Трафик из нейросетей у вас уже есть, а в отчётах его нет. 7 шагов, чтобы начать его считать

Переходы из ChatGPT, Perplexity и Алисы попадают в отчёты не туда или не попадают вовсе. Рассказываю, что именно теряется, как развести два разных вопроса про AI-трафик и какие семь шагов дают первую честную цифру

Часть ваших посетителей приходит из нейросетей уже сейчас. В отчётах их почти нет, и дело не в том, что вас не читают: дело в том, что аналитика собрана под переход по ссылке из поиска, а ассистент отдаёт готовый ответ и ссылку даёт не всегда.

Я вижу эту картину на клиентских проектах почти каждый месяц. В разделе «Источники» у AI-домена доли процента, в прямых заходах необъяснимый рост, а в логах сервера краулеры ассистентов ходят по сайту плотнее, чем привычные поисковые боты. Три слоя данных, и они не сходятся между собой.

Поехали.

Когда маркетолог говорит «посчитать трафик из нейросетей», он обычно смешивает две разные задачи.

Первая задача это трафик: сколько людей перешло на сайт по ссылке из ответа. Это клики, они живут в аналитике и в логах, и их действительно можно посчитать до человека.

Вторая задача это видимость: как часто вас вообще называют в ответе на вопрос про вашу категорию. Упоминание без ссылки клика не даёт, а решение покупателя двигает: человек прочитал ответ, запомнил два названия из пяти и пошёл дальше уже с коротким списком.

Отсюда главное следствие: AI-канал нельзя оценивать одной цифрой. Не один отчёт, а два, и они отвечают на разные вопросы. Семь шагов ниже закрывают первую задачу до конца и подводят ко второй.

Начинается всё с того, что переходы из ассистентов приходят с referrer, которого нет в ваших привычных группировках. Пока такого списка нет, трафик лежит в «переходах с других сайтов» вместе с форумами и каталогами.

Базовый набор доменов, с которых стоит начать:

Два важных уточнения. Ответы Google AI Mode приходят с тех же доменов, что и обычная выдача, поэтому отдельной строкой они в аналитике не видны. А ya.ru смешивает в себе обычный поиск, поиск с Алисой и чат, и развести их на стороне сайта по referrer не получается.

Урок. Не один домен нейросети, а живой список, который приходится обновлять раз в квартал: клиенты и поверхности появляются быстрее, чем обновляются отчёты.

Дальше список нужно превратить в канал, иначе каждый раз придётся пересобирать выборку руками.

В GA4 это пользовательская группа каналов: правило по источнику, в котором перечислены ваши домены, и свой ярлык вместо Referral. В Яндекс Метрике отдельного канала нет, но есть сегмент по условию «Источники, Сайты» с тем же списком, и его можно сохранить и прикладывать к любому отчёту.

Дальше нужны не визиты, а поведение. Смотреть стоит глубину, долю новых пользователей и конверсию в целевое действие отдельно по этому сегменту. По моим наблюдениям на российских проектах AI-переходы обычно идут меньшим объёмом и лучшим качеством: меньше заходов, выше доля целевых действий, потому что человек пришёл уже после объяснения.

Практический вывод отсюда простой: канал нужен не для галочки в отчёте, а чтобы увидеть, что это не «ещё немного реферального трафика», а отдельная аудитория с другим поведением.

Самая большая потеря сидит не в referral, а в direct. Мобильные приложения ассистентов, десктопные клиенты и часть встроенных браузеров referrer не передают, и переход выглядит так, будто человек набрал адрес внутренней страницы вручную.

Есть три зацепки, которые помогают эту часть вернуть.

Первая. Метки в ссылках: OpenAI добавляет к ссылкам в ответах utm_source=chatgpt.com, и такие переходы находятся в отчётах по метке, даже когда referrer пустой.

Вторая. Аномалия в географии и в страницах входа: рост прямых заходов на глубокие страницы, которые никто не набирает по памяти, почти всегда означает переход из приложения.

Третья. Сопоставление по времени: если всплеск direct на конкретную страницу совпал с моментом, когда вас начали называть в ответах по конкретному вопросу, это не совпадение.

Урок. Чистой цифры здесь не будет. AI-трафик считается не как точное значение, а как коридор от минимума по referrer до максимума с поправкой на прямые заходы, и в отчёте нужно показывать обе границы.

Логи отвечают на вопрос, который аналитика не закрывает вообще: приходят ли к вам сами модели и зачем.

Краулеры делятся на два класса, и это разделение важнее их имён.

Первый класс это сбор данных: GPTBot у OpenAI, ClaudeBot у Anthropic, Google-Extended, PerplexityBot. Они ходят по сайту про запас, чтобы материал попал в обучение и в индекс.

Второй класс это заход в момент ответа: ChatGPT-User, Perplexity-User, Claude-User, OAI-SearchBot. Такой визит означает, что прямо сейчас кто-то задал вопрос, модель полезла за фактами и открыла вашу страницу.

Считать стоит именно второй класс. Это ближайший к правде сигнал о том, что вас используют как источник, и он появляется задолго до того, как в аналитике наберётся статистика по кликам.

Полезно смотреть и на то, какие страницы собирают такие заходы. Обычно это не главная и не услуги, а материалы с конкретикой: сравнения, цены, технические требования, вопросы и ответы. Не самые красивые страницы сайта, а самые однозначные.

Прежде чем расстраиваться из-за нулей, стоит проверить собственные настройки. Это самая частая находка в аудитах.

Смотреть надо в четырёх местах:

Здесь часто путают две разные вещи, поэтому расставлю по местам. Закрыть сбор данных для обучения это осмысленное решение, у него есть и юридические, и коммерческие основания. Закрыть ботов, которые приходят за фактами в момент ответа, это добровольный отказ от присутствия в ответе. Решение принимается не одним флагом на весь AI, а отдельно по каждому классу.

Теперь главное для тех, кто занимается видимостью.

Шесть предыдущих шагов считают тех, кто дошёл. Но у ответа ассистента есть вторая половина: люди, которые прочитали про вас и никуда не перешли, потому что вопрос закрылся внутри диалога. В логах их нет, в аналитике нет, а в коротком списке на выбор вы либо есть, либо нет.

Поэтому к отчёту по трафику добавляется второй контур: по набору вопросов вашей категории фиксируется, как часто вас называют, какая у упоминания тональность и какие источники модель при этом цитирует. Это регулярная задача с базовой точкой и частотой, обычно раз в неделю или раз в месяц, а не разовая проверка. Под неё сложился класс GEO-сервисов: Pixel Tools, brandfound и другие.

Но выбор сервиса вторичен. Первично понимание, что трафик это только та часть AI-канала, которая оставила след в ваших системах.

Последний шаг самый скучный и самый важный: без базовой точки все предыдущие шесть превращаются в разовое любопытство.

Минимальный набор, который имеет смысл снимать с одной и той же периодичностью:

Четыре строки, одна дата, один файл. Через три месяца это превращается в динамику, а динамика это единственное, на основании чего можно что-то решать.

Первое. Открыть robots.txt и настройки защиты от ботов и убедиться, что вы не закрыты для краулеров, которые приходят в момент ответа.

Второе. Сохранить сегмент по списку AI-доменов и посмотреть на поведение этой аудитории отдельно от остального реферального трафика.

Третье. Снять первую базовую точку по четырём строкам выше и поставить дату следующего замера.

Для бизнеса здесь важен не размер канала прямо сейчас, он почти у всех небольшой, а скорость его роста относительно остальных источников. Поставить счётчик на этот канал сегодня стоит дешевле, чем через год объяснять, почему поисковый трафик падает, а новых клиентов стало меньше.

А теперь к вам. Какой слой вы уже считаете: referrer AI-доменов, прямые заходы из приложений, логи краулеров или пока ничего из этого?

Если разбор пригодился, буду признателен за плюс. Это помогает таким материалам доходить до тех, кому тема актуальна.