Så spårar du AI-trafik i GA4
När en person klickar på en länk i ett AI-verktyg registreras det som Referral (hänvisningstrafik). För att se trafiken från dessa plattformar i GA4 gör vi så här:
-
Gå till rapporter > Livscykel > Förvärv > Trafikförvärv
-
Ändra den primära dimensionen till Källa/medium för session
-
Leta efter källor som:
-
chatgpt.com/openai.com
-
perplexity.ai
-
claude.ai/anthropic.com
-
android-app://com.google.android.googlequicksearchbox (Indikerar ofta AI-sök via Googles mobilapp)
Tips! Skapa en anpassad kanalgrupp för AI-trafik
För att slippa filtrera manuellt varje gång sätter vi upp en anpassad kanalgrupp (Custom Channel Grouping) i GA4. Vi skapar en ny regel där källan matchar domänerna för AI-verktygen. Då samlas all denna trafik under en enskild kanal, exempelvis ”AI Referrals”. Det ger en direkt överblick över hur trafikströmmarna från plattformarna utvecklas löpande.
Problemet med verktyg som mäter AI-synlighet
Vi kan enkelt mäta klick till sajten, men det är svårare att veta om vi syns när användaren stannar kvar i AI-verktyget. Precis som Search Engine Land konstaterar i sin artikel, räcker GA4 inte till för att ge hela bilden.
För att lösa detta testar branschen olika metoder. Vissa använder loggfilsanalys för att spåra AI-bottar. Den vanligaste metoden hos dagens SEO-verktyg är dock att skicka in sökordslistor till AI-modellerna via API. Därefter läser de av svaren för att se om en specifik domän nämns.
Den metoden har dock brister:
-
Det saknas data om vad användare faktiskt skriver till AI-verktygen. Mätningen bygger på artificiella prompter från skript.
-
Urvalen är små.
-
Svaren styrs av kontext och exakt formulering. Ett test visar enbart vad modellen genererade vid en specifik sekund.
Vi utvärderar synligheten med hjälp av GSC och PPA
När vi saknar insyn i den underliggande datan arbetar vi utifrån de verktyg vi har tillgång till. Vi förlitar oss på Google Search Console (GSC) och PPA (Past Performance Analysis) och väljer bort verktyg som bygger analyser på artificiella prompter.
Begränsningar i metoden
-
Färre klick trots bra placering: Om klickfrekvensen i GSC sjunker på specifika informationssökningar, samtidigt som placeringen förblir stabil, kan det tyda på att AI Overviews hanterar svaren i sökresultaten.
-
Jämför med uppdateringar: Genom att jämföra historisk data i GSC ser vi att trafikmönster bryts i samband med att Google introducerar nya AI-funktioner.
-
Gör en tidslinje: Som ett extra steg rekommenderar vi att du exporterar din klickdata från GSC och lägger den över en tidslinje för Googles bekräftade AI-uppdateringar för att identifiera exakta mönster.
-
Mät det som landar: Vi mäter klick som når sajten via GA4 och bedömer synlighet utifrån antaganden baserade på GSC.
Artikelns innehåll
- Så spårar du AI-trafik i GA4
- Tips! Skapa en anpassad kanalgrupp för AI-trafik
- Problemet med verktyg som mäter AI-synlighet
- Vi utvärderar synligheten med hjälp av GSC och PPA
- Begränsningar i metoden
