IKENSA暫定名 · 開發預覽

AI 流量歸因

referrer 辨識 + GA4 自訂管道分組

g22檢核 自動GEO / AIO在互動地圖中開啟 →

AI 流量歸因像在收銀台問「您怎麼知道我們的?」——客人說「ChatGPT 推薦的」,這句話要被記進帳本,AI 通路的價值才算得出來。

03為什麼是現在學

GEO 的最後一哩:證明 AI 能見度變成了生意。referrer 歸因(m05 的管道分組)+詢問來源,兩路並進才能把「AI 帶來多少客人」講成數字。

04白話理解(對客戶簡報可直接引用)

三層歸因:①技術層——GA4 的 AI 管道分組(m05),量測帶 referrer 的 AI 流量 ②詢問層——表單/成交流程加「怎麼知道我們」欄位(選項含 ChatGPT/AI 推薦),補技術層量不到的(App 內開啟、口頭轉述)③品質層——AI 管道的轉換率與案值單獨看(普遍觀察:AI 來的訪客意圖更明確、轉換率更高——因為他是被「推薦」來的,不是被「搜到」的)。

05工具箱

  • GA4 AI 管道(m05 建的) — 技術層
  • 「怎麼知道我們」欄位 — 詢問層——最土也最真

06怎麼做 · SOP 3 步(每步標產出物)

  1. 1確認 m05 管道運作技術層就緒
  2. 2表單加來源欄位詢問層上線
  3. 3月報 AI 通路獨立列(流量+轉換+案值)歸因報表

07場景應用(實戰經驗)

  • 半年後的月報出現這一列:「AI 通路:工作階段佔 5%、詢價佔 12%」——通路小但含金量高,這正是說服客戶投資 GEO 的完整證據鏈終點。

08⚠️ 常見誤區

  • 只靠 referrer——AI 流量的暗流量(direct 化)比例不低,缺詢問層會系統性低估 AI 通路價值。
口訣

機器量一半,開口問另一半;AI 通路要單獨記帳。

10里程碑 · 完成標準(可驗證)

  • 雙層歸因運作
  • 月報有 AI 通路列

學習者勾自己的進度;顧問勾客戶專案的交付——同一份標準,兩種用法。

12檢核方式與依據出處

程式自動判定:輸入網址,掃描引擎自己爬、自己打 API、自己判定。

依據等級決定計分權重(🟢×3/🔵×2/⚠️×1)——權重量的是「依據有多硬」, 不是「我們覺得多重要」。查無權威文件的判準,誠實標「業界慣例」。

← 上一節點
引用來源分析