యధిక వాటా; OAI-SearchBot 58 సైట్లలో (11.2%) బ్లాక్ అయింది. వీటిలో కొన్ని సైట్లు AI ట్రైనింగ్ను ఆపాలనుకొని ఉండవచ్చు, కానీ PerplexityBot ట్రైనింగ్ క్రాలర్ కాదని Perplexity చెబుతుంది, కాబట్టి దాన్ని బ్లాక్ చేస్తే ఆ లక్ష్యం నెరవేరకుండానే సెర్చ్ విజిబిలిటీ పోతుంది.
Perplexityని లోపలికి అనుమతిస్తూ ఒక ప్రైవేట్ భాగాన్ని మూసి ఉంచే సెటప్ ఇలా ఉంటుంది:
User-agent: PerplexityBot
Allow: /
Disallow: /account/
User-agent: *
Allow: /
Disallow: /account/
Sitemap: https://example.com/sitemap.xml ఫైల్ కూడా సరిగ్గా జవాబిస్తోందో లేదో తనిఖీ చేయండి. robots.txt సర్వర్ ఎర్రర్ ఇస్తే, క్రాలర్ మొత్తం సైట్ నిషేధించబడిందని భావించాలని RFC 9309 చెబుతుంది. స్టేటస్ 200తో HTML పేజీని ఇచ్చే robots.txt చిరునామాలో చెల్లుబాటయ్యే నియమాలు ఉండవు. మార్పులు ప్రతిఫలించడానికి 24 గంటల వరకు పట్టవచ్చని Perplexity చెబుతుంది.
మీ ఫైర్వాల్ లేదా CDN Perplexityని బ్లాక్ చేస్తోందా?
robots.txt ఒక విజ్ఞప్తి మాత్రమే, యాక్సెస్ నియంత్రణ కాదు. నిజంగా ఏమి తిరిగి పంపాలో మీ ఫైర్వాల్, CDN లేదా బాట్ ప్రొటెక్షన్ నిర్ణయిస్తుంది, మీ సొంత బ్రౌజర్ సందర్శనలు మామూలుగా కనిపిస్తున్నా అది Perplexityకి 403, 429 లేదా ఛాలెంజ్ పేజీతో జవాబివ్వవచ్చు. వెబ్ అప్లికేషన్ ఫైర్వాల్ వెనుక ఉన్న సైట్లు దాని బాట్లను స్పష్టంగా అనుమతించాల్సి రావచ్చని Perplexity డాక్యుమెంటేషన్ చెబుతుంది.
అదే URLను బ్రౌజర్గా, ప్రతి Perplexity ఏజెంట్గా అభ్యర్థించి, స్టేటస్ను, పరిమాణాన్ని పోల్చి పరీక్షించండి:
for UA in "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/131.0.0.0 Safari/537.36" \
"Mozilla/5.0 (compatible; PerplexityBot/1.0; +https://perplexity.ai/perplexitybot)" \
"Mozilla/5.0 (compatible; Perplexity-User/1.0; +https://perplexity.ai/perplexity-user)"; do
curl -s -o /dev/null -w "%{http_code} %{size_download}\n" -A "$UA" https://example.com/page
done Perplexity ఏజెంట్లకు మాత్రమే 403, 429 లేదా 503, Just a moment... అనే టైటిల్ ఉన్న పేజీ, లేదా బ్రౌజర్కు వచ్చిన దాని కంటే చాలా చిన్నదైన 200 ప్రతిస్పందన, ఇవన్నీ ఫైర్వాల్నే సూచిస్తాయి. ఈ పరీక్ష Perplexity IP నుంచి కాకుండా మీ IP చిరునామా నుంచి వెళ్తుంది, కాబట్టి మీ నియమాలు యూజర్ ఏజెంట్ను ఎలా చూస్తాయో అది చూపిస్తుంది; IP ఆధారిత నియమాలు అసలు క్రాలర్ను వేరేలా చూడవచ్చు.
మీరు Cloudflare ఉపయోగిస్తుంటే, రెండు విషయాలు గమనించండి. Bot Fight Modeను WAF custom rules ద్వారా దాటవేయలేమని Cloudflare చెప్పిన మాటను Perplexity డాక్యుమెంటేషన్ పునరావృతం చేస్తుంది, కాబట్టి ఆ ఫీచర్ Perplexityని ఛాలెంజ్ చేస్తే, అనుమతి నియమం సహాయపడదు. అలాగే ఆగస్ట్ 2025లో, ప్రకటించని క్రాలింగ్గా తాను వర్ణించినదాన్ని గమనించిన తర్వాత Perplexityని తన verified bots జాబితా నుంచి తొలగించినట్లు Cloudflare చెప్పింది; Perplexity ఆ కథనాన్ని తిరస్కరించింది. కాబట్టి verified botsను మాత్రమే అనుమతించే నియమాలు Perplexityని కవర్ చేయకపోవచ్చు. ఊహించకుండా, మీ డాష్బోర్డ్లో ప్రస్తుత స్థితిని తనిఖీ చేయండి.
Perplexity ప్రచురించిన IP పరిధుల ద్వారా దాన్ని ఎలా అనుమతించాలి?
ఎవరైనా తాను PerplexityBot అని చెప్పుకునే అభ్యర్థన పంపవచ్చు, కాబట్టి యూజర్ ఏజెంట్కు మాత్రమే సరిపోలే అనుమతి నియమం అనుకరించేవారిని కూడా లోపలికి రానిస్తుంది. Perplexity రెండు ఏజెంట్ల చిరునామా పరిధులను ప్రచురిస్తుంది, యూజర్ ఏజెంట్ను, IP చిరునామాను కలిపి సరిపోల్చమని సిఫార్సు చేస్తుంది:
curl -s https://www.perplexity.ai/perplexitybot.json | jq -r '.prefixes[] | .ipv4Prefix // .ipv6Prefix'
curl -s https://www.perplexity.ai/perplexity-user.json | jq -r '.prefixes[] | .ipv4Prefix // .ipv6Prefix' ఈ జాబితాలు క్రమం తప్పకుండా అప్డేట్ అవుతాయని Perplexity చెబుతుంది, మీ WAF నియమాల అప్డేట్లను ఆటోమేట్ చేయమని సూచిస్తుంది. అభ్యర్థనలను బ్లాక్ చేసే లేదా ఛాలెంజ్ చేసే ఏ నియమం కంటే పైన అనుమతి నియమాన్ని ఉంచండి: Cloudflare custom rulesలో మొదటిదిగా, లేదా AWS WAFలో తక్కువ ప్రాధాన్యత సంఖ్యతో. ఆ తర్వాత మీ లాగ్లను గమనించండి, ఎందుకంటే ఫైర్వాల్ మార్పులు అమలులోకి రావడానికి సమయం పట్టవచ్చు.
JavaScript రెండరింగ్ వల్ల Perplexity పేజీని చదవలేకపోతుందా?
అవును, అలా జరగవచ్చు. Perplexity ఏజెంట్లు JavaScriptను అమలు చేస్తాయో లేదో దాని క్రాలర్ డాక్యుమెంటేషన్ చెప్పదు, కాబట్టి క్రాలర్కు అవసరమైన టెక్స్ట్ సర్వర్ పంపే HTMLలోనే ఉండాలని భావించడం సురక్షితం. సర్వర్ రెండరింగ్ లేని single-page యాప్ల వంటి, పూర్తిగా బ్రౌజర్లో నిర్మించబడే పేజీలు లోడింగ్ స్పిన్నర్ ఉన్న ఖాళీ షెల్గా చేరవచ్చు.
త్వరిత తనిఖీ: curlతో పేజీని తెచ్చి, మీ ప్రధాన కంటెంట్లోని ఒక వాక్యం కోసం అవుట్పుట్లో వెతకండి. అది లేకపోతే, టెక్స్ట్ స్క్రిప్ట్ల ద్వారా జోడించబడుతోంది. సర్వర్-సైడ్ రెండరింగ్, స్టాటిక్ జనరేషన్ లేదా క్రాలర్ల కోసం ప్రీరెండరింగ్ దీన్ని Perplexityకి మాత్రమే కాకుండా అన్ని AI క్రాలర్లకూ ఒకేసారి సరిచేస్తుంది.
అన్నీ తెరిచి ఉన్నా నా సైట్ ఇంకా కనిపించకపోతే?
చదవగలిగేలా ఉండటం ఒక ముందస్తు షరతు మాత్రమే, హామీ కాదు. ఏ మూలాలను ఉటంకించాలో Perplexity ఎలా ఎంచుకుంటుందో అది ప్రచురించదు, కాబట్టి ప్రతి ఏజెంట్ చదవగల పేజీ కూడా ప్రశ్నకు మరింత నేరుగా జవాబిచ్చే పేజీల ముందు వెనుకబడవచ్చు. మీ చేతిలో ఉన్నది ఏ సాంకేతిక అడ్డంకీ లేకుండా చూసుకోవడం: స్పష్టమైన పేజీ టైటిల్, టెక్స్ట్లో ముందుగానే చెప్పిన జవాబు, మీరు ఇతర చోట్ల చెప్పేదానికి సరిపోలే కచ్చితమైన వాస్తవాలు.
robots.txt దేనిని కవర్ చేయదో కూడా గుర్తుంచుకోండి. ఒక యూజర్ అభ్యర్థించినందున Perplexity-User సాధారణంగా robots.txtను విస్మరిస్తుందని Perplexity చెబుతుంది. కాబట్టి Perplexity-User కోసం రాసిన నియమం లైవ్ సందర్శనలను బ్లాక్ చేయడానికి నమ్మదగిన మార్గం కాదు, దాన్ని అనుమతించే robots.txt అది మీ ఫైర్వాల్ను దాటుతుందనడానికి రుజువూ కాదు.
AISeeWhy మీ పేజీని బ్రౌజర్తో పాటు PerplexityBot, Perplexity-User, మరో 12 క్రాలర్లుగా అభ్యర్థిస్తుంది, ఒక్కోదానికి మీ robots.txt నియమాలను వర్తింపజేస్తుంది, ఛాలెంజ్ పేజీలను గుర్తిస్తుంది, JavaScript లేకుండా టెక్స్ట్లో ఎంత అందుతుందో చూపిస్తుంది, కాబట్టి గొలుసులో ఏ లింక్ విఫలమవుతోందో మీరు చూడవచ్చు.
తదుపరి దశలు
- AI క్రాలర్ల కోసం robots.txt టెస్టర్, చెకర్
- AI క్రాలర్ IP తనిఖీ
- పూర్తి రిపోర్ట్ ఉదాహరణను చూడండి
- AI క్రాలర్ మానిటరింగ్
- ప్లాన్లు, ధరలు
ఈ వ్యాసంలోని క్రాలర్లు
మూలాలు
- Perplexity: Perplexity క్రాలర్లు
- RFC 9309: Robots Exclusion Protocol
- Cloudflare: Bot Fight Mode
- Cloudflare: వెబ్సైట్ no-crawl ఆదేశాలను తప్పించుకోవడానికి Perplexity రహస్య, ప్రకటించని క్రాలర్లను ఉపయోగిస్తోంది
- Perplexity: ఏజెంట్లా, బాట్లా? ఓపెన్ వెబ్లో AIని అర్థం చేసుకోవడం
- AISeeWhy: AI క్రాలర్ యాక్సెస్ రిపోర్ట్, 2026-11