|
時常看到新聞寫 WordPress 的市佔率全球之冠,或是今年市佔又提升了多少個百分點,每次看到我都會想,全世界到底有多少個網站是用 WordPress 做的?這些網站都是什麼類型的網站?他們都用了什麼佈景主題或外掛?甚至都是哪些產業在使用? 為了更進一步挖掘 WordPress 的生態系,我決定做一個專門搜集 WordPress 網站的網站,利用爬蟲去找出使用 WordPress 架設的網站,然後搜集佈景主題以及外掛資訊,並且使用 AI 進行分類與辨識:
Bazewp.com 的主要功能介紹如下: 1. WordPress 網站搜尋首頁的部分可以直觀的看到網站列表以及篩選工具,每個網站搜集的資訊有:
在電腦板上面可以用分隔視窗查看單一網站的資訊,左側顯示網站列表,方便在瀏覽時可以快速切換,在右側邊欄展開的情下重新整理頁面,則會直接進入單一網站的介紹頁,方便後續瀏覽與分享。 點擊單一網站的產業、關鍵字、佈景主題與外掛資訊,則會自動篩選出其他符合相同條件的網站,目前提供八種篩選工具:
所以在實務上可以尋找「在台灣使用 WooCommerce 並擁有 LINE 官方帳號」的網站:
或是「教育產業中有使用 LearnDash 學習管理系統」的網站:
也能用關鍵字尋找網頁設計公司:
目前平均每日更新 500~1000 個網站,主要以 .com 的網址為主,比較能抓到全球的網站來取得資料的多樣性,輔以日本的網站作為視覺設計參考的主力,並加入台灣本地的內容,以全球的 WordPress 網站來看,日本的設計品質最高且資料完整,很適合提供給接案者作為範本。 2. 佈景主題市佔分析
佈景主題的部分主要可以用網站語系、產業與類型來查看各個網站採用的比例,像是可以查詢顧問諮詢頁哪些佈景主題比較多網站使用,或是在台灣最多人用的佈景主題是什麼,透過圖表來直觀顯示各家佈景主題的佔比。 3. 外掛類型市佔分析
外掛的部份可以透過以下條件篩選
結合上述條件可以查看在台灣哪些 SEO 外掛最多人用:
或是在全球哪一個 Elementor 擴充最多人使用:
進一步的還可以篩選在分析外掛的類別下,美容產業使用的都是哪些分析外掛,或是 Landing Page 常用的是哪些表單外掛,在外掛的表格中可以使用關鍵字搜尋外掛名稱、代稱以及描述,也能查看有哪些網站使用這支外掛,點擊 Price 連結可以直接連到購買頁,也能點擊外掛名稱查看介紹頁:
目前所有外掛的分類以及內容都是由 AI 自動處理,因此正確性還需要人工審查,但由於外掛數量實在太多,這部分會需要時間來陸續補上,萬一你有發現錯誤的內容也可以主動跟我們回報。 另一方面由於是從前台去取得外掛資料,因此許多用在後台的外掛就無法取得,這部分是目前爬蟲做法的短處,因此需要更深入的分析來發掘洞見。 4. 外掛產業報告未來預計每週會針對特定的外掛分類產出一份研究報告來分析現況,結合 Bazewp 網站數據以及 AI 深度研究功能,幫助讀者判斷該市場是否值得投入、競爭是否已飽和以及新進者還有沒有切入點,報告會從以下角度切入:
該份報告會前從 Bazewp 資料庫取得特定分類的外掛連結以及產業安裝數據,提供給 AI 進行深度研究,研究結果會請另一套 AI 進行驗證,最後再透過人工審查並潤稿,並附上創業機會的點子發想。 小結透過 AI,讓研究 WordPress 生態系變得可行,並且可以大規模的進行自動分類,搭配人工審查讓數據更有參考價值,不知道你對這平台有沒有想法?或是想要看到哪一類的研究報告?有的話再跟我說吧~ |
之前朋友約出來喝咖啡時他分享下一個階段的 AI 可能會發展成監督式的 AI,也就是當 AI 自己在跑的時候,會有另外一個 AI 來檢查它現在做的每一件事情是否都真的有往正確的方向推進。 當下聽到覺得這個 idea 很棒,但具體要怎麼實作完全沒有概念,更不用說這樣子 token 消耗的成本會不會變成兩倍?而且監督 AI 的 AI 需要有什麼能力?該以哪一種方式來進行監督?然後又該如何把找出的問題回報給原本的 AI 呢? 這一切問題在我最近研究 Claude Code 以外的工具時意外發現了解決方案,那就是之前我拿來做為 Discord Bot 的 AI 引擎 OMP。 OMP 是 PI 的分支,想理解什麼是 OMP 可以先從 PI 開始理解,PI 是一套開源且輕量化的 Coding CLI,也是跟 Claude Code 一樣跑在終端機的寫程式 Agent。 相較於 Claude Code 的封閉,PI 完全開源,並且支援多家不同的模型,PI 強調有需要什麼工具再自己額外安裝,就不會像 Claude Code 一樣原廠給你什麼就只能用什麼。 而 OMP 是 PI 的分支,它的概念跟...
之前分享我請 AI 設計的一套專門用來管理手邊待辦清單的專案管理軟體,邊用的時候我就在邊思考著:當我新增這些任務之後,我還是要回到終端機去把這些任務的描述、相關的文件以及完成的目標告訴 AI,然後等它跑完之後我再驗收,再回到我的計時軟體裡面來記錄是已完成還是該暫停。 如果可以在開立任務的時候,就能直接指派 AI 來做這件事情,是不是就可以少一個重複描述、開發需求的流程?剛好有了這個想法之後,就在 YouTube 上面看到一個叫做 Auto Claude 的專案。 它把 Claude 直接跟看板軟體整合,並且可以在裡面詢問 AI 關於專案的細節以及產生開發藍圖,也能設定專案的亮點與相關資訊。 我看到後驚為天人,覺得這似乎是另外一種理想的 AI 開發軟體,本想直接下載裝起來用,但請 Claude 研究後發現它有一些問題,於是就想說自己來開發,順便理解關於整個 Loop Engineering 的概念。 Claude Orchestrator 這次一樣是使用 Glaze 來開發,請它建立好專案的環境之後,然後再回到終端機去接手後續的多工並行。我的做法是先請 AI 去參考 Auto...
常常在社群媒體上看到各種自動化工具的廣告,從早期的 n8n 開始到現在 AI Agent 自動完成任務,這些工具跟流程都很棒。但是回到使用者本身,我們真的知道自己有哪些工作是可以被自動化或是應該「自動化」的嗎? 這就讓我回想起以前給自己的工作要求,那就是要把手上所做的每一件事情都記錄下來,並且可以明確看到每項任務的執行時間以及頻率,這樣事後才有辦法做回顧,我把這樣的理念也應用到承接專案的層面上。 這也是為什麼我有一些專案都是採取時薪計價的開發模式,因為我需要讓客戶知道他的預算都花在哪些項目,來藉此把資源用在合適的任務上。 我最早使用的即時軟體叫做 Ora,這是一套結合看板管理、敏捷開發流程、時數統計,甚至還有內建聊天討論串的一套強大工具。 它長期都是免費的,付費方案是團隊成員超過計算,所以我都是使用它來進行與客戶的專案管理,它的介面十分清楚且一目瞭然,可以縱觀地知道是哪一類型的任務花最多時間,也可以細看到具體是在處理哪一個問題所消耗的時數。 但當某天我打開準備使用它的時候,發現它被另外一套專案管理軟體 ClickUp...