LLM ट्रैफ़िक आपके एनालिटिक्स में एक ब्लाइंड स्पॉट है। यहाँ कारण है।

आपका AI चैनल बढ़ रहा है। आपका एनालिटिक्स साथ नहीं दे रहा।

ChatGPT, Gemini, Claude, Perplexity और अन्य LLM आपकी सोच से अधिक ट्रैफ़िक उत्पन्न कर रहे हैं। मात्रा धीरे-धीरे नहीं आ रही, यह स्थापित चैनलों की टक्कर देने वाली गति से तेज़ हो रही है। कुछ विश्लेषक अनुमान लगाते हैं कि AI रेफरल ट्रैफ़िक 2028 तक पारंपरिक खोज रेफरल से आगे निकल सकता है। हमें लगता है, कुछ साइटों पर, यह पहले से ही हो रहा है।

यह लेख बताता है कि क्यों, मोबाइल और डेस्कटॉप डिवाइस में प्रत्यक्ष परीक्षण, ब्राउज़र डिबग मोड, सर्वर-साइड अनुरोध लॉगिंग, और तीन अग्रणी LLM प्लेटफ़ॉर्म: ChatGPT, Gemini, और Claude में अन्य तकनीकों का उपयोग करते हुए।

पहले, समझें आपके उपयोगकर्ता कहाँ हैं

क्या टूटता है और कब, इस पर आने से पहले, डिवाइस प्रकार के अनुसार समस्या के पैमाने को समझना मददगार होता है।

वेब ट्रैफ़िक के लिए मोबाइल प्रमुख प्लेटफ़ॉर्म है। Cloudflare Radar के अनुसार, जो सभी वैश्विक वेब ट्रैफ़िक के 20% से अधिक को संभालने वाले नेटवर्क में HTTP अनुरोधों को ट्रैक करता है, मोबाइल डिवाइस सभी वेब अनुरोधों का लगभग 50% हिस्सा हैं। उस संख्या को एक न्यूनतम सीमा के रूप में देखना सबसे अच्छा है: Cloudflare का नेटवर्क API ट्रैफ़िक, B2B सेवाओं, और डेवलपर टूलिंग की महत्वपूर्ण मात्रा वहन करता है, जो सभी भारी रूप से डेस्कटॉप की ओर झुका हुआ है। उपभोक्ता-सामने वाला वेब ट्रैफ़िक मोबाइल पर काफी अधिक चलता है। GA4 खातों में जिनके साथ हम दैनिक रूप से काम करते हैं, मोबाइल आमतौर पर कुल सत्रों का 70% से 90% के बीच होता है। डेस्कटॉप ट्रैफ़िक वास्तविक है, लेकिन गौण है।

मोबाइल वह जगह है जहाँ LLM एट्रिब्यूशन सबसे पूरी तरह से विफल होता है। जिस डिवाइस का आपकी अधिकांश ऑडियंस उपयोग करती है वही वह डिवाइस है जहाँ माप सबसे अधिक टूटा हुआ है।

हमने क्या परीक्षण किया

यह समझने के लिए कि ट्रैकिंग वास्तव में कहाँ टूटती है, हमने ChatGPT, Gemini, और Claude के लिए नेटिव ऐप और वेब ब्राउज़र का उपयोग करते हुए मोबाइल और डेस्कटॉप डिवाइस में प्रत्यक्ष परीक्षण चलाए। परीक्षण iOS के नवीनतम संस्करण पर चलने वाले iPhone, Android के नवीनतम संस्करण पर चलने वाले Android डिवाइस, macOS के नवीनतम संस्करण पर चलने वाले Mac, और Windows के नवीनतम संस्करण पर चलने वाले Windows PC पर किया गया।

प्रत्येक परिदृश्य के लिए, हमने देखा कि क्या UTM पैरामीटर मौजूद थे, क्या गंतव्य साइट को रेफरर पास किया गया था, और क्या सत्र पहचान तब बनी रही जब उपयोगकर्ता LLM इंटरफ़ेस से एक मानक ब्राउज़र में चला गया।

यहाँ हमने जो पाया।

एक नज़र में परिणाम

मोबाइल: जहाँ अधिकांश ट्रैफ़िक है, और जहाँ ट्रैकिंग टूटती है

ऊपर की तालिका काफी स्पष्ट रूप से कहानी बताती है। मोबाइल ऐप के लिए, कम से कोई ट्रैक करने योग्य संकेत नहीं है। लेकिन क्यों?

उत्तर वेब व्यू है, और प्लेटफ़ॉर्म विशिष्टताओं में जाने से पहले यह समझना सार्थक है कि इसका वास्तव में क्या अर्थ है।

जब कोई उपयोगकर्ता मोबाइल LLM ऐप के अंदर लिंक पर टैप करता है, चाहे वह ChatGPT, Gemini, या Claude हो, लिंक आमतौर पर वेब व्यू नामक एक अलग-थलग इन-ऐप ब्राउज़र में खुलता है। यह वेब व्यू डिवाइस के नेटिव ब्राउज़र के साथ कुकीज़, सत्र डेटा, या पहचान साझा नहीं करता। जो भी ट्रैकिंग स्थिति उस वेब व्यू के अंदर स्थापित होती है वह वहीं फँसी रहती है।

व्यावहारिक परिणाम: जब कोई उपयोगकर्ता LLM ऐप के अंदर ब्राउज़िंग समाप्त करता है और बाद में अनुसंधान जारी रखने या कन्वर्ट करने के लिए अपना नियमित डिवाइस ब्राउज़र खोलता है, तो कोई निरंतरता नहीं होती। कोई साझा पहचान नहीं। कोई हैंडऑफ़ नहीं। वह विज़िट अनएट्रिब्यूटेड डायरेक्ट ट्रैफ़िक बन जाती है।

मोबाइल पर ChatGPT परीक्षण किए गए विकल्पों में सबसे अधिक ट्रैक करने योग्य है। ऐप आउटबाउंड लिंक पर utm_source=chatgpt.com पास करता है, और तकनीकी रूप से एट्रिब्यूशन का एक रास्ता है, लेकिन यह घटनाओं के एक ऐसे क्रम पर निर्भर करता है जिसकी संभावना बहुत अधिक नहीं है। उस UTM को कन्वर्ज़न तक टिकने के लिए, उपयोगकर्ता को ChatGPT के अंदर लिंक पर टैप करना होगा, इन-ऐप वेब व्यू में ले जाया जाएगा, और फिर जारी रखने से पहले सत्र को अपने नेटिव ब्राउज़र को सौंपने के लिए स्पष्ट रूप से “Open in Browser” पर टैप करना होगा। ध्यान दें कि यह यात्रा केवल Android डिवाइस पर सत्र को बनाए रखती है। iOS पर, यह उपाय भी सत्र की निरंतरता को तोड़ देता है।

व्यवहार में, कोई आपको ChatGPT के अंदर खोजता है। वे आपके बारे में पढ़ते हैं, शायद संक्षेप में आपकी साइट पर जाते हैं, और आगे बढ़ जाते हैं। बाद में, शायद एक घंटे बाद, शायद दो दिन बाद, वे Google पर आपको खोजते हैं, या बस सीधे आपका URL टाइप करते हैं, और तभी वे कन्वर्ट करने की प्रक्रिया शुरू कर सकते हैं। उस सत्र में ChatGPT के उस इंटरैक्शन का कोई निशान नहीं होता जिसने पूरी चीज़ शुरू की थी। UTM चला गया। रेफरर चला गया। GA4 इसे डायरेक्ट या ऑर्गेनिक सर्च के रूप में रिकॉर्ड करता है, और ChatGPT को कोई श्रेय नहीं मिलता। और हाँ, यह तब भी सच है जब आपकी GA4 प्रॉपर्टी में Google Signals जैसी ट्रैकिंग सुविधाएँ सक्षम हों।

मोबाइल पर Gemini और Claude परीक्षण किए गए किसी भी परिदृश्य में न तो UTM पैरामीटर और न ही रेफरर पास करते हैं। इन प्लेटफ़ॉर्म से सत्र शुद्ध डायरेक्ट ट्रैफ़िक के रूप में आते हैं। कोई संकेत नहीं है जो उन्हें उस LLM से जोड़ता हो जिसने उन्हें प्रेरित किया।

एक बारीकी ध्यान देने योग्य है: यदि कोई उपयोगकर्ता वेब व्यू के अंदर एक साइट खोजता है और कन्वर्ट करता है, तो उस अलग-थलग संदर्भ के भीतर आंतरिक सत्र निरंतरता होती है। वेब व्यू सत्रों के बीच अपनी स्वयं की कुकीज़ बनाए रखता है, इसलिए ऐप के अंदर पूरी तरह से पूरी की गई यात्रा सैद्धांतिक रूप से मापने योग्य है। मानक कुकी ट्रैकिंग सीमाएँ अभी भी लागू होती हैं, और उपयोगकर्ता कितनी बार ऐप वेब व्यू के अंदर पूर्ण कन्वर्ज़न लूप पूरा करते हैं, यह अपने आप में एक खुला प्रश्न है जो जाँच के योग्य है।

डेस्कटॉप: बेहतर, लेकिन फिर भी असंगत

डेस्कटॉप मोबाइल की तुलना में अधिक अनुकूल ट्रैकिंग स्थितियाँ प्रदान करता है, लेकिन चित्र अभी भी इस पर निर्भर करते हुए खंडित है कि आप किस प्लेटफ़ॉर्म और इंटरफ़ेस का उपयोग करते हैं।

मोबाइल के विपरीत, डेस्कटॉप LLM ऐप लिंक को अलग-थलग वेब व्यू में नहीं फँसाते। वे आउटबाउंड लिंक सीधे उपयोगकर्ता के डिफ़ॉल्ट ब्राउज़र को सौंप देते हैं। इसलिए वेब व्यू अलगाव समस्या डेस्कटॉप पर लागू नहीं होती। जो अभी भी लागू होता है वह यह है कि क्या प्लेटफ़ॉर्म UTM या रेफरर पास करने की परवाह करता है, और उस मोर्चे पर, परिणाम मिश्रित हैं।

डेस्कटॉप पर ChatGPT (नेटिव ऐप) आउटबाउंड लिंक पर utm_source=chatgpt.com पास करता है, जो परीक्षण किए गए किसी भी प्लेटफ़ॉर्म का सबसे विश्वसनीय डेस्कटॉप परिदृश्य है। ब्राउज़र में ChatGPT रेफरर पास करता है लेकिन UTM नहीं।

Gemini का Mac या Windows पर कोई डेस्कटॉप ऐप नहीं है। सभी डेस्कटॉप Gemini उपयोग ब्राउज़र के माध्यम से होता है। ब्राउज़र में Gemini रेफरर पास करता है लेकिन UTM नहीं, ब्राउज़र-आधारित ChatGPT की तरह ही।

Claude सभी डेस्कटॉप परिदृश्यों में सबसे कमज़ोर प्रदर्शन करने वाला है। नेटिव डेस्कटॉप ऐप न तो UTM और न ही रेफरर पास करता है। ब्राउज़र में Claude भी कुछ नहीं पास करता। डेस्कटॉप पर Claude से हर सत्र पूरी तरह से अनएट्रिब्यूटेड डायरेक्ट ट्रैफ़िक के रूप में आता है चाहे उपयोगकर्ता कैसे भी पहुँचा हो।

बढ़ती हुई समस्या: अच्छा एट्रिब्यूशन भी हमेशा कन्वर्ज़न तक नहीं पहुँचता

एक पल के लिए मान लें कि ट्रैकिंग काम करती है। UTM आबाद है, रेफरर मौजूद है, सत्र एट्रिब्यूट करने योग्य है। आप सोच सकते हैं कि आप कवर हैं।

आप नहीं हैं।

LLM इंटरैक्शन से पूर्ण कन्वर्ज़न तक का रास्ता शायद ही कभी एकल सत्र होता है। उपयोगकर्ता दिन के दौरान अपने फ़ोन पर ChatGPT के माध्यम से कुछ खोजता है। वे लिंक पर क्लिक करते हैं, पेज पर उतरते हैं, कुछ मिनटों के लिए ब्राउज़ करते हैं। वे बिना कन्वर्ट किए चले जाते हैं। दो दिन बाद, वे अनुवर्ती कार्रवाई के लिए अपने लैपटॉप पर वापस आते हैं। उस बिंदु पर, मूल UTM समाप्त हो सकता है, डिवाइस अलग हो सकता है, कुकीज़ जा चुकी हो सकती हैं।

कुकी समाप्ति, क्रॉस-डिवाइस यात्राएँ, और बहु-सत्र पथ प्रत्येक स्वतंत्र रूप से एट्रिब्यूशन तोड़ते हैं। एक साथ, वे सुनिश्चित करते हैं कि LLM-रेफर्ड सत्रों का वह अंश भी जो पहले टचपॉइंट पर सही ढंग से टैग हो जाता है, अंतिम कन्वर्ज़न के लिए शायद ही कभी श्रेय प्राप्त करेगा।

यह LLM ट्रैफ़िक के लिए अनूठी समस्या नहीं है। लेकिन यह यहाँ अधिक कठिन प्रहार करती है क्योंकि LLM-सहायता प्राप्त खोज विचार यात्रा में आम तौर पर पहले होती है, लोग शोध और अन्वेषण कर रहे होते हैं, खरीदने के लिए तैयार नहीं। उस पहले AI-प्रभावित विज़िट और अंतिम कन्वर्ज़न के बीच का अंतराल एक सामान्य भुगतान क्लिक-टू-कन्वर्ज़न विंडो से लंबा होता है, जो क्रॉस-डिवाइस समस्या को बदतर बनाता है।

इसका आपके डेटा के लिए क्या मतलब है

आइए इस पर कुछ मोटे नंबर डालें। लक्ष्य गलत सटीकता नहीं है: यह एक उचित सीमा है जो आपको यह समझने में मदद करती है कि आप क्या खो रहे हैं उसका पैमाना।

डिवाइस विभाजन से शुरू करें। Cloudflare Radar वैश्विक मोबाइल वेब ट्रैफ़िक को सभी HTTP अनुरोधों का लगभग 50% बताता है, और वह संख्या उपभोक्ता-सामने वाली ऑडियंस के लिए कम है क्योंकि Cloudflare का नेटवर्क API और डेवलपर ट्रैफ़िक का भारी मिश्रण वहन करता है। जिन GA4 खातों के साथ हम काम करते हैं, उनमें मोबाइल आमतौर पर सत्रों का 70% से 90% के बीच चलता है। हम रूढ़िवादी रहने के लिए यहाँ 70% का उपयोग करते हैं।

फिर सवाल है कि लोग वास्तव में अपने फ़ोन पर LLM का उपयोग कैसे करते हैं। हर कोई नेटिव ऐप का उपयोग नहीं करता। कुछ ChatGPT, Gemini, या Claude को अपने मोबाइल ब्राउज़र के माध्यम से एक्सेस करते हैं, और ब्राउज़र उपयोग काफी अधिक ट्रैक करने योग्य है। दो धारणाएँ सीमा को कोष्ठकबद्ध करती हैं।

दोनों मामलों में उपयोग की गई आधारभूत धारणाएँ:

• मोबाइल/डेस्कटॉप विभाजन: 70% मोबाइल, 30% डेस्कटॉप
• ऐप सिग्नल सर्वाइवल रेट: 20% मोबाइल ऐप क्लिक सफलतापूर्वक उपयोग योग्य संकेत पास करते हैं (उदाहरण के लिए एक Android उपयोगकर्ता “Open in Browser” पर टैप करता है, या वेब व्यू के अंदर कन्वर्ज़न होता है)
• कन्वर्ज़न पथ हानि: क्रॉस-डिवाइस कूद और समाप्त कुकीज़ से सिग्नल हानि के लिए 25% जुर्माना लागू
• Google AIO कारक: AI-प्रभावित खोज का एक हिस्सा अब Google AI Overviews और AI Mode के माध्यम से होता है, जिसे GA4 मानक ऑर्गेनिक सर्च के रूप में रिकॉर्ड करता है जिसे अलग करने का कोई तरीका नहीं है

सीमा

ऊपर की धारणाएँ अनुमान हैं, ऐसे नंबर लगाने के लिए स्वतंत्र महसूस करें जो आपकी अपनी ऑडियंस या धारणाओं को बेहतर दर्शाते हों। एक अलग मोबाइल विभाजन, एक अलग ऐप-टू-ब्राउज़र अनुपात, एक अलग हानि दर का उपयोग करें। मॉडल सटीक होने के लिए नहीं है। यह दिखाने के लिए है कि आप कोई भी उचित नंबर चुनें, निष्कर्ष वही है: पर्याप्त कम रिपोर्टिंग हो रही है, और अंतर इतना बड़ा है कि मायने रखता है।

हमारी धारणाओं के साथ, सीमा आशावादी छोर पर लगभग 2.5x से अधिक निराशावादी छोर पर 5x तक चलती है, और संभावित रूप से अधिक, जब आप LLM-प्रभावित Google ऑर्गेनिक सत्रों को ध्यान में रखते हैं जिन्हें मानक एनालिटिक्स से अलग करना असंभव है।

यदि आपका डैशबोर्ड दिखाता है कि आपके सत्रों में से 1.5% LLM से हैं, तो संभावना है कि उन सत्रों में से कहीं 4% और 8% के बीच वास्तव में LLM से आए थे, और वह संख्या तेज़ी से बढ़ रही है। यह एक पूरा चैनल है जो आपकी Direct और Organic रिपोर्ट में छिपा है।

क्या आप इसे ठीक कर सकते हैं?

आंशिक रूप से। कोई पूर्ण समाधान नहीं है, लेकिन उन टीमों के लिए सार्थक सुधार उपलब्ध हैं जो अधिक परिष्कृत एनालिटिक्स और ट्रैकिंग में निवेश करने को तैयार हैं।

सर्वर-साइड ट्रैकिंग और अनुरोध लॉगिंग उन संकेतों को कैप्चर कर सकती है जो क्लाइंट-साइड JavaScript पूरी तरह से चूक जाता है। डिवाइस फ़िंगरप्रिंटिंग टूल एक ही डिवाइस पर वेब व्यू और ब्राउज़र संदर्भों के बीच संभाव्य पहचान बनाए रख सकते हैं, आंशिक रूप से उस अलगाव अंतर को पाटते हुए जिसे मानक कुकी-आधारित ट्रैकिंग पार नहीं कर सकती। कोई भी दृष्टिकोण आपको पूर्ण माप तक नहीं पहुँचाता, और कोई भी क्रॉस-डिवाइस समस्या को लॉग-इन उपयोगकर्ता स्थिति के बिना हल नहीं करता जो दोनों सत्रों को एक साथ बाँधे।

ईमानदार उत्तर: आपको कभी पूर्ण माप नहीं मिलेगा। मोबाइल ऑपरेटिंग सिस्टम की वास्तुकला, LLM प्लेटफ़ॉर्म की रेफरर नीतियाँ, और बहु-सत्र क्रॉस-डिवाइस यात्राओं की प्रकृति, ये सभी इसके विरुद्ध काम करते हैं। लेकिन यह इस चैनल के बारे में समझने की सबसे महत्वपूर्ण बात नहीं है।

माप का लक्ष्य हर कन्वर्ज़न की पूर्ण गिनती नहीं है: यह निर्णय लेने के लिए पर्याप्त दिशात्मक समझ है। आपको हर LLM-सहायता प्राप्त कन्वर्ज़न को एट्रिब्यूट करने की आवश्यकता नहीं है यह जानने के लिए कि यह चैनल बढ़ रहा है, इसमें आपका हिस्सा कुछ ऐसा है जिसे आप प्रभावित कर सकते हैं, और आप अपनी AI विज़िबिलिटी रणनीति में जो सापेक्ष परिवर्तन करते हैं वे आपके नंबरों में दिखाई देंगे। यदि बेहतर AI उद्धरण के लिए अपनी सामग्री को पुनर्गठित करने के बाद आपका LLM-रेफर्ड ट्रैफ़िक दोगुना हो जाता है, वह गति सार्थक है चाहे आप हर बिक्री को एक विशिष्ट चैट सत्र से जोड़ सकें या नहीं।

यह लेख माप को छोड़ देने का तर्क नहीं है। यह अपूर्ण माप को निष्क्रियता का बहाना बनने न देने का तर्क है। वे टीमें जो अभी AI विज़िबिलिटी को एक गंभीर विकास चैनल के रूप में मानती हैं, न कि जब एट्रिब्यूशन साफ़ हो, न कि जब GA4 पकड़ बनाए, बल्कि अभी, वे एक ऐसी बढ़त बना रही हैं जिसे बंद करना कठिन होगा।

पद्धति

परीक्षण iOS के नवीनतम संस्करण पर चलने वाले iPhone, Android के नवीनतम संस्करण पर चलने वाले Android डिवाइस, macOS के नवीनतम संस्करण पर चलने वाले Mac, और Windows के नवीनतम संस्करण पर चलने वाले Windows PC पर किया गया। Linux का सीधे परीक्षण नहीं किया गया लेकिन समान पैटर्न का अनुसरण करने की उम्मीद है। प्रत्येक LLM प्लेटफ़ॉर्म, ChatGPT, Gemini, और Claude, का परीक्षण उसके नेटिव ऐप (जहाँ उपलब्ध है) और डिवाइस ब्राउज़र के माध्यम से किया गया। प्रत्येक परिदृश्य के लिए, हमने देखा कि क्या UTM पैरामीटर आबाद हुए, क्या गंतव्य साइट को रेफरर पास किया गया, और क्या सत्र पहचान तब बनी रही जब नेविगेशन LLM इंटरफ़ेस से डिवाइस के डिफ़ॉल्ट ब्राउज़र में चला गया। क्लाइंट-साइड अवलोकनों को पूरक करने के लिए सर्वर-साइड लॉगिंग का उपयोग किया गया।

यह शोध परीक्षण के समय (12 अप्रैल, 2026) प्लेटफ़ॉर्म व्यवहार को दर्शाता है। LLM प्लेटफ़ॉर्म अपने ऐप और वेब इंटरफ़ेस को अक्सर अपडेट करते हैं, और ट्रैकिंग व्यवहार बदल सकता है।

मुख्य बात

AI चैनल भविष्य का विचार नहीं हैं। वे अभी सक्रिय हैं, बढ़ रहे हैं, और बड़े पैमाने पर निर्णयों को आकार दे रहे हैं। समस्या यह है कि अधिकांश टीमें इन चैनलों को मापने के लिए जिस बुनियादी ढाँचे का उपयोग करती हैं वह एक ऐसी दुनिया के लिए बनाया गया था जहाँ एक क्लिक एक विश्वसनीय रेफरर और एक कुकी उत्पन्न करता है जो कन्वर्ज़न देखने के लिए काफी लंबे समय तक चलती है।

LLM ट्रैफ़िक ऐसे काम नहीं करता।

अपने AI चैनल नंबरों को एक महत्वपूर्ण कम गणना के रूप में मानें। आप जो सत्र देख सकते हैं वे ही हैं जो ट्रैकिंग हानि की हर परत से जीवित बचने में कामयाब रहे। जो नहीं बचे वे कहीं अधिक असंख्य हैं, और उनमें वे लोग शामिल हैं जिन्होंने आपको खोजा, जो AI ने आपके बारे में कहा उससे प्रभावित हुए, और बिना कोई निशान छोड़े कन्वर्ट हो गए जिसका आप अनुसरण कर सकें।

अक्सर पूछे जाने वाले प्रश्न

मेरा GA4 Claude या Gemini से लगभग कोई ट्रैफ़िक क्यों नहीं दिखाता?

क्योंकि दोनों प्लेटफ़ॉर्म हमारे द्वारा परीक्षण किए गए अधिकांश परिदृश्यों में न कोई UTM पैरामीटर और न ही कोई रेफरर पास करते हैं। मोबाइल पर, लिंक अलग-थलग इन-ऐप वेब व्यू में खुलते हैं जो आपके मानक एनालिटिक्स परिवेश से कभी कनेक्ट नहीं होते। डेस्कटॉप पर, Claude ऐप या ब्राउज़र किसी में भी कुछ पास नहीं करता। Gemini ब्राउज़र में रेफरर पास करता है लेकिन UTM नहीं। इनमें से किसी के बिना, यह अधिकांश ट्रैफ़िक GA4 में डायरेक्ट के रूप में आता है या बस गिना ही नहीं जाता।

ChatGPT मेरी रिपोर्ट में कुछ ट्रैफ़िक दिखाता है। क्या इसका मतलब यह सटीक रूप से ट्रैक हो रहा है?

बिल्कुल नहीं। हमारे द्वारा परीक्षण किए गए तीनों प्लेटफ़ॉर्म में ChatGPT सबसे अधिक ट्रैक करने योग्य है। यह कई परिदृश्यों में utm_source=chatgpt.com जोड़ता है, और इसका डेस्कटॉप ऐप यह काम विश्वसनीय ढंग से करता है। लेकिन मोबाइल पर, एट्रिब्यूशन का रास्ता संकीर्ण और प्लेटफ़ॉर्म-निर्भर है। UTM तब बच सकता है जब उपयोगकर्ता वेब व्यू के अंदर “Open in Browser” पर टैप करे, लेकिन यह केवल Android पर काम करता है। iOS पर, वह हैंडऑफ़ सत्र को बिल्कुल भी संरक्षित नहीं करता। जब उपयोगकर्ता वेब व्यू छोड़ता है तो पहचान खो जाती है, चाहे वे कैसे भी निकलें। इसलिए सबसे अच्छे मामले में भी, आपको उपयोगकर्ता को Android पर होना चाहिए, ऐप का उपयोग करना चाहिए, और आगे नेविगेट करने से पहले स्पष्ट रूप से “Open in Browser” पर टैप करना चाहिए। यह आपके वास्तविक ChatGPT मोबाइल ट्रैफ़िक का एक छोटा हिस्सा है। GA4 में आप जो नंबर देखते हैं वे वास्तविक हैं, लेकिन वे ChatGPT वास्तव में जितना ट्रैफ़िक ला रहा है उसका एक अंश प्रतिनिधित्व करते हैं।

क्या यह समस्या केवल मोबाइल उपयोगकर्ताओं को प्रभावित करती है?

मोबाइल वह जगह है जहाँ यह सबसे गंभीर है, लेकिन डेस्कटॉप भी साफ़ नहीं है। डेस्कटॉप पर Claude परीक्षण किए गए सभी परिदृश्यों में कुछ भी पास नहीं करता, ऐप हो या ब्राउज़र। डेस्कटॉप पर Gemini रेफरर पास करता है लेकिन UTM नहीं, जिसे आपके GA4 सेटअप के आधार पर सही ढंग से वर्गीकृत किया जा सकता है या नहीं। ChatGPT का डेस्कटॉप ऐप एक विश्वसनीय उज्ज्वल बिंदु है। इसलिए यदि आपकी ऑडियंस पूरी तरह से डेस्कटॉप पर हो, तब भी आप LLM-प्रभावित ट्रैफ़िक का एक महत्वपूर्ण हिस्सा खो रहे होंगे।

वेब व्यू क्या है और यह ट्रैकिंग समस्याएँ क्यों पैदा करता है?

वेब व्यू एक इन-ऐप ब्राउज़र है जो तब खुलता है जब आप मोबाइल ऐप के अंदर लिंक पर टैप करते हैं। यह ब्राउज़र जैसा दिखता है, लेकिन यह आपके डिवाइस के वास्तविक ब्राउज़र से अलग है। यह Safari या Chrome के साथ कुकीज़, सत्र डेटा, या पहचान साझा नहीं करता। इसलिए कोई भी ट्रैकिंग जो वेब व्यू के अंदर फ़ायर होती है वहीं फँसी रहती है। जब उपयोगकर्ता बाद में अपनी यात्रा जारी रखने के लिए अपना वास्तविक ब्राउज़र खोलता है, तो वे बिना किसी इतिहास के एक बिल्कुल नए विज़िटर की तरह दिखते हैं।

यदि अंतिम कन्वर्ज़न ऐप के वेब व्यू के अंदर होता है, तो क्या यह ट्रैक होता है?

यह हो सकता है, लेकिन यह साफ़ नहीं है। एट्रिब्यूशन चेन को बनाए रखने के लिए कन्वर्ज़न को वेब व्यू के अंदर ही होना चाहिए। उपयोगकर्ता को अपनी पूरी यात्रा वहाँ बिताने की ज़रूरत नहीं है, लेकिन वह अंतिम चरण होना चाहिए। पकड़ यह है कि अधिकांश ऑडियंस के लिए मोबाइल ट्रैफ़िक का अधिकांश हिस्सा iOS से आता है, और iOS पर वेब व्यू WebKit के कुकी प्रतिबंधों के अधीन है, जिसमें Intelligent Tracking Prevention शामिल है। वे प्रतिबंध आपके द्वारा निर्भर की जा रही निरंतरता को सीमित या तोड़ सकते हैं। इसलिए जबकि यह परिदृश्य सैद्धांतिक रूप से ट्रैक करने योग्य है, व्यवहार में यह एक विश्वसनीय मार्ग के बजाय उपलब्ध सबसे कम टूटा विकल्प है।

क्या मैं इसे सर्वर-साइड ट्रैकिंग से ठीक कर सकता हूँ?

सर्वर-साइड ट्रैकिंग मदद करती है, लेकिन यह सब कुछ हल नहीं करती। यह उन संकेतों को कैप्चर कर सकती है जो क्लाइंट-साइड JavaScript से छूट जाते हैं, जिसमें रेफरर डेटा शामिल है जो GA4 में कभी नहीं पहुँचता। डिवाइस फ़िंगरप्रिंटिंग टूल एक ही डिवाइस पर वेब व्यू और ब्राउज़र संदर्भों के बीच संभाव्य पहचान बनाए रखने में भी मदद कर सकते हैं। लेकिन कोई भी दृष्टिकोण क्रॉस-डिवाइस समस्या को हल नहीं करता, और कोई भी आपको पूर्ण माप नहीं देता। आप सच्चाई के सार्थक रूप से करीब पहुँचेंगे, लेकिन आप पूरी तरह से नहीं पहुँचेंगे।

LLM-सहायता प्राप्त कन्वर्ज़न ट्रैफ़िक वास्तव में कितना कम रिपोर्ट किया जाता है?

हमारे विश्लेषण के आधार पर, आपकी ऑडियंस और वे LLM प्लेटफ़ॉर्म का उपयोग कैसे करते हैं इस पर निर्भर करते हुए, कहीं 2.5x से 5x की सीमा में। रूढ़िवादी अनुमान (Case A) मानता है कि आधे मोबाइल उपयोगकर्ता ब्राउज़र के माध्यम से LLM तक पहुँचते हैं, जहाँ ट्रैकिंग काफी हद तक काम करती है, जिससे कन्वर्ज़न पथ हानियों को ध्यान में रखने के बाद लगभग 2.5x का कम रिपोर्ट होता है। अधिक यथार्थवादी अनुमान (Case B) मानता है कि 80% मोबाइल उपयोगकर्ता नेटिव ऐप पर हैं, जहाँ ट्रैकिंग अनिवार्य रूप से विफल हो जाती है, जिससे 4 से 5x का कम रिपोर्ट होता है। दोनों अनुमान संभवतः अभी भी रूढ़िवादी हैं, क्योंकि GA4 जो Google ऑर्गेनिक के रूप में वर्गीकृत करता है उसका बढ़ता हुआ हिस्सा वास्तव में AI Overviews और AI Mode के माध्यम से आने वाला LLM-प्रभावित ट्रैफ़िक है, ऐसा ट्रैफ़िक जिसे मानक एनालिटिक्स से अलग करना असंभव है।

यदि मैं परिणामों को माप नहीं सकता तो क्या मुझे AI विज़िबिलिटी में अधिक निवेश करना चाहिए?

हाँ, यकीनन अधिक, कम नहीं। यह तथ्य कि आप इस चैनल के पूर्ण प्रभाव को माप नहीं सकते, इसका मतलब यह नहीं है कि प्रभाव वहाँ नहीं है। इसका मतलब है कि आपके वर्तमान टूल इसे देखने के लिए कम योग्य हैं। जो सत्र आपकी रिपोर्ट तक पहुँच जाते हैं, वे पहले से ही सार्थक सहभागिता दिखा रहे हैं। जो नहीं पहुँचते वे परिमाण के क्रम में अधिक असंख्य हैं। इस चैनल को अमहत्वपूर्ण मानना क्योंकि नंबर छोटे दिखते हैं, बिल्कुल गलत निष्कर्ष है।