Trafik LLM Adalah Titik Buta dalam Analitik Anda. Inilah Sebabnya.

Saluran AI Anda Sedang Berkembang. Analitik Anda Tidak Mengikut.

ChatGPT, Gemini, Claude, Perplexity dan LLM lain menjana lebih banyak trafik daripada yang anda fikirkan. Jumlahnya bukan menitis masuk, ia memecut pada kadar yang mula menyaingi saluran yang telah ditubuhkan. Sesetengah penganalisis menganggarkan trafik rujukan AI boleh mengatasi rujukan carian tradisional menjelang 2028. Kami rasa, pada sesetengah laman, itu sudah pun berlaku.

Artikel ini menerangkan mengapa, menggunakan ujian praktikal merentasi peranti mudah alih dan desktop, mod nyahpepijat pelayar, pengelogan permintaan sisi pelayan, dan teknik lain merentasi tiga platform LLM terkemuka: ChatGPT, Gemini, dan Claude.

Pertama, Fahami di Mana Pengguna Anda Berada

Sebelum masuk ke dalam apa yang rosak dan bila, ia membantu untuk memahami skala masalah mengikut jenis peranti.

Mudah alih adalah platform dominan untuk trafik web. Menurut Cloudflare Radar, yang menjejaki permintaan HTTP merentasi rangkaian yang mengendalikan lebih daripada 20% daripada semua trafik web global, peranti mudah alih menyumbang kira-kira 50% daripada semua permintaan web. Nombor itu paling baik dianggap sebagai lantai: rangkaian Cloudflare membawa jumlah trafik API, perkhidmatan B2B, dan alatan pembangun yang ketara, semuanya condong berat ke desktop. Trafik web menghadap pengguna berjalan jauh lebih tinggi pada mudah alih. Merentasi akaun GA4 yang kami bekerja setiap hari, mudah alih biasanya menyumbang antara 70% hingga 90% daripada jumlah sesi. Trafik desktop adalah nyata, tetapi sekunder.

Mudah alih adalah tempat atribusi LLM paling teruk gagal. Peranti yang kebanyakan audiens anda gunakan adalah peranti di mana pengukuran paling rosak.

Apa yang Kami Uji

Untuk memahami dengan tepat di mana penjejakan rosak, kami menjalankan ujian praktikal merentasi peranti mudah alih dan desktop menggunakan aplikasi asli dan pelayar web untuk ChatGPT, Gemini, dan Claude. Ujian dijalankan pada iPhone yang menjalankan versi terkini iOS, peranti Android yang menjalankan versi terkini Android, Mac yang menjalankan versi terkini macOS, dan PC Windows yang menjalankan versi terkini Windows.

Untuk setiap senario, kami melihat sama ada parameter UTM hadir, sama ada perujuk dihantar ke laman destinasi, dan sama ada identiti sesi kekal apabila pengguna berpindah daripada antara muka LLM ke pelayar standard.

Inilah apa yang kami jumpa.

Keputusan Sepintas Lalu

Mudah Alih: Di Mana Kebanyakan Trafik Berada, dan di Mana Penjejakan Rosak

Jadual di atas menceritakan kisah dengan jelas. Untuk aplikasi mudah alih, terdapat isyarat boleh dijejaki yang rendah atau tiada langsung. Tetapi mengapa?

Jawapannya adalah paparan web, dan ia berbaloi untuk memahami apa sebenarnya maksudnya sebelum masuk ke dalam spesifik platform.

Apabila pengguna mengetuk pautan di dalam aplikasi LLM mudah alih, sama ada itu ChatGPT, Gemini, atau Claude, pautan biasanya dibuka dalam pelayar dalam aplikasi yang terpencil yang dipanggil paparan web. Paparan web ini tidak berkongsi kuki, data sesi, atau identiti dengan pelayar asli peranti. Apa-apa keadaan penjejakan yang ditetapkan di dalam paparan web itu kekal terperangkap di situ.

Akibat praktikal: apabila pengguna selesai melayari di dalam aplikasi LLM dan kemudiannya membuka pelayar peranti biasa mereka untuk meneruskan penyelidikan atau penukaran, tiada kesinambungan. Tiada identiti bersama. Tiada penyerahan. Lawatan itu menjadi trafik langsung yang tidak diatribusikan.

ChatGPT pada mudah alih adalah yang paling boleh dijejaki daripada pilihan yang diuji. Aplikasi itu menghantar utm_source=chatgpt.com pada pautan keluar, dan secara teknikal terdapat laluan ke atribusi, tetapi ia bergantung pada urutan peristiwa yang tidak mungkin berlaku. Untuk UTM itu bertahan sepanjang perjalanan sehingga penukaran, pengguna perlu mengetuk pautan di dalam ChatGPT, dibawa ke dalam paparan web dalam aplikasi, dan kemudian secara eksplisit mengetuk “Open in Browser” untuk menyerahkan sesi kepada pelayar asli mereka sebelum meneruskan. Perhatikan bahawa perjalanan ini hanya mengekalkan sesi pada peranti Android. Pada iOS, walaupun penyelesaian ini memecahkan kesinambungan sesi.

Dalam praktiknya, seseorang menemui anda di dalam ChatGPT. Mereka membaca tentang anda, mungkin mengetuk ke laman anda sebentar, dan bergerak seterusnya. Kemudian, mungkin satu jam kemudian, mungkin dua hari kemudian, mereka mencari anda di Google, atau hanya menaip URL anda secara langsung, dan itulah saat mereka mungkin mula proses menukar. Sesi itu tidak membawa kesan interaksi ChatGPT yang memulakan semuanya. UTM sudah hilang. Perujuk sudah hilang. GA4 merekodkannya sebagai langsung atau carian organik, dan ChatGPT tidak mendapat kredit. Dan ya, ini benar walaupun anda mempunyai ciri penjejakan seperti Google Signals didayakan dalam harta GA4 anda.

Gemini dan Claude pada mudah alih tidak menghantar parameter UTM mahupun perujuk dalam mana-mana senario yang diuji. Sesi daripada platform ini mendarat sebagai trafik langsung tulen. Tiada isyarat yang menghubungkannya kembali kepada LLM yang memacunya.

Satu nuansa yang patut diperhatikan: jika pengguna menemui laman dan menukar di dalam paparan web, terdapat kesinambungan sesi dalaman dalam konteks terpencil itu. Paparan web mengekalkan kukinya sendiri merentasi sesi, jadi perjalanan yang diselesaikan sepenuhnya di dalam paparan web aplikasi secara teori boleh diukur. Had penjejakan kuki standard masih digunakan, dan berapa kerap pengguna melengkapkan gelung penukaran penuh di dalam paparan web aplikasi adalah soalan terbuka yang berbaloi untuk diterokai.

Desktop: Lebih Baik, Tetapi Masih Tidak Konsisten

Desktop menawarkan keadaan penjejakan yang lebih menggalakkan daripada mudah alih, tetapi gambaran masih berpecah bergantung pada platform dan antara muka yang anda gunakan.

Tidak seperti mudah alih, aplikasi LLM desktop tidak memerangkap pautan dalam paparan web yang terpencil. Mereka menyerahkan pautan keluar terus kepada pelayar lalai pengguna. Jadi masalah pengasingan paparan web tidak terpakai pada desktop. Apa yang masih terpakai ialah sama ada platform mengambil masa untuk menghantar UTM atau perujuk sama sekali, dan pada aspek itu, hasilnya bercampur-campur.

ChatGPT pada desktop (aplikasi asli) menghantar utm_source=chatgpt.com pada pautan keluar, senario desktop yang paling boleh dipercayai daripada mana-mana platform yang diuji. ChatGPT dalam pelayar menghantar perujuk tetapi tiada UTM.

Gemini tidak mempunyai aplikasi desktop pada Mac atau Windows. Semua penggunaan Gemini desktop adalah melalui pelayar. Gemini dalam pelayar menghantar perujuk tetapi tiada UTM, kisah yang sama seperti ChatGPT berasaskan pelayar.

Claude adalah prestasi paling lemah merentasi semua senario desktop. Aplikasi desktop asli tidak menghantar UTM mahupun perujuk. Claude dalam pelayar juga tidak menghantar kedua-duanya. Setiap sesi daripada Claude pada desktop mendarat sebagai trafik langsung yang tidak diatribusikan sepenuhnya tanpa mengira bagaimana pengguna sampai ke situ.

Masalah Berkompaun: Atribusi Baik pun Tidak Selalu Sampai ke Penukaran

Andaikan sebentar bahawa penjejakan berfungsi. UTM dipenuhi, perujuk hadir, sesi boleh diatribusikan. Anda mungkin fikir anda telah dilindungi.

Anda tidak.

Laluan daripada interaksi LLM ke penukaran yang selesai jarang menjadi satu sesi. Pengguna menemui sesuatu melalui ChatGPT pada telefon mereka pada waktu siang. Mereka mengklik pautan, mendarat di halaman, melayari selama beberapa minit. Mereka pergi tanpa menukar. Dua hari kemudian, mereka kembali pada komputer riba mereka untuk meneruskan. Pada ketika itu, UTM asal mungkin telah tamat tempoh, peranti mungkin berbeza, kuki mungkin telah hilang.

Tempoh kuki, perjalanan merentas peranti, dan laluan berbilang sesi setiap satu secara bebas memecahkan atribusi. Bersama-sama, mereka memastikan bahawa walaupun sebahagian kecil sesi yang dirujuk LLM yang ditandakan dengan betul pada titik sentuhan pertama akan jarang menerima kredit untuk penukaran akhir.

Ini bukan masalah unik kepada trafik LLM. Tetapi ia lebih teruk di sini kerana penemuan berbantu LLM cenderung berlaku lebih awal dalam perjalanan pertimbangan, orang sedang menyelidik dan meneroka, belum bersedia untuk membeli. Jurang antara lawatan pertama yang dipengaruhi AI itu dan penukaran akhir lebih panjang daripada tetingkap klik-ke-penukaran berbayar biasa, yang menjadikan masalah merentas peranti lebih teruk.

Apa yang Ini Bermakna untuk Data Anda

Mari letakkan nombor kasar pada ini. Matlamatnya bukan ketepatan palsu: ia adalah julat munasabah yang membantu anda memahami skala apa yang anda berkemungkinan terlepas.

Mulakan dengan pecahan peranti. Cloudflare Radar meletakkan trafik web mudah alih global pada kira-kira 50% daripada semua permintaan HTTP, dan nombor itu condong rendah untuk audiens menghadap pengguna kerana rangkaian Cloudflare membawa campuran berat trafik API dan pembangun. Dalam akaun GA4 yang kami bekerja, mudah alih biasanya berjalan antara 70% dan 90% daripada sesi. Kami menggunakan 70% di sini untuk kekal konservatif.

Kemudian terdapat soalan tentang bagaimana orang sebenarnya menggunakan LLM pada telefon mereka. Tidak semua orang menggunakan aplikasi asli. Sesetengah mengakses ChatGPT, Gemini, atau Claude melalui pelayar mudah alih mereka, dan penggunaan pelayar adalah lebih boleh dijejaki dengan ketara. Dua andaian mengehadkan julat.

Andaian asas digunakan dalam kedua-dua kes:

• Pecahan mudah alih/desktop: 70% mudah alih, 30% desktop
• Kadar kelangsungan isyarat aplikasi: 20% klik aplikasi mudah alih berjaya menghantar isyarat yang boleh digunakan (cth. pengguna Android mengetuk “Open in Browser”, atau penukaran berlaku di dalam paparan web)
• Pengurangan laluan penukaran: penalti 25% dikenakan untuk kehilangan isyarat daripada lompatan merentas peranti dan kuki yang tamat tempoh
• Faktor Google AIO: sebahagian penemuan yang dipengaruhi AI kini berlaku melalui Google AI Overviews dan AI Mode, yang GA4 rekodkan sebagai carian organik standard tanpa cara untuk mengasingkannya

Julat

Andaian di atas adalah anggaran, jangan ragu-ragu untuk memasukkan nombor yang lebih mencerminkan audiens atau andaian anda sendiri. Gunakan pecahan mudah alih yang berbeza, nisbah aplikasi-ke-pelayar yang berbeza, kadar pengurangan yang berbeza. Model ini bukan bertujuan untuk tepat. Ia bertujuan untuk menunjukkan bahawa tidak kira nombor munasabah yang anda pilih, kesimpulannya sama: terdapat laporan kurang yang besar berlaku, dan jurang cukup besar untuk dipentingkan.

Dengan andaian kami, julat berjalan dari kira-kira 2.5x pada hujung optimistik hingga 5x pada hujung yang lebih pesimistik, dan berpotensi lebih tinggi setelah anda mengambil kira sesi organik Google yang dipengaruhi LLM yang mustahil diasingkan dengan analitik standard.

Jika papan pemuka anda menunjukkan 1.5% daripada sesi anda adalah daripada LLM, berkemungkinan antara 4% dan 8% daripada sesi tersebut sebenarnya datang daripada LLM, dan nombor itu berkembang pesat. Itu adalah keseluruhan saluran bersembunyi dalam laporan Langsung dan Organik anda.

Bolehkah Anda Membetulkannya?

Sebahagiannya. Tiada penyelesaian lengkap, tetapi terdapat penambahbaikan bermakna yang tersedia untuk pasukan yang sanggup melabur dalam analitik dan penjejakan yang lebih canggih.

Penjejakan sisi pelayan dan pengelogan permintaan boleh menangkap isyarat yang JavaScript sisi klien terlepas sepenuhnya. Alat cap jari peranti boleh mengekalkan identiti probabilistik merentasi konteks paparan web dan pelayar pada peranti yang sama, sebahagiannya merapatkan jurang pengasingan yang penjejakan berasaskan kuki standard tidak dapat lintasi. Tiada pendekatan yang membawa anda ke pengukuran penuh, dan tiada yang menyelesaikan masalah merentas peranti tanpa keadaan pengguna yang log masuk untuk menambatkan kedua-dua sesi bersama-sama.

Jawapan jujur: anda tidak akan mendapat pengukuran penuh. Seni bina sistem pengendalian mudah alih, dasar perujuk platform LLM, dan sifat perjalanan berbilang sesi merentas peranti semuanya bekerja menentangnya. Tetapi itu bukan perkara paling penting untuk difahami tentang saluran ini.

Matlamat pengukuran bukan kiraan sempurna setiap penukaran: ia adalah pemahaman arah yang cukup baik untuk membuat keputusan. Anda tidak perlu mengatribusikan setiap penukaran berbantu LLM untuk mengetahui bahawa saluran ini sedang berkembang, bahawa bahagian anda daripadanya adalah sesuatu yang anda boleh pengaruhi, dan bahawa perubahan relatif yang anda buat kepada strategi keterlihatan AI anda akan muncul dalam nombor anda. Jika trafik yang dirujuk LLM anda berganda selepas anda menyusun semula kandungan anda untuk petikan AI yang lebih baik, pergerakan itu bermakna sama ada anda boleh mengikat setiap jualan kembali kepada sesi sembang tertentu atau tidak.

Artikel ini bukan hujah untuk berputus asa pada pengukuran. Ia adalah hujah untuk tidak membiarkan pengukuran tidak sempurna menjadi alasan untuk tidak bertindak. Pasukan yang menganggap keterlihatan AI sebagai saluran pertumbuhan yang serius sekarang, bukan apabila atribusi lebih bersih, bukan apabila GA4 mengejar, tetapi sekarang, adalah pasukan yang membina kelebihan yang akan sukar ditutup.

Metodologi

Ujian dijalankan pada iPhone yang menjalankan versi terkini iOS, peranti Android yang menjalankan versi terkini Android, Mac yang menjalankan versi terkini macOS, dan PC Windows yang menjalankan versi terkini Windows. Linux tidak diuji secara langsung tetapi dijangka mengikuti corak yang serupa. Setiap platform LLM, ChatGPT, Gemini, dan Claude, telah diuji melalui aplikasi aslinya (di mana tersedia) dan melalui pelayar peranti. Untuk setiap senario, kami melihat sama ada parameter UTM dipenuhi, sama ada perujuk dihantar ke laman destinasi, dan sama ada identiti sesi kekal apabila navigasi berpindah daripada antara muka LLM ke pelayar lalai peranti. Pengelogan sisi pelayan digunakan untuk melengkapkan pemerhatian sisi klien.

Penyelidikan ini mencerminkan tingkah laku platform pada masa ujian (12 April 2026). Platform LLM mengemas kini aplikasi dan antara muka web mereka dengan kerap, dan tingkah laku penjejakan mungkin berubah.

Intipati

Saluran AI bukan pertimbangan masa depan. Mereka aktif sekarang, berkembang, dan membentuk keputusan pada skala. Masalahnya ialah infrastruktur yang kebanyakan pasukan gunakan untuk mengukur saluran ini dibina untuk dunia di mana klik menghasilkan perujuk yang boleh dipercayai dan kuki yang bertahan cukup lama untuk melihat penukaran.

Itu bukan bagaimana trafik LLM berfungsi.

Anggap nombor saluran AI anda sebagai laporan kurang yang ketara. Sesi yang anda boleh lihat adalah yang kebetulan terselamat daripada setiap lapisan kehilangan penjejakan. Yang tidak selamat adalah jauh lebih banyak, dan mereka termasuk orang yang menemui anda, dipengaruhi oleh apa yang AI katakan tentang anda, dan menukar tanpa meninggalkan sebarang kesan yang anda boleh ikuti.

Soalan Lazim

Mengapa GA4 saya menunjukkan hampir tiada trafik daripada Claude atau Gemini?

Kerana kedua-dua platform tidak menghantar sebarang parameter UTM dan tiada perujuk dalam majoriti senario yang kami uji. Pada mudah alih, pautan dibuka dalam paparan web dalam aplikasi yang terpencil yang tidak pernah bersambung dengan persekitaran analitik standard anda. Pada desktop, Claude tidak menghantar apa-apa sama ada dalam aplikasi atau pelayar. Gemini menghantar perujuk dalam pelayar tetapi tiada UTM. Tanpa kedua-duanya, kebanyakan trafik ini mendarat di GA4 sebagai trafik langsung atau tidak dikira langsung.

ChatGPT menunjukkan sedikit trafik dalam laporan saya. Adakah itu bermakna ia dijejaki dengan tepat?

Tidak tepat. ChatGPT adalah yang paling boleh dijejaki daripada tiga platform yang kami uji. Ia menambah utm_source=chatgpt.com dalam beberapa senario, dan aplikasi desktopnya melakukan ini dengan boleh dipercayai. Tetapi pada mudah alih, laluan ke atribusi adalah sempit dan bergantung pada platform. UTM boleh bertahan jika pengguna mengetuk “Open in Browser” di dalam paparan web, tetapi ini hanya berfungsi pada Android. Pada iOS, penyerahan itu tidak mengekalkan sesi sama sekali. Identiti hilang apabila pengguna meninggalkan paparan web tidak kira bagaimana mereka keluar. Jadi walaupun dalam kes terbaik, anda memerlukan pengguna pada Android, menggunakan aplikasi, dan secara eksplisit mengetuk “Open in Browser” sebelum navigasi seterusnya. Itu adalah sebahagian kecil daripada trafik mudah alih ChatGPT sebenar anda. Nombor yang anda lihat dalam GA4 adalah nyata, tetapi mereka mewakili sebahagian kecil daripada apa yang ChatGPT sebenarnya pacu.

Adakah masalah ini hanya menjejaskan pengguna mudah alih?

Mudah alih adalah tempat ia paling teruk, tetapi desktop juga tidak bersih. Claude pada desktop tidak menghantar apa-apa merentasi semua senario yang diuji, aplikasi atau pelayar. Gemini pada desktop menghantar perujuk tetapi tiada UTM, yang mungkin atau mungkin tidak dikelaskan dengan betul bergantung pada persediaan GA4 anda. Aplikasi desktop ChatGPT adalah satu titik terang yang boleh dipercayai. Jadi walaupun audiens anda sepenuhnya pada desktop, anda masih akan terlepas sebahagian besar trafik yang dipengaruhi LLM.

Apakah itu paparan web dan mengapa ia menyebabkan masalah penjejakan?

Paparan web adalah pelayar dalam aplikasi yang dibuka apabila anda mengetuk pautan di dalam aplikasi mudah alih. Ia kelihatan seperti pelayar, tetapi ia terpencil daripada pelayar sebenar peranti anda. Ia tidak berkongsi kuki, data sesi, atau identiti dengan Safari atau Chrome. Jadi sebarang penjejakan yang dicetuskan di dalam paparan web kekal terperangkap di situ. Apabila pengguna kemudiannya membuka pelayar sebenar mereka untuk meneruskan perjalanan, mereka kelihatan seperti pelawat baharu tanpa sejarah.

Jika penukaran akhir berlaku di dalam paparan web aplikasi, adakah ia dijejaki?

Ia boleh dijejaki, tetapi tidak bersih. Penukaran mesti berlaku di dalam paparan web untuk rantaian atribusi kekal. Pengguna tidak perlu menghabiskan seluruh perjalanan mereka di situ, tetapi langkah terakhir itu perlu. Tangkapannya ialah iOS membentuk majoriti trafik mudah alih bagi kebanyakan audiens, dan pada iOS paparan web tertakluk kepada sekatan kuki WebKit, termasuk Intelligent Tracking Prevention. Sekatan tersebut boleh mengehadkan atau memecahkan kesinambungan yang anda bergantung. Jadi walaupun senario ini secara teori boleh dijejaki, dalam praktiknya ia adalah pilihan paling kurang rosak yang tersedia dan bukan laluan yang boleh diharapkan.

Bolehkah saya membetulkan ini dengan penjejakan sisi pelayan?

Penjejakan sisi pelayan membantu, tetapi ia tidak menyelesaikan semuanya. Ia boleh menangkap isyarat yang JavaScript sisi klien terlepas, termasuk data perujuk yang tidak pernah sampai ke GA4. Alat cap jari peranti juga boleh membantu dengan mengekalkan identiti probabilistik merentasi konteks paparan web dan pelayar pada peranti yang sama. Tetapi kedua-dua pendekatan tidak menyelesaikan masalah merentas peranti, dan tiada yang memberikan anda pengukuran penuh. Anda akan mendekati kebenaran dengan ketara, tetapi anda tidak akan sampai sepenuhnya.

Berapa banyak trafik penukaran berbantu LLM sebenarnya dilaporkan kurang?

Berdasarkan analisis kami, sekitar 2.5x hingga 5x, bergantung pada audiens anda dan cara mereka menggunakan platform LLM. Anggaran konservatif (Kes A) mengandaikan separuh pengguna mudah alih mengakses LLM melalui pelayar, di mana penjejakan sebahagian besarnya berfungsi, menghasilkan kira-kira laporan kurang 2.5x selepas mengambil kira kehilangan laluan penukaran. Anggaran yang lebih realistik (Kes B) mengandaikan 80% pengguna mudah alih berada pada aplikasi asli, di mana penjejakan pada dasarnya gagal, menghasilkan laporan kurang 4 hingga 5x. Kedua-dua anggaran berkemungkinan masih konservatif, kerana sebahagian yang semakin meningkat daripada apa yang GA4 klasifikasikan sebagai Google organik sebenarnya adalah trafik yang dipengaruhi LLM yang tiba melalui AI Overviews dan AI Mode, trafik yang mustahil untuk diasingkan dengan analitik standard.

Patutkah saya melabur lebih banyak dalam keterlihatan AI jika saya tidak boleh mengukur hasilnya?

Ya, boleh dikatakan lebih lagi, bukan kurang. Hakikat bahawa anda tidak boleh mengukur impak penuh saluran ini tidak bermakna impak itu tiada. Ia bermakna alat semasa anda tidak cukup berkelayakan untuk melihatnya. Sesi yang berjaya sampai ke laporan anda sudah menunjukkan penglibatan yang bermakna. Yang tidak adalah lebih banyak dalam pelbagai magnitud. Menganggap saluran ini tidak penting kerana nombor kelihatan kecil adalah kesimpulan yang betul-betul salah untuk dibuat.