AI Referral 與 Zero-click 時代,SEO 流量該怎麼分類?
解析為何 GA4 無法自動區分 AI referral 與 zero-click 流量,提供基於 referrer 訊號的決策樹診斷流程,並給出從 BigQuery 查詢到自訂維度的進階分類解決方案。
問題本質:當「直接流量」異常增加,問題可能出在 GA4 之外
當你的 GA4 報告中「直接流量」或「未參照流量」出現不明顯的增長時,第一反應可能是檢查 UTM 參數或 GA4 設定是否正確。然而,在 AI 工具普及的當下,這個診斷方向可能偏離了核心。真正的問題往往不在於 GA4 的分類規則有誤,而是因為來自 AI 工具的點擊流量,其技術特徵(缺少傳統 HTTP referrer 標頭)與「直接流量」相似,導致 GA4 無法正確歸因。調整預設的 Channel Grouping 只能治標,我們必須回歸到流量產生的原始技術層面——即 referrer 訊號的有無與內容——來進行根本性的分類。
AI Referral 的技術邊界:有明確 referrer 才能被「看見」
要理解為何某些 AI 流量被歸類為 referral,而另一些卻混入 direct,關鍵在於瀏覽器在頁面跳轉時是否發送了 HTTP referrer 標頭。具體來說,一筆流量要被 GA4(或任何基於 referrer 的分析系統)識別為「AI Referral」,使用者必須是透過點擊一個來自 AI 工具介面(例如 ChatGPT、Perplexity)的明確連結到達你的網站,且該跳轉過程沒有被安全策略(如 Referrer-Policy)或使用者設定阻擋。在這種情況下,你會在原始資料中看到類似 `chat.openai.com` 的 referrer 值。相反地,如果使用者是閱讀完 AI 回答後,手動複製網址並貼上瀏覽器,或是點擊了某個被設計為不傳遞 referrer 的連結,那麼這筆流量在技術上就缺少了來源標記,GA4 將無法知曉其來自 AI 工具,只能將其歸入「直接流量」或「未參照流量」。
GA4 原生報告的限制:為何預設分類不夠用
GA4 的自動流量來源分類系統(如 Organic Search, Referral, Direct)是一套內建的、基於常見管道規則的演算法。它的設計目標是處理大部分常規流量,但它並沒有一個預設的「AI Traffic」類別。這意味著,即使原始資料中清晰地記錄了 `perplexity.ai` 作為 referrer,GA4 的預設報告也可能只會將其簡單地放入「Referral」大類,甚至可能因為其他規則而錯誤地分配。要將這類流量精確地隔離出來進行獨立分析,你必須採取進階操作。這通常意味著需要將 GA4 的原始資料匯出到 BigQuery,並撰寫 SQL 查詢來篩選 referrer 欄位包含特定 AI 工具網域的記錄。另一個更即時的方法是透過 Google Tag Manager 或事件代碼,在資料收集層級建立一個自訂維度,從源頭為這些流量打上標記。這些方法都超越了 GA4 預設報告的能力範圍。
診斷流程:基於 Referrer 訊號的決策樹
診斷流量分類問題,可以遵循一個以 referrer 訊號為核心的決策流程。首先,在 GA4 中定位到「未參照流量」或「直接流量」異常增加的時段與頁面。接著,你需要存取原始資料(例如透過 BigQuery 導出),檢查這些會話的 `sessionSource` 或 `referrer` 欄位。流程由此展開:第一個判斷節點是檢查該欄位是否包含已知的 AI 工具網域清單(如 `chat.openai.com`, `claude.ai`, `perplexity.ai`)。如果是,那麼這筆流量在技術上應被歸類為「AI Referral Traffic」。如果否,則進行第二個判斷:檢查該流量是否帶有搜索引擎相關的參數(如來自 Google 的 referrer 或帶有 `utm_source=google` 的標記),若是則歸類為「Organic Search」。若以上條件均不滿足,這筆流量才可能被認為是真正的「直接流量」或無 referrer 的「Zero-click」行為。這個流程的起點和關鍵,始終是檢查原始的 referrer 欄位,而非依賴 GA4 的自動分類標籤。
實戰範例:從異常 direct traffic 到正確歸因
建立可持續的分類機制:從自訂維度到即時報表
一次性地在 BigQuery 中排查問題固然有效,但為了長遠的流量分析與策略制定,你需要一個可持續、自動化的分類機制。這可以透過在 GA4 中建立「自訂維度」來實現。具體步驟是:首先,定義一個新的自訂維度,例如命名為「AI Traffic Source」。然後,在 Google Tag Manager 中設定一個觸發器,當頁面載入時檢查當前 referrer 是否匹配你的 AI 工具網域名單。如果匹配,就在事件中觸發一個參數,將相應的 AI 工具名稱(如「ChatGPT」)傳送到 GA4。這樣一來,資料在收集層級就已被清晰標記,你可以在 GA4 的即時報告或自訂探索中,直接按「AI Traffic Source」維度來切分和查看這部分流量的表現,例如其轉換率、停留時間等,從而與其他流量管道進行有meaning的比較。
為什麼 GA4 預設報告不能直接告訴我哪些流量來自 AI?
GA4 的預設報告是基於一套通用的管道分類規則設計的,它內建了「Referral」等類別,但沒有專門針對「AI Traffic」的分類規則。即使原始資料中記錄了明確的 AI 工具 referrer,GA4 也可能僅將其歸入廣義的「Referral」類別,無法單獨、精確地提取出來進行分析。要實現精確分類,必須透過 BigQuery 查詢或建立自訂維度等方式進行進階處理。
文中提到的「referrer」到底是指什麼?我能在哪裡看到它?
「referrer」(HTTP Referrer 標頭)是瀏覽器在跳轉到一個新網頁時,自動發送的一個資料,用來告知目標網頁「我是從哪個頁面來的」。在 GA4 中,你無法在預設報告中直接看到完整的原始 referrer。最直接的方法是將資料匯出至 BigQuery,然後在資料表中查詢 `sessionSource` 或 `referrer` 欄位,這裡會記錄如 `google.com` 或 `chat.openai.com` 等原始來源網域。
一定要用 BigQuery 才能解決這個問題嗎?有沒有更簡單的方法?
BigQuery 是進行深度診斷和原始資料分析的強大工具,但並非唯一方法。另一個更即時的「簡單」方法是在資料收集層級處理:透過 Google Tag Manager 設定規則,當偵測到特定 referrer 時,就為該訪問賦予一個自訂維度值(如「AI-ChatGPT」)。這需要一些前端設定,但一旦完成,後續在 GA4 報告中就能直接按此維度篩選查看,無需每次依賴 BigQuery 查詢。
我如何知道哪些網域名稱屬於「AI 工具」?需要自己維護一份名單嗎?
目前沒有官方的、統一的 AI 工具網域列表。你需要基於市場觀察和社群知識來建立並維護一份初始名單,例如包含 `chat.openai.com`、`claude.ai`、`perplexity.ai`、`bard.google.com` 等。這份名單需要定期檢視和更新,因為新的 AI 工具會不斷出現,而既有工具的網域名稱也可能發生變化。這份名單將是你的 GA4 自訂維度或 BigQuery 查詢中過濾條件的核心。
被分類為「直接流量」的那些點擊,一定是「Zero-click」行為嗎?
不一定。在本文的討論框架中,「Zero-click」主要指那些沒有產生傳統 referrer 訊號、導致流量被 GA4 記錄為「直接流量」的點擊行為。然而,被分類為「直接流量」的訪問可能還包含其他情況,例如使用者直接在瀏覽器輸入網址、點擊書籤、或點擊來自封閉式 App(如某些通訊軟體)的連結。診斷的重點在於找出其中「異常增加」的部分,而這部分往往與 AI 工具的傳播有關。你需要透過分析新增的「直接流量」的 landing page、地域、設備等特徵來進一步推斷其真實來源。
David Hsu
搜尋數據分析師
擁有 6 年以上搜尋行銷數據分析經驗,GA4 認證分析師。曾為多家 Fortune 500 品牌提供搜尋數據諮詢,專精於 GA4 流量解讀、SEO 排名因素研究、競品搜尋數據比較與視覺化報表設計。透過數據驅動的方法,將搜尋趨勢轉化為可執行的行銷策略。
了解更多