SEO GUIDE
SEO 指南 Q & A
AI SEO 與 AEO

AI 流量怎麼追蹤?GA4 設定與 AI 引用監測完整教學

AI 流量追蹤教學,透過 GA4 設定分析 AI 導流,並整合監測回答中的網站引用來源。

最後更新:

做了 GEO、AEO,老闆問「所以帶來多少生意?」的時候,很多團隊答不出來——因為 AI 帶來的流量在 GA4 預設報表裡,散落在「參照連結網址」與「直接流量」中,看起來就像不存在。追蹤 AI 流量的第一步不是買工具,而是把 GA4 現有的資料重新歸類。本文提供可直接照做的 GA4 設定、伺服器 log 檢查與手動監測方法,並誠實告訴您這套監測的極限在哪裡。

本篇目錄

AI 流量是什麼?先分清楚三種型態

AI 流量不是單一數字,而是三種不同型態的訪問,各自需要不同的監測方法:

AI 流量三種型態示意圖,呈現引用曝光、AI 導流與爬蟲抓取的差異。
表格說明:AI 流量的三種型態、代表意義與對應的監測工具
型態 發生情境 監測位置
引用曝光 AI 在答案中提到您的品牌或引用您的頁面,使用者「看到但未點擊」 無法直接量測,靠手動抽查與品牌搜尋量間接觀察
AI 導流(referral) 使用者點擊 AI 答案附的連結進站 GA4 的來源/媒介與自訂管道群組
爬蟲抓取 AI 爬蟲來抓取內容,供訓練、索引或即時讀取 伺服器 access log、CDN 的爬蟲分析

AI 流量監測的完整拼圖有三塊:GA4 追「點進來的人」,伺服器 log 追「來抓內容的爬蟲」,手動抽查追「被 AI 提到但沒點擊的曝光」。只看其中一塊,都會嚴重低估 AI 的實際影響。

為什麼值得花力氣追蹤?

因為 AI 帶來的訪客,品質高得不成比例。根據 Digiday 於 2025 年 12 月彙整的媒體數據,來自 AI 平台的訪客訂閱轉換率為 1.34%,一般搜尋來源只有 0.55%,相差約 2.4 倍;註冊轉換率的落差更大,1.66% 對 0.15%。原因很直覺:他們是看完 AI 的答案、確認有興趣才點進來的,意圖更明確。

不追蹤的代價是決策失真:AI 流量的絕對量目前通常不大,混在報表裡看起來無足輕重,於是團隊把 GEO 的投入砍掉——卻沒發現這批「小流量」貢獻的詢問單比例遠高於其占比。先把數據分出來,才有辦法公平評估。GEO 的整體方法與成效邏輯,見〈GEO 是什麼?完整教學〉。

第一步:認得 AI 平台的來源網域

使用者從 AI 平台點連結進站時,GA4 會記錄 referer(參照來源)網域。以下是目前主要的 AI 來源網域:

  • chatgpt.com——ChatGPT(chat.openai.com 是 2024 年 5 月以前的舊網域,不會再有新流量,但歷史報表比對時要納入)
  • perplexity.ai——Perplexity
  • gemini.google.com——Google Gemini
  • copilot.microsoft.com——Microsoft Copilot
  • claude.ai——Anthropic Claude

這份清單會隨平台改版而變動,建議放進團隊的維運文件,每季核對一次。我們自己的做法是把清單連同 GA4 設定截圖一起放在內部工作包,網域一有增減,管道群組的規則運算式跟著改。

注意 Google AI Overviews 不在此列:從 AI Overviews 點擊進站的流量,referer 仍是 google.com,在 GA4 中與一般自然搜尋無法區分,Search Console 也未提供獨立報表。這部分的監測要靠手動抽查,詳見〈AI Overviews 是什麼〉。

GA4 實作:建立 AI 流量自訂管道群組

GA4 預設會把上述來源歸到「參照連結網址(Referral)」,和一般網站互連的流量混在一起。用自訂管道群組把它們獨立成「AI 流量」管道,報表才看得見。

GA4 建立 AI 流量自訂管道群組,透過來源辨識規則將 AI 導流與一般引薦流量分開統計。
  • 進入管道群組設定 GA4 左下角「管理」→「資料顯示」→「管道群組」,點「建立新的管道群組」。預設管道群組不能改,新群組會以複本為基礎,原始資料不受影響。
  • 新增「AI 流量」管道 在新群組中點「新增管道」,命名為「AI」或「AI 流量」,條件設定為:來源 符合規則運算式。
  • 填入規則運算式
    來源比對規則運算式
    .*chatgpt\.com.*|.*openai\.com.*|.*perplexity\.ai.*|.*gemini\.google\.com.*|.*copilot\.microsoft\.com.*|.*claude\.ai.*
    前後加 .* 是為了涵蓋子網域與帶路徑的來源值,避免比對過嚴而漏抓。
  • 把新管道拉到 Referral 之前 管道依序比對、先中先贏。「AI」管道必須排在「Referral」之前,否則流量會先被 Referral 攔走,新管道永遠是零。
  • 儲存並驗證 儲存後到「報表」→「獲客」→「流量開發」,維度切換成新管道群組。注意:管道群組不回溯——只影響設定後的新資料,歷史資料仍要用「來源/媒介」維度手動篩選比對。

進一步分析:AI 訪客的行為與轉換

管道分出來之後,重點是回答兩個商業問題:

  • AI 訪客都看哪些頁?在「探索」中建立自由格式報表,維度用「到達網頁+查詢字串」、篩選條件設為 AI 管道。哪些頁面常被 AI 答案當入口,就代表哪些內容被 AI 信任——這是選題與擴寫的依據。
  • AI 訪客的轉換率是多少?比較 AI 管道與 Organic Search 管道的關鍵事件完成率(詢價、來電、加入購物車)。如果您的數據也呈現 AI 訪客轉換率較高的型態,就有依據把更多內容預算投向 GEO。

報表指標的取捨與向管理層匯報的框架,可搭配〈SEO 數據分析與成效評估〉一起服用。

三大盲點:您看到的數字為什麼偏低

誠實揭露:這套監測有明確的極限,判讀時一定要放在心上。

  • 盲點一:referrer 會被剝除 ChatGPT 手機 App 與 OpenAI Atlas 瀏覽器會把 referrer 完全剝除,這些訪客在 GA4 會被歸成「直接流量(Direct)」。您在報表看到的 AI 流量是被低估的,請把它當「趨勢指標」而非「絕對值」。
  • 盲點二:AI Overviews 混在自然搜尋裡 從 AI Overviews 點進來的流量掛在 google.com 之下,任何 GA4 設定都分不出來。若某頁在 Search Console 出現「曝光升、點擊率降」,通常就是該查詢開始出現 AI 摘要的訊號。
  • 盲點三:樣本小、波動大 多數網站的 AI 導流目前佔比仍是個位數百分比,週與週之間的波動看起來很劇烈。結論請看月趨勢與季趨勢,不要為單週的暴漲暴跌下判斷。

伺服器 log:監測 AI 爬蟲的抓取行為

GA4 只看得到「人」,看不到「爬蟲」——AI 爬蟲不執行 JavaScript,不會出現在 GA4 報表裡。要知道 AI 有沒有在讀您的內容,得看伺服器 access log。

Linux 主機 log 快速檢查範例
# 統計各 AI 爬蟲本月造訪次數
grep -c "GPTBot" access.log
grep -c "OAI-SearchBot" access.log
grep -c "ClaudeBot" access.log
grep -c "PerplexityBot" access.log

# 看 OAI-SearchBot 最常抓哪些頁面
grep "OAI-SearchBot" access.log | awk '{print $7}' | sort | uniq -c | sort -rn | head -20

以本站的維運經驗,我們每月檢查一次 access log 的 AI 爬蟲紀錄:索引型爬蟲(OAI-SearchBot、Claude-SearchBot)的造訪頻率明顯高於訓練型,而且抓取集中在指南型長文——這與「哪些頁面被 AI 答案引用」的手動抽查結果大致吻合。若您使用 Cloudflare,儀表板內建的爬蟲分析也能免寫指令看到相同資訊。

看懂 log 前,得先認得每隻爬蟲的身分與用途——哪些負責訓練、哪些負責索引、封鎖與放行怎麼決定,完整清單見〈AI 爬蟲是什麼〉。

手動監測:每週一次的 AI 引用抽查

「被 AI 提到但沒被點擊」的曝光,任何工具都量不到,只能手動抽查。我們的做法是固定一批目標問題(品牌名、核心服務的長尾問題),每週到 ChatGPT、Perplexity、Gemini 各問一輪,記錄四件事:

  • AI 的答案有沒有提到我們的品牌?
  • 有沒有附上本站連結?連到哪一頁?
  • 描述內容是否正確?(過時或錯誤的描述,代表該頁內容需要更新)
  • 提到了哪些競爭對手?

用試算表記錄,累積八到十二週後,「引用率」的趨勢線就出來了——這是向管理層證明 GEO 成效最直觀的一張圖。注意抽查時要用無痕視窗並登出帳號,避免個人化影響結果;即便如此,AI 的回答本身就有隨機性,同一問題不同時間答案可能不同,所以要看多週趨勢,不要用單次結果下結論。

KPI 怎麼訂:給經營者的評估框架

表格說明:AI 流量監測的三層 KPI,由淺入深對應不同投入階段
階段 KPI 資料來源 合理頻率
起步(第 1 至 3 個月) AI 爬蟲造訪數、目標問題引用率 access log、手動抽查表 每月/每週
成長(第 3 至 6 個月) AI 管道工作階段數與月趨勢 GA4 自訂管道群組 每月
成熟(6 個月以上) AI 管道的關鍵事件轉換率與詢問單貢獻 GA4 探索報表+CRM 比對 每季

提醒一個排序原則:先追「引用率」再追「流量」。AI 流量的絕對值起步時很小,直接用流量當 KPI 容易在前三個月就被判定失敗;引用率先動、流量後到,是我們實際觀察到的普遍順序。

結論與檢查清單

AI 流量監測不需要昂貴工具,GA4 加 access log 加一張試算表就能起步;真正的關鍵是理解每個數字的盲點,把低估的部分放進判讀框架裡。

  • GA4 建立「AI 流量」自訂管道群組,並排在 Referral 之前
  • 來源網域清單納入維運文件,每季核對一次
  • 每月檢查 access log 的 AI 爬蟲造訪紀錄
  • 建立每週的目標問題抽查表,追蹤引用率趨勢
  • KPI 依階段設定:先引用率、再流量、後轉換

量測只是回饋迴路的一半,另一半是讓內容更值得被 AI 引用:可擷取的段落結構、足夠的事實密度與權威訊號。完整做法請見〈生成式引擎優化五步驟〉與〈網站如何被 AI 引用〉;搜尋佈局的基本功,則回到SEO 是什麼?完整指南

常見問答 FAQ

AI 流量怎麼追蹤?
AI 流量要分三塊追蹤。第一塊是 AI 導流:在 GA4 建立自訂管道群組,用規則運算式比對 chatgpt.com、perplexity.ai、gemini.google.com、copilot.microsoft.com、claude.ai 等來源網域,把 AI 點擊流量從「參照連結網址」中獨立出來。第二塊是爬蟲抓取:到伺服器 access log 搜尋 GPTBot、OAI-SearchBot、ClaudeBot、PerplexityBot 等 User-Agent,確認 AI 有在讀取內容。第三塊是引用曝光:固定一批目標問題,每週到各 AI 平台實際提問,記錄品牌有沒有被提到、有沒有附連結。三塊合起來,才是 AI 能見度的完整樣貌。
GA4 可以直接看到 ChatGPT 帶來的流量嗎?
可以看到一部分。使用者從 ChatGPT 網頁版點擊連結進站時,GA4 會記錄來源為 chatgpt.com,預設歸在「參照連結網址(Referral)」管道;建立自訂管道群組後就能獨立統計。但要注意嚴重的低估問題:ChatGPT 手機 App 與 OpenAI Atlas 瀏覽器會把 referrer 完全剝除,這些訪客會被 GA4 歸成「直接流量」,無法辨認來源。也就是說,報表上的 ChatGPT 流量只是實際數字的一部分,適合當成趨勢指標觀察成長方向,不適合當成精確的絕對值使用。
Google AI Overviews 帶來的點擊可以分開統計嗎?
目前不行。從 AI Overviews 點擊進站的流量,referer 仍然是 google.com,在 GA4 中與一般自然搜尋完全無法區分;Search Console 也尚未提供 AI Overviews 的獨立成效報表,相關曝光與點擊都混在整體搜尋數據中。實務上的替代做法有兩個:一是在 Search Console 觀察「曝光上升、點擊率下降」的頁面,這通常是該查詢開始出現 AI 摘要的訊號;二是手動抽查目標查詢,記錄 AI Overviews 是否出現、自家頁面有沒有被引用。若未來 Google 開放相關報表,以官方公告為準。
AI 帶來的流量很少,值得花時間追蹤嗎?
值得,因為量小但質高。Digiday 於 2025 年 12 月彙整的媒體數據顯示,AI 平台訪客的訂閱轉換率為 1.34%,一般搜尋來源只有 0.55%,相差約 2.4 倍;註冊轉換率落差更大。這類訪客是看完 AI 的答案、確認需求相符才點進來的,意圖比一般搜尋訪客更明確。如果不把 AI 流量獨立出來看,它會淹沒在整體報表中,導致企業誤判 GEO 投入沒有效果而砍掉預算。合理的做法是用轉換率與詢問單貢獻來評估這個管道,而不是只看工作階段數的絕對值。
需要購買專門的 AI 監測工具嗎?
起步階段不需要。GA4 自訂管道群組、伺服器 access log 與一張手動抽查試算表,三者都免費,已能覆蓋 AI 導流、爬蟲抓取與引用曝光三種監測需求,多數中小企業用這套組合就足夠。市面上的 AI 能見度監測工具,價值在於自動化大量查詢的引用追蹤與競品比較,適合目標問題數量多、需要跨市場監測的品牌;但工具的查詢情境與真實使用者仍有落差,數據同樣只能當趨勢參考。建議先用免費方法跑三個月,確認 GEO 值得加碼投入後,再評估是否付費擴大監測規模。

參考來源

  1. Google Analytics 說明,〈自訂管道群組〉,Google 官方文件。
  2. Google Analytics 說明,〈預設管道群組定義〉,Google 官方文件。
  3. Digiday,〈AI referrals convert at higher rates than search traffic〉媒體數據彙整,Digiday,2025。
  4. OpenAI,〈Overview of OpenAI Crawlers〉,OpenAI 官方文件。
  5. 新視野網頁設計,〈GEO 是什麼? 生成式引擎優化完整教學〉,本站自有內容。
  6. 新視野網頁設計,〈SEO 數據分析、成效評估與報表應用〉,本站自有內容。

GA4 介面選單名稱以 2026 年 8 月繁體中文版為準,Google 更新介面後路徑可能異動;referrer 剝除行為依各 AI 平台版本而變,判讀數據時請以趨勢為主。

關於作者

內容揭露:本文由新視野網頁設計 SEO 團隊撰寫。文中連結的站內指南與延伸閱讀均為本站自有內容;新視野提供網頁設計與 SEO/AI SEO 服務,讀者在採用本文建議前請自行評估是否符合自身情況。文中引用的第三方研究與官方文件皆附可點擊出處,歡迎查證。

新視野網頁設計 SEO 團隊

新視野網頁設計自 2005 年起投入企業網站建置與搜尋行銷,服務範圍涵蓋 RWD 網站設計、技術 SEO、結構化資料佈署,以及 AI 搜尋時代的 AEO/GEO 內容優化。本文由新視野 SEO 團隊撰寫、審閱並持續維護更新。

服務據點:
台中(總公司)台中市南區忠明南路 758 號 21 樓 B4台北高雄
聯絡電話:
04-2260-1329
公司資訊:
關於我們公司位置線上詢價
對外平台:
FacebookLinkedIn
本站同主題內容:
GEO 完整教學SEO 數據分析AI 爬蟲指南AI Overviews 解析

歡迎推廣本文,請務必連結(LINK)本文出處:新視野網頁設計公司