Uwaga, idzie nowe. Jak zmienia się analityka pokazująca ruch z AI
Co dziś realnie wiadomo o analityce AI, i dlaczego to dopiero początek
Jeszcze do niedawna sprawdzenie, jak widzi Cię sztuczna inteligencja, było dla zwykłego właściciela strony poza zasięgiem. Nie było gdzie tego zobaczyć, zostawały tylko domysły po nagłym spadku ruchu w statystykach. Od kilku miesięcy to się zmienia, kawałek po kawałku. Najświeższy z tych kawałków to raport w Google Search Console, wciąż w fazie eksperymentu, i to eksperymentu, który na razie omija Polskę.
Uwaga, idzie nowe. I trzeba to powiedzieć od razu wprost, bo to jest teza całego tekstu: żaden dostawca analityki, ani Google, ani konkurencyjne narzędzia SEO, nie ma dziś gotowej odpowiedzi na pytanie jak mierzyć ruch z AI. To nie jest kwestia braku narzędzi, bo tych akurat przybywa z miesiąca na miesiąc. To kwestia braku ustalonego standardu, którego po prostu jeszcze nikt nie wypracował.
Zanim jednak zaczniejsz sprawdzać, czy się gdziekolwiek wyświetlasz, musisz mieć dostęp do Analytics i Google Search Console. Tu masz linka do artykułu jak to zrobić
Spis treście
Gdzie AI w ogóle może Cię pokazać
Zanim zaczniemy szukać danych, warto ustawić sobie mapę. AI może pokazać Twoją stronę w kilku zupełnie różnych miejscach, i każde z nich zachowuje się inaczej pod względem tego, co da się zmierzyć.
Klasyczne AI Overviews w wyszukiwarce to wciąż ten sam google, organic, co zawsze. GA4 nie odróżni kliknięcia stamtąd od zwykłego kliknięcia w link. Jedyne miejsce, gdzie ta różnica w ogóle istnieje, to panel samego Google, czyli Search Console, o czym za chwilę.
Kiedy ktoś kliknie odnośnik prosto z rozmowy z ChatGPT, Gemini czy Claude i wyląduje na Twojej stronie, GA4 łapie to od maja w osobnym kanale, zamiast chować to w ogólnym worku. To dziś najbardziej konkretny kawałek całej układanki.
Generatywny Discover, czyli ten sam mechanizm co AI Overviews, tylko przeniesiony do strumienia rekomendacji na telefonie. W Polsce jeszcze go nie zobaczysz, działa na razie w Stanach i tylko w anglojęzycznych wersjach przeglądarki, ale warto wiedzieć, że istnieje, bo Google lubi testować wąsko, a wprowadzać globalnie bez wielkiej fanfary.
I na końcu sytuacja, w której model po prostu odpowiada z pamięci, bez podawania linku, albo ktoś czyta odpowiedź w aplikacji mobilnej, która nie przekazuje żadnej informacji o źródle. Tu nie ma czego mierzyć, dane po prostu nie docierają do Twojej strony w żadnej postaci.
Llms.txt, plik który wdrożyłam zanim sprawdziłam czy działa
Wdrożyłam ten plik u siebie, zanim w ogóle zapytałam samą siebie, po co to robię. Brzmiało zbyt logicznie, żeby nie spróbować, skoro wyszukiwarki od lat mają swoją mapę witryny, czemu modele językowe miałyby jej nie dostać.
Kilka chwil później zaczęłam szukać potwierdzenia, że to się do czegoś przydaje, i nie znalazłam. Żaden z dużych dostawców nie napisał wprost, że plik wpływa na to, kogo cytuje w odpowiedziach. Google poszło o krok dalej i zamknęło temat samo, wprost przyznając, że to nie ma znaczenia dla pozycji w wynikach.
Plik mimo to zostawiam. Nie dlatego że wierzę w jego moc, tylko dlatego że jego brak niczego by nie zmienił, a jego obecność kosztowała mnie kwadrans przy klawiaturze.
Rynek dopiero się układa, więc wolę mieć coś gotowego, na wszelki wypadek.
Co dziś pokaże Ci Search Console, a co dopiero się szykuje
Od trzeciego czerwca Search Console pokazuje osobny raport poświęcony generatywnej sztucznej inteligencji, na razie w fazie testów. Widać w nim same wyświetlenia: ile razy Twoja strona wyskoczyła w AI Overviews, w AI Mode czy w generatywnym Discover. Kliknięć nie zobaczysz, współczynnika klikalności też nie, ani nawet zapytania, które do tego doprowadziło.
Dostęp też nie jest jeszcze pełny. Wdrożenie zaczęło się w Wielkiej Brytanii, bo tamtejszy regulator rynku tego wymógł, a od tego czasu dostęp zaczęli zgłaszać kolejni właściciele stron, w Indiach, w Stanach, w Szwajcarii. To rollout właściciel po właścicielu, nie podział według języka, ale efekt jest ten sam, w Polsce na razie tego raportu nie zobaczysz.
Kierunek jest jednak jasny. Google testuje rzeczy wąsko, a potem rozszerza bez wielkiej zapowiedzi. Warto już teraz wiedzieć, czego szukać w panelu, żeby nie przegapić momentu, gdy raport w końcu się pojawi.
Jak to wygląda w praktyce
kanał to jednak dopiero połowa obrazu. Żeby zobaczyć, który konkretnie model przywiódł danego użytkownika, trzeba dodać source jako drugi wymiar obok kanału. Wtedy zamiast jednego zbiorczego wiersza dostajesz rozbicie na chatgpt.com, gemini.google.com i claude.ai osobno.
To dobry moment na jedno zastrzeżenie. Kanał Asystent AI działa tylko do przodu od dnia wdrożenia, nie przelicza niczego wstecz. Sesje sprzed startu tej funkcji zostają tam, gdzie wylądowały w chwili zbierania danych, często w zwykłym Referralu, mimo że źródło jest dokładnie to samo. Jeśli kiedyś będziesz odtwarzać historię ruchu z AI wstecz, filtruj po source, nie po kanale, source trzyma się faktów niezależnie od tego, kiedy Google zaczęło to inaczej sortować.
Wdrożenie na żywo, krok po kroku
Skoro już wiadomo, że plik llms.txt nie zaszkodzi, pokażę jak wygląda u mnie, żeby łatwiej było skopiować strukturę.
| Przykładowa struktura pliku llms.txt |
| # Nazwa strony > Krótki opis, czym zajmuje się strona, w jednym zdaniu. ## Najważniejsze strony – Link do bloga (url): opis – Link do oferty (url): opis |
Plik wgrywasz do głównego katalogu domeny, dokładnie tak jak robots.txt, pod adresem twojadomena.pl/llms.txt.
Jak ustawić w Analytics śledzenie pobrania pliku llms.txt? (Spoiler: to analityczna pułapka)
Skoro plik już jest na stronie, naturalnym krokiem wydaje się sprawdzenie, czy ktokolwiek do niego zagląda. Pierwsza myśl zazwyczaj prowadzi nas prosto do Google Analytics 4. Dobra wiadomość jest taka, że teoretycznie narzędzie to ma wbudowaną funkcję wyłapującą kliknięcia w pliki txt. Chodzi o tak zwany ulepszony pomiar.
Wystarczy wejść w Administrację, następnie w Strumienie danych, otworzyć Pomiar zaawansowany i upewnić się, że opcja “Pobrania plików” jest włączona. Jeśli tak jest, zdarzenie o nazwie file_download powinno pojawiać się w raportach automatycznie, bez pisania choćby jednej linijki kodu w Google Tag Managerze.
Brzmi to jak gotowe i darmowe rozwiązanie. Niestety w kontekście mierzenia sztucznej inteligencji jest to jeden wielki mit.
Dlaczego tak się dzieje? System GA4 działa bezpośrednio w przeglądarce internetowej i do poprawnego funkcjonowania potrzebuje załadowania kodu JavaScript. Oznacza to, że zarejestruje pobranie pliku tylko w jednej konkretnej sytuacji. Stanie się tak, gdy żywy człowiek wejdzie na Twoją stronę, znajdzie wygenerowany link do pliku i fizycznie w niego kliknie.
Tymczasem modele językowe, takie jak chociażby GPTBot, działają zupełnie inaczej. One nie przeglądają Twojej strony w poszukiwaniu przycisków do klikania. Bot wysyła po prostu bezpośrednie żądanie do Twojego serwera pod konkretny adres, na przykład twojadomena.pl/llms.txt. Błyskawicznie “przechwytuje” czysty tekst ze środka, zapisuje go w swojej bazie i wychodzi.
W trakcie takiego szybkiego skanu bot nie uruchamia absolutnie żadnego kodu HTML ani skryptów śledzących. Dla Google Analytics taka wizyta jest więc całkowicie niewidzialna.
Wniosek jest prosty. Jeśli w swoich raportach GA4 zobaczysz zdarzenie pobrania pliku llms.txt, możesz mieć pewność, że kliknął w niego człowiek, ewentualnie inny prosty program udający użytkownika. Nie dowodzi to jednak w żaden sposób, że Twoje zasady przeczytał sam model językowy.
Jedyne miejsce, w którym faktycznie możesz sprawdzić, czy potężne boty AI odpytują ten plik, to logi Twojego serwera. Tylko tam zapisuje się twardy ślad po każdym bezpośrednim żądaniu dostępu.
GTM tam, gdzie GA4 sobie nie radzi
GA4 rozpoznaje dziś natywnie kilka modeli, na start była to trójka ChatGPT, Gemini i Claude, ale ta lista już zdążyła się zmienić i zmieni się jeszcze nie raz. Zawsze jednak znajdzie się jakiś model spoza aktualnej listy, na przykład Perplexity, który ląduje w zwykłym Referral, razem z każdą inną stroną, która akurat do Ciebie linkuje. Tu wchodzi GTM, nie żeby naprawić wszystko, ale żeby złapać choć tyle, ile się da po stronie przeglądarki.
Mechanizm jest prosty. Budujesz zmienną odczytującą referrer, czyli informację skąd przyszedł użytkownik, i sprawdzasz, czy zawiera domenę jednego z modeli, których GA4 jeszcze nie rozpoznaje, na przykład perplexity.ai. Jeśli tak, wysyłasz zdarzenie albo nadpisujesz grupę kanałów tak, żeby ten ruch nie zniknął w ogólnym worku razem z przypadkowymi linkami z innych stron.
Na potrzeby tego przykładu pokazuję jeden tag, dla jednego modelu, żeby widać było samą zasadę. U siebie zrobiłam to inaczej, każdy model dostał osobny tag, bo zależało mi na tym, żeby w raportach widzieć je rozdzielone, a nie zlepione w jedną zbiorczą etykietę ruch z AI.
Zanim się ucieszysz, jedno zastrzeżenie. Ten tag widzi tylko to, co widzi przeglądarka, ani odrobinę więcej.
Kiedy ktoś czyta odpowiedź w aplikacji mobilnej, która nie wysyła żadnej informacji o pochodzeniu ruchu, dane po prostu nigdy nie docierają do Twojej strony, i żaden tag ich nie wyczaruje z powietrza. Traktuj to jako łatkę na fragment problemu, nie jako jego rozwiązanie. Poniżej znajdziesz przykładowe ustawienia GTM dla perplexity.ai
Wracamy do początku
Wyobraź sobie sytuację, którą pewnie już nieraz przeżyłaś jako czytelniczka, zanim jeszcze zaczęłaś to badać jako analityczka. Pytasz asystenta o coś konkretnego, dostajesz odpowiedź opartą na czyimś artykule, klikasz dalej albo nie klikasz wcale, i nikt po drugiej stronie nigdy się nie dowie, że akurat ta strona pomogła Ci podjąć decyzję. Ten moment nie zostawia żadnego śladu, ani w GA4, ani w GSC, ani w żadnym logu serwera.
Cała reszta tego tekstu, GSC, kanał Asystenta AI, llms.txt, tagi w GTM, to próby złapania choć części tego, co się da złapać. Coraz więcej się daje, i to jest dobra wiadomość. Ale to zawsze będzie tylko część, bo lista rozpoznawanych modeli zmienia się z tygodnia na tydzień, a to, co dzieje się wewnątrz samej rozmowy z asystentem, zostaje poza zasięgiem każdego narzędzia, które dziś znamy.
Dlatego zamiast kończyć twardą deklaracją, zostawiam to pytanie otwarte: skoro narzędzia gonią rynek, a nie odwrotnie, to może jedyna trwała strategia to nie szukanie idealnego licznika, tylko przyzwyczajenie się, że zawsze będziemy mierzyć wczoraj, patrząc na to, co dzieje się dziś.
Jeśli brakuje Ci podstaw czym jest Google Search Console, GTM czy Google Anatytics zajrzyj do artyułu
Wioletta Pasionek
Head of Marketing CEE w Ultinon Motion (marki Philips i Narva), 23 lata doświadczenia w zakupach i marketingu, w tym 14 lat w branży motoryzacyjnej i 10 lat w retailu.
Marketing to nie ściema | wiolettapasionek.pl