為什麼 AI 導流特別難追？
過去十年，電商追流量有一套成熟語言：Google 帶來的搜尋流量，會在 GA4 的來源／媒介留下清楚的痕跡，你知道是哪個關鍵字、哪個著陸頁、跳出率多少。但 AI 導流打破了這個習慣。當顧客在 ChatGPT 問「台灣哪家賣防水登山背包比較耐用」，AI 直接在對話裡回答，甚至把你的品牌名寫進答案裡，顧客看完之後，可能是自己打開新分頁、直接搜尋你的品牌名，也可能點了 AI 附上的連結。這中間發生的曝光，你在後台幾乎看不到。
難追的原因有三個。第一，AI 回答本身不是網頁，沒有固定網址，你無法像追一個著陸頁那樣去追一段對話。第二，許多 AI 產品的引用連結會經過跳轉、或乾脆不附連結，導致 referrer（來源網址）遺失或被歸類成「直接流量」。第三，AI 的影響常常是「延遲」而且「跨裝置」的：使用者在手機上用 AI 問完，換到電腦上打開你的官網下單，這條路徑在傳統歸因模型裡會斷掉。也因此，很多中小電商明明已經被 AI 引用、生意也悄悄變好，卻在報表上完全看不出來，只覺得「直接流量莫名變多」。
結論先講：AI 成效沒辦法用單一個精準數字證明，但可以用「多個訊號交叉比對＋基準對照＋簡單實驗」建立高信心的判讀。下面一步步拆解。
可用的追蹤訊號有哪些？
訊號一：referrer 裡出現 AI 網域
這是最直接、也最該優先設定的訊號。部分 AI 產品點擊外連時，會在 referrer 留下自己的網域。你可以在 GA4 或伺服器日誌裡，把來源網址包含以下字串的流量抓出來單獨看：
chatgpt.com、chat.openai.com（ChatGPT）perplexity.ai（Perplexity）gemini.google.com、bard.google.com（Gemini）copilot.microsoft.com、bing.com/chat（Copilot）claude.ai（Claude）
做法：在 GA4 建立一個「探索」報表，維度選「工作階段來源」，套用「來源包含 perplexity 或 chatgpt 或 gemini」的篩選器，就能看到有明確 referrer 的 AI 導流。要提醒的是，這只是 AI 影響的冰山一角，因為大量 AI 曝光不會留下 referrer，會沉到直接流量裡。所以這個數字要當「下限」看，不是全部。
訊號二：品牌詞直接搜尋量上升
當 AI 在答案裡提到你的品牌，很多人不會直接點連結，而是「去 Google 搜你的店名」。所以「品牌詞的自然搜尋曝光與點擊」是 AI 能見度的重要間接證據。到 Google Search Console，把查詢字詞篩選成含品牌名的關鍵字，觀察曝光數與點擊數的月趨勢。如果你近期積極經營被 AI 引用的內容，而品牌詞搜尋量同步走高，這兩件事很可能有關聯。
訊號三：直接流量的結構性變化
AI 導流有相當比例會落進「直接（Direct）」這個桶子。單看直接流量總量沒意義，但看它的「結構」就有價值：如果直接流量裡，落在深層內容頁（例如某篇規格比較文、某個冷門商品頁）的比例突然上升，而這些頁面平常沒人會直接輸入網址進來，那很可能是 AI 把使用者導到了這些頁。相對地，如果直接流量成長全部集中在首頁，那比較可能是既有顧客回訪，跟 AI 關係不大。
訊號四：UTM 與可控連結
UTM 在 AI 場景不像社群那樣好用（因為你無法在 AI 的回答裡自己塞參數），但仍有兩個能做的地方。其一，如果 AI 產品有提供你可主動投放的欄位（例如你自己在某平台的商家資料、FAQ 連結），就掛上 utm_source=ai&utm_medium=referral。其二，在你自己可控的通路（電子報、LINE、包裹卡片）放上「你也可以問 AI 找到我們」的引導連結，用 UTM 追這條被 AI 影響過的路徑回流。
訊號五：結帳問卷「你是怎麼知道我們的？」
這是被低估、但對中小電商最划算的訊號。在結帳流程或到貨後的滿意度問卷加一題複選：「你這次是怎麼找到我們的？」選項放上「Google 搜尋」「朋友推薦」「社群廣告」「ChatGPT／AI 助理推薦」「其他」。這是唯一能直接問到「使用者主觀認知」的方法，能補足報表看不到的暗數據。哪怕只有 5% 的訂單勾了「AI 推薦」，換算成月營收也是實打實的證據。
該定義的三個核心指標
訊號很零散，你需要把它們收斂成幾個能長期追蹤、能被同事看懂的指標。建議定義三層：
指標一：AI 曝光／被引用（Visibility）
定義：你的品牌或商品，在主流 AI 助理的回答中被提及或被引用的頻率。這無法從後台自動抓，要用「人工抽測」建立：固定選 15 到 30 個你在意的問題（例如「推薦台灣製的嬰兒副食品調理機」），每月在 ChatGPT、Perplexity、Gemini 各問一次，記錄你有沒有被提到、排在第幾、有沒有附連結。算成「被引用率＝被提到的題數 ÷ 總題數」。這是你的 AI 能見度基準線。
指標二：AI 導流工作階段（AI-attributed Sessions）
定義：referrer 明確來自 AI 網域的工作階段數。這是有憑有據的硬數字，直接從 GA4 篩來源就能得到。它是下限，但趨勢最乾淨，適合當月報固定欄位。
指標三：AI 助攻轉換（AI-assisted Conversions）
定義：轉換路徑中「曾經接觸過 AI 導流訊號」的訂單。這要結合 GA4 的「轉換路徑」報表（看有沒有 AI 來源出現在路徑上），再加上結帳問卷勾選「AI 推薦」的訂單數，兩者取聯集或分開列。因為 AI 常是「發現階段」的助攻而非「臨門一腳」的最後點擊，用助攻的角度看才不會低估它。
AI 成效追蹤指標對照表
| 指標 | 怎麼定義 | 從哪裡拿數據 | 判讀方式 | 示範數字 |
|---|---|---|---|---|
| AI 被引用率 | 固定題組中被 AI 提及的題數 ÷ 總題數 | 人工每月抽測 20 題 × 3 個 AI | 看月趨勢，經營內容後應緩升 | 6 / 20＝30% |
| AI 導流工作階段 | referrer 含 AI 網域的工作階段 | GA4 探索報表篩來源 | 硬數字，當下限，看月增幅 | 單月 480 次 |
| AI 導流轉換數 | AI 工作階段直接產生的訂單 | GA4 轉換＋來源交叉 | 算轉換率，跟整站比較 | 18 筆 |
| AI 助攻轉換數 | 路徑曾接觸 AI 或問卷勾 AI 的訂單 | GA4 路徑報表＋結帳問卷 | 看發現階段貢獻，別只看末次 | 問卷 41 筆＋路徑 12 筆 |
| 品牌詞搜尋曝光 | 含品牌名的自然搜尋曝光 | Google Search Console | 與 AI 曝光同步升即為佐證 | 月曝光 +22% |
| 深頁直接流量占比 | 直接流量落在深層內容頁比例 | GA4 直接流量 × 著陸頁 | 異常上升暗示 AI 隱形導流 | 從 8% 升到 15% |
| 問卷 AI 認知率 | 勾「AI 推薦」的訂單 ÷ 有效問卷數 | 結帳／到貨問卷 | 最貼近真實，補暗數據 | 41 / 820＝5% |
怎麼做基準與趨勢判讀？
單月的數字沒意義，AI 成效要看「相對變化」。建議這樣做基準：先選一個你還沒開始經營 AI 能見度的月份當「基準月」，把上面七個指標都記錄下來當作起跑線。之後每月同樣的方法量一次，重點看三件事的「同向性」。
第一，被引用率、品牌詞搜尋、深頁直接流量占比，這三個訊號如果同時往上走，交叉印證的力道遠大於單一指標。三個各自都可能有雜訊，但三個同時上升、又剛好發生在你集中經營內容之後，這個關聯就很難用巧合解釋。第二，把 AI 導流工作階段的「絕對值」和「占全站比例」分開看，因為旺季全站都漲，你要確認 AI 是不是漲得比平均快。第三，用季度移動平均消除單月波動，AI 曝光受演算法更新與使用者行為影響很大，單月大起大落是常態，看三個月平滑後的走勢才可靠。
把 AI 能見度變成可追蹤的實驗
與其被動觀察，不如主動做對照實驗，讓因果更清楚。舉一個中小電商做得到的例子：你有 A、B 兩類商品，這個月只針對 A 類產出結構化、問答式、規格清楚的內容（正是 AI 愛引用的格式），B 類維持不動當對照組。一個月後，比較 A 類與 B 類各自的「被引用率變化」與「深頁直接流量變化」。如果 A 類明顯拉開差距、B 類原地踏步，那你就有了接近實驗等級的證據，證明你的做法確實推動了 AI 能見度。
另一種輕量實驗：在固定題組裡，刻意加入幾題你「還沒被引用」的目標問題，針對這些問題補內容，下個月再問同一批 AI，看有沒有從沒被提到變成被提到。這種「前後對照」比看總量更能證明你的努力有效。
常見誤區，別踩
誤區一：把直接流量全算成 AI
這是最常見的過度歸因。直接流量的來源很多：既有顧客直接輸網址、書籤回訪、App 內開啟、UTM 沒設好、HTTPS 到 HTTP 掉 referrer。看到直接流量漲就宣稱「都是 AI 帶來的」會嚴重灌水。正確做法是只看「深層內容頁的直接流量異常」，並用問卷數據去校準比例，別把整桶都算給 AI。
誤區二：只看末次點擊，低估 AI
反過來，如果你只用「最後點擊」歸因，AI 又會被嚴重低估。因為 AI 多半在「發現與研究」階段幫你，使用者後來可能透過搜尋品牌詞或直接進站完成購買，末次點擊會把功勞全記給搜尋或直接流量。務必同時看助攻轉換與轉換路徑，AI 的價值常藏在路徑的第一步。
誤區三：追求單一精準數字
AI 歸因目前沒有、短期也不會有像 Google Analytics 那樣的精準閉環。想要一個「AI 貢獻了 NT$X 營收」的鐵板數字，只會逼自己捏數據。成熟的做法是接受不確定性，用「訊號一致性＋趨勢＋問卷」三支柱給出一個「有信心的區間判讀」，例如「本季 AI 至少貢獻 5% 訂單認知，且品牌詞與被引用率同步成長，方向明確」。
誤區四：抽測樣本太少或不固定
人工抽測 AI 被引用率時，如果每次問的問題都不一樣、或只問三五題，數字就沒有可比性。固定題組、固定次數、固定記錄格式，才能看出真實趨勢。AI 回答本身有隨機性，同一題問兩次可能不同，建議每題至少問兩到三次取多數，降低雜訊。
給台灣中小電商的落地順序
資源有限就照這個順序做：第一步，今天就在 GA4 建立 AI 來源篩選，先把有 referrer 的 AI 導流抓出來，這幾乎零成本。第二步，本週在結帳或到貨問卷加一題「你怎麼找到我們」，一個月就能累積有意義的樣本。第三步，訂一份 20 題的固定題組，每月花半小時人工抽測被引用率。第四步，把這幾個數字放進你原本的月報，跟營收並排看。你不需要昂貴工具，靠免費的 GA4、Search Console、一份問卷、一份題組，就能建立一套自己能驗證、老闆也看得懂的 AI 成效追蹤系統。歸因不必完美，只要方向對、能重複量、看得出趨勢，就足以支撐你要不要繼續投入 AI 能見度的決策。