Apakah metrik utama untuk menjejaki keterlihatan carian AI?

Tujuh, dan ia dipetakan kepada empat peringkat saluran ini. Liputan latihan ialah bahagian halaman penting anda yang benar-benar telah dibaca oleh perangkak latihan AI. Liputan calon ialah bahagian yang diambil semasa perbualan langsung, iaitu kumpulan yang boleh dipetik oleh model. Liputan rujukan ialah bahagian yang memperoleh klik sebenar daripada jawapan AI. Skor pertumbuhan membaca arah dan kelajuan ketiga-tiganya, bukan parasnya. Campuran enjin menunjukkan bagaimana keterlihatan itu terbahagi merentas OpenAI, Anthropic, Gemini dan Perplexity. Dirangkak tetapi tidak dipetik mengasingkan halaman yang telah dibaca oleh model tetapi masih tidak digunakan. Hasil yang diatribusi AI mengikat sesi kembali kepada pesanan. Ketujuh-tujuhnya dibaca daripada log pelayan pihak pertama, kerana rangkakan latihan dan pengambilan di tengah perbualan tidak pernah melaksanakan JavaScript dan oleh itu tidak pernah sampai kepada alat analitis berasaskan pelayar.

Mengapa Google Analytics tidak dapat mengukur prestasi AI?

Dua sebab berasingan, dan hanya satu daripadanya boleh diperbaiki. Rangkakan latihan dan pengambilan di tengah perbualan ialah permintaan pelayan ke pelayan yang tidak pernah menjalankan JavaScript, jadi alat berasaskan pelayar seperti GA4 bukan sekadar tersilap kira, ia memang tidak mampu melihatnya dari segi struktur. Orang sebenar yang tiba daripada jawapan AI kelihatan pada prinsipnya, tetapi mereka masih tersilap kira kira-kira 2.5x hingga 5x, kerana pelayar dalam aplikasi mudah alih kerap membuang perujuk dan lawatan itu masuk ke direct atau other. Log pelayan merekodkan setiap permintaan yang sampai ke tapak, termasuk yang tiada JavaScript dan tiada perujuk, itulah sebabnya setiap metrik dalam artikel ini dibaca daripada log.

Apakah perbezaan antara rangkakan latihan dan calon petikan?

Ia adalah bot berbeza yang melakukan tugas berbeza, dan ia membawa ejen pengguna yang berbeza. Rangkakan latihan ialah bot seperti GPTBot atau ClaudeBot yang membaca halaman anda mengikut jadual untuk menyuap model masa depan, yang mempengaruhi apa yang model tahu tentang anda secara lalai. Calon petikan ialah pengambilan yang dibuat semasa perbualan langsung, oleh ejen seperti ChatGPT-User, yang menarik halaman anda untuk membantu menjawab soalan yang sedang ditanya seseorang sekarang. Liputan latihan tinggi dengan liputan calon rendah ialah diagnosis yang khusus dan biasa: model mempunyai kandungan anda tetapi tidak mencapainya apabila soalan itu timbul.

Apakah maksud dirangkak tetapi tidak dipetik?

Ia ialah set halaman yang telah dibaca oleh perangkak AI tetapi tidak pernah diambil ke dalam jawapan. Ia penting kerana ia menyingkirkan dua penjelasan biasa. Halaman itu boleh dicapai, kerana ia telah dirangkak, dan model memilikinya, kerana ia telah dibaca. Yang tinggal ialah halaman itu sendiri, paling kerap kerana ia tiada perenggan yang menyatakan sesuatu dakwaan dengan cukup jelas untuk dipetik. Itu menjadikannya jarak terpendek antara laporan dan suntingan yang khusus, sebab itulah ia biasanya panel pertama yang berbaloi ditindaklanjuti.

Bagaimanakah anda mengatribusi hasil kepada trafik AI?

Dengan memadankan sesi kepada pesanan di peringkat pelayan, bukan dengan mempercayai perujuk untuk bertahan sepanjang perjalanan. WISLR mengenal pasti sesi yang dirujuk AI dalam log pihak pertama dan memadankannya dengan pesanan yang selesai, kemudian melaporkan hasil dari semasa ke semasa dengan butiran peringkat pembeli dan pecahan mengikut enjin. Bahagian yang sukar bukan padanan itu, tetapi kesinambungan sesi: pengunjung yang tiba daripada jawapan AI, melayari, dan kembali dua hari kemudian untuk membeli akan merosakkan model klik terakhir yang naif. Melaporkan masa ke pembelian bersama-sama hasil itulah yang mengekalkannya kelihatan dan bukannya dibuang secara senyap.

Metrik prestasi AI: tujuh nombor yang menerangkan saluran ini.

Penemuan AI ialah salurannya sendiri, dan ia memerlukan laporannya sendiri. Inilah tujuh metrik yang menerangkannya: liputan latihan, liputan calon, liputan rujukan, skor pertumbuhan, campuran enjin, dirangkak tetapi tidak dipetik, dan hasil yang diatribusi AI. Setiap satu dibaca daripada log pelayan pihak pertama, dan setiap satu ialah panel dalam papan pemuka WISLR AI Channel Analytics.

Available in:

English Deutsch Español Français हिन्दी Italiano Nederlands Polski Português Türkçe Українська

Author: Tony Castillo

Published July 23, 2026

← All articles

Corong yang menunjukkan empat peringkat saluran AI, rangkakan latihan mengecil kepada petikan, rujukan dan hasil, dengan alat AIO hanya meliputi syer suara di atasnya dan GA4 meliputi hasil secara lemah di bawahnya

Versi ringkas

Saluran ini ada empat peringkat, bukan satu nombor. Model membaca halaman anda, mengambil sebahagian daripadanya di tengah perbualan, menghantar beberapa orang sebenar kepada anda, dan sebahagian daripada mereka membeli. Latihan, calon, rujukan, hasil. Setiap metrik AI yang berguna menjawab soalan tentang salah satu daripada empat peringkat itu, dan metrik daripada satu peringkat hampir tidak memberitahu apa-apa tentang peringkat berikutnya.
Liputan ialah unitnya, bukan volum. Kiraan rangkakan mentah memberi ganjaran kepada sesiapa yang mempunyai halaman paling banyak. Liputan bertanya berapa banyak daripada perkara yang penting telah dibaca, telah diambil, dan telah diklik. Itulah yang menjadikan nombor latihan, calon dan rujukan boleh dibandingkan antara satu sama lain dan dengan bulan lepas.
Dirangkak tetapi tidak dipetik ialah nombor paling boleh ditindaklanjuti pada halaman ini. Ia mengasingkan halaman yang sudah dibaca oleh model tetapi masih tidak digunakan. Kandungan itu boleh dicapai dan model sudah memilikinya, jadi apa yang kurang ada pada halaman itu sendiri, yang menjadikannya laluan terpendek daripada laporan kepada keputusan.
Tiada satu pun daripada ini datang daripada analitis pelayar. Rangkakan latihan dan pengambilan di tengah perbualan tidak pernah menjalankan JavaScript, jadi GA4 langsung tidak dapat melihatnya. Malah bagi orang sebenar yang tiba daripada AI, alat berasaskan pelayar tersilap kira sebanyak 2.5x hingga 5x. Metrik ini dibaca daripada log pelayan atau tidak sama sekali.

Mengapa Saluran AI Memerlukan Laporannya Sendiri

Berbayar, organik, sosial dan e-mel masing-masing mendapat laporan sendiri, dengan metrik sendiri, kerana setiap satu berkelakuan berbeza. Penemuan AI ialah yang terbaharu antara semuanya dan paling kurang difahami, dan ia masih kebanyakannya dilaporkan sebagai nota kaki di dalam saluran yang bukan tempatnya.

Sebab ia memerlukan laporannya sendiri bukanlah kerana ia baharu. Ia kerana mekanismenya berbeza. Tiada kedudukan ranking, tiada kiraan tera, tiada halaman keputusan. Model membaca halaman anda mengikut jadual, memutuskan di tengah perbualan sama ada hendak mencapai salah satu daripadanya, dan sekali-sekala menghantar seseorang kepada anda dengan pautan. Itu tiga peristiwa berasingan, dihasilkan oleh tiga tingkah laku berasingan, dan nombor daripada salah satunya sangat sedikit meramalkan tentang yang seterusnya.

Jadi soalan yang berguna bukanlah "sejauh mana kami kelihatan dalam AI." Ia adalah peringkat saluran yang mana sedang gagal, kerana penyelesaian bagi setiap satu berbeza.

Empat Peringkat Tempat Setiap Metrik Berada

Sebelum metriknya, bentuknya dahulu. Semua di bawah menjawab soalan tentang salah satu daripada empat peringkat, dan ia berjalan mengikut turutan. Halaman tidak boleh menjadi calon petikan jika ia tidak pernah dibaca, dan ia tidak boleh menghantar rujukan kepada anda jika ia tidak pernah dipetik.

Peringkat 01 Latihan Adakah model pernah membaca halaman ini langsung? Bot seperti GPTBot dan ClaudeBot yang membaca mengikut jadual, menyuap apa yang model tahu secara lalai.

Peringkat 02 Calon Adakah ia mencapai halaman itu di tengah perbualan? Pengambilan langsung oleh ejen seperti ChatGPT-User semasa menjawab soalan sebenar seseorang.

Peringkat 03 Rujukan Adakah orang sebenar mengklik masuk? Manusia yang tiba daripada jawapan AI, mendarat pada halaman tertentu.

Peringkat 04 Hasil Adakah ada antaranya bertukar menjadi wang? Pesanan dan prospek dipadankan semula dengan sesi yang menghasilkannya.

Peringkat 01 dan 02 ialah permintaan pelayan ke pelayan yang tidak pernah melaksanakan JavaScript. Alat analitis berasaskan pelayar bukan sekadar tersilap kira, ia langsung tidak dapat memerhatikannya.

Tujuh Metrik Itu

Setiap satu ini ialah panel dalam papan pemuka WISLR AI Channel Analytics, dibaca daripada log pelayan pihak pertama. Ia disenaraikan mengikut turutan corong, dan nilai diagnostiknya terletak pada membacanya berbanding satu sama lain, bukan satu demi satu.

Liputan latihan

Latihan

Apa yang diukurnya: Bahagian halaman penting komersial anda yang benar-benar telah dibaca oleh perangkak latihan AI, bukan bilangan mentah hit rangkakan.
Cara WISLR melaporkannya: Halaman yang dipelajari dan liputan latihan, dengan volum rangkakan harian, hari latihan teratas anda, dan pecahan mengikut enjin.
Rupa keadaan yang baik: Liputan tertumpu pada halaman kategori, produk dan perbandingan. Liputan luas pada blog sementara katalog komersial tidak dibaca ialah corak yang biasa dan mahal.
Di mana ia gagal: Sekatan dalam robots.txt, kandungan yang hanya wujud selepas JavaScript berjalan, dan respons perlahan yang menyebabkan perangkak berputus asa.

Liputan calon

Calon

Apa yang diukurnya: Bahagian halaman yang diambil semasa perbualan langsung. Inilah halaman yang dianggap model cukup baik untuk ditarik semasa menjawab soalan sebenar, yang menjadikan ini perkara paling hampir dengan undian keyakinan yang dihasilkan saluran ini.
Cara WISLR melaporkannya: Calon dan liputan calon, dengan setiap halaman calon disenaraikan mengikut tajuk supaya anda dapat melihat kandungan mana yang sedang dicapai.
Rupa keadaan yang baik: Halaman wang anda muncul sebagai calon, bukan sekadar laman utama dan satu panduan popular.
Di mana ia gagal: Halaman tanpa dakwaan lengkap yang boleh dipetik. Model yang mengambil halaman anda masih perlu mencari ayat yang boleh dipertahankannya.

Liputan rujukan

Rujukan

Apa yang diukurnya: Bahagian halaman yang memperoleh klik sebenar daripada jawapan AI, dan di mana orang itu mendarat.
Cara WISLR melaporkannya: Rujukan dan liputan rujukan, dengan halaman pendaratan disusun mengikut kedudukan, dan volum rujukan dijejak berbanding aktiviti latihan dan calon pada garis masa yang sama.
Rupa keadaan yang baik: Rujukan tertumpu pada halaman yang menukar, bukan pada kandungan bermaklumat yang menjawab soalan itu dengan begitu lengkap sehingga tiada siapa perlu mengklik.
Di mana ia gagal: Pelayar dalam aplikasi mudah alih membuang perujuk, jadi lawatan itu masuk ke direct atau other. Ini ialah punca tunggal terbesar tersilap kira dalam alat berasaskan pelayar.

Skor pertumbuhan

Semua peringkat

Apa yang diukurnya: Arah dan kelajuan, bukan paras. Satu bacaan komposit tunggal tentang sama ada saluran ini sedang memecut, bertahan, atau merosot.
Cara WISLR melaporkannya: Skor pertumbuhan dengan label momentum, di samping paparan aktiviti harian supaya anda dapat melihat sama ada sesuatu perubahan itu trend atau satu hari yang luar biasa.
Rupa keadaan yang baik: Momentum yang bertahan selepas tolakan kandungan, bukan melonjak lalu kembali ke garis dasar dalam masa dua minggu.
Di mana ia gagal: Membacanya setiap hari. Tingkah laku rangkakan bersifat meletup-letup secara semula jadi, dan satu hari tunggal hanyalah bunyi bising.

Campuran enjin

Semua peringkat

Apa yang diukurnya: Bagaimana keterlihatan anda terbahagi merentas OpenAI, Anthropic, Gemini dan Perplexity, pada setiap peringkat secara berasingan.
Cara WISLR melaporkannya: Pecahan mengikut LLM yang dikenakan pada latihan, calon dan rujukan, supaya campurannya boleh berbeza mengikut peringkat dan anda dapat melihatnya.
Rupa keadaan yang baik: Kehadiran merentas beberapa enjin. Tumpuan pada satu enjin ialah kebergantungan, dan enjin mengubah tingkah laku rangkakan dan petikan mereka tanpa notis.
Di mana ia gagal: Menganggap tingkah laku satu enjin boleh digeneralisasikan. Ia berbeza dalam apa yang dirangkaknya, berapa kerap ia mengambil, dan sama ada ia memaut keluar langsung.

Dirangkak tetapi tidak dipetik

Latihan ke calon

Apa yang diukurnya: Halaman yang telah dibaca oleh model dan tidak pernah diambil ke dalam jawapan. Jurang antara apa yang dimilikinya dan apa yang digunakannya.
Cara WISLR melaporkannya: Senarai tetap halaman yang dirangkak tetapi tidak dipetik, supaya jurang itu menjadi baris gilir kerja dan bukan satu inferens.
Rupa keadaan yang baik: Senarai yang pendek dan mengecil pada halaman komersial. Pada kandungan nipis atau berulang, senarai yang panjang ialah hasil yang betul.
Di mana ia gagal: Menganggap rangkakan sebagai kemenangan. Rangkakan bermakna pintu terbuka, tidak lebih daripada itu.

Hasil yang diatribusi AI

Hasil

Apa yang diukurnya: Pesanan dan prospek yang dikesan kembali kepada sesi AI yang menghasilkannya, dalam nilai mata wang.
Cara WISLR melaporkannya: Atribusi IP kepada pesanan dengan hasil dari semasa ke semasa, butiran peringkat pembeli, dan masa ke pembelian, dipecahkan mengikut enjin apabila datanya menyokong.
Rupa keadaan yang baik: Hasil bagi setiap sesi AI yang boleh dibandingkan dengan saluran anda yang lain, dan lengkung masa ke pembelian yang boleh anda jadikan asas perancangan penyasaran semula.
Di mana ia gagal: Kesinambungan sesi. Seseorang yang tiba daripada jawapan AI dan kembali tiga hari kemudian untuk membeli tidak kelihatan kepada model klik terakhir yang naif, sebab itulah masa ke pembelian perlu berada di sebelah nombor hasil.

Membacanya Berbanding Satu Sama Lain

Secara individu ini hanyalah nombor. Nilai diagnostiknya terletak pada langkah antara satu sama lain, kerana setiap kejatuhan mempunyai satu penjelasan yang mungkin dan penyelesaian yang berbeza.

Latihan rendahModel tidak pernah membaca halaman itu. Ini masalah akses: peraturan robots, pemaparan, atau masa respons. Tiada apa di hilirnya yang berbaloi dilihat sehingga ini selesai.

Latihan tinggi, calon rendahModel mempunyai kandungan anda dan tidak mencapainya. Ini masalah kandungan, biasanya ketiadaan dakwaan lengkap yang berbaloi dipetik.

Calon tinggi, rujukan rendahAnda sedang digunakan tetapi tidak dikreditkan. Sebahagian daripada ini ialah tingkah laku pemautan enjin itu dan di luar kawalan anda; sebahagian lagi kerana halaman itu menjawab soalan dengan begitu lengkap sehingga tiada sebab untuk mengklik.

Rujukan tinggi, hasil rendahTrafik tiba dan tidak menukar. Ini masalah penukaran biasa yang ada pada setiap saluran, dan ia yang alat sedia ada anda sudah pandai tangani.

Atau langkau pembinaannya

Ketujuh-tujuhnya ialah panel dalam WISLR.ai. Ia menangkap rangkakan latihan, pengambilan di tengah perbualan dan rujukan AI di tepi rangkaian pada domain anda sendiri, memadankan sesi kembali kepada pesanan, dan melaporkan liputan pada setiap peringkat dipecahkan mengikut enjin. Tiada saluran paip log untuk disediakan, dan pelan percuma menyimpan sejarah 30 hari berterusan supaya garis dasar bermula hari ini.

Mula dengan WISLR.ai →

Bagaimana Ini Dipetakan kepada Laporan SEO Anda

Metrik ini duduk di sebelah laporan SEO anda, bukan di atasnya. Ia datang daripada sumber berbeza dan menjawab soalan berbeza, dan analog terdekat selalunya bukan analog yang tepat.

Metrik SEO biasaSetara saluran AIMengapa ia tidak sama

Liputan indeksLiputan latihanDiindeks itu ya atau tidak. Dibaca oleh model itu mengikut enjin, mengikut jadual setiap enjin itu sendiri.

TeraLiputan calonTiada kiraan tera untuk dilaporkan. Peristiwa boleh diperhatikan yang terdekat ialah model mengambil halaman anda untuk menjawab soalan.

KlikLiputan rujukanIdea yang sama, instrumentasi jauh lebih buruk. Perujuk dibuang cukup kerap sehingga alat pelayar tersilap kira sebanyak 2.5x hingga 5x.

Kedudukan purataSkor pertumbuhanTiada kedudukan. Arah dari semasa ke semasa ialah satu-satunya bacaan stabil yang ada.

Hasil mengikut saluranHasil yang diatribusi AISoalan yang sama, dijawab daripada log pelayan dan rekod pesanan, bukan daripada tag yang selalunya tidak pernah menyala.

Di Mana Hendak Bermula

Mulakan di puncak corong, kerana masalah pada peringkat satu menjadikan setiap nombor di bawahnya tidak bermakna. Liputan latihan dan dirangkak tetapi tidak dipetik sudah cukup untuk membuat pusingan keputusan pertama, dan kedua-duanya datang daripada data log yang sama.

Satu perkara yang berbaloi dilakukan segera ialah memulakan jam. Setiap metrik di sini ialah trend, dan trend memerlukan garis dasar. Jenama yang mula merekod sekarang akan mempunyai sejarah berbulan-bulan ketika pesaing masih memutuskan apa yang hendak diukur, dan sejarah ialah bahagian yang tidak boleh anda isi kemudian.

Bekerjasama dengan WISLR

Lihat tujuh nombor ini pada data anda sendiri.

WISLR AI Channel Analytics melaporkan ketujuh-tujuhnya daripada log pelayan pihak pertama anda sendiri: liputan latihan dan liputan calon mengikut enjin, baris gilir dirangkak tetapi tidak dipetik, skor pertumbuhan, dan hasil yang dipadankan kembali kepada sesi. Pelan percuma menyimpan sejarah 30 hari berterusan, yang cukup untuk menetapkan garis dasar.

Mula dengan WISLR.ai Lihat cara AI Channel Analytics mengukurnya →

It's Now Safer to Put Cloudflare in Front of Shopify: What O2O Fixed, and What the Warnings Still Mean