AI 搜尋趨勢

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。

David Hsu David Hsu
AI Referral 與 Zero-click 時代,SEO 流量該怎麼分類?
這篇內容要解決什麼?:AI Referral 與 Zero-click 時代,SEO 流量該怎麼分類?
AI Referral 與 Zero-click 時代,SEO 流量該怎麼分類?

問題本質:當「直接流量」異常增加,問題可能出在 GA4 之外

如何根據 referrer 訊號,將一段流量分類到正確的類別?:流量分類的起點是檢查原始 referrer 欄位,而非依賴 GA4 的自動分類標籤。
流量分類的起點是檢查原始 referrer 欄位,而非依賴 GA4 的自動分類標籤。

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」

AI referral traffic 在 GA4 原始數據和報表中看起來有何不同?:同一筆流量,在未處理的原始數據中可見 referrer 訊號,但在預設報表中可能被錯誤歸類。
同一筆流量,在未處理的原始數據中可見 referrer 訊號,但在預設報表中可能被錯誤歸類。

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

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