Трафик из нейросетей приходит без источника. Как его считать, когда в отчётах он падает в прямые заходы

Переходы из ChatGPT, Алисы и Perplexity в отчётах видны плохо: часть падает в прямые заходы, часть не приходит вовсе. Рассказываю, как устроена эта потеря, какие четыре слоя я развожу в отчёте, что настроить в счётчике за один вечер и чего в аналитике не будет никогда

Год назад я открыла отчёт по источникам и честно поискала там нейросети. Нашла ноль. Решила, что переходов нет, и вернулась к привычным каналам. Это была ошибка: переходы были, просто лежали не там, где я смотрела.

Трафик из нейросетей ведёт себя как гость, который пришёл без приглашения и не сказал, кто его позвал. Ответ модели это разговор за закрытой дверью: вы видите только тех, кто вышел из комнаты и постучал, и не видите самого разговора. Эта закрытая дверь дальше объясняет почти всё.

Отсюда главная путаница рынка. Мало переходов в отчёте не значит, что бренд не называют. Это значит, что источник потерялся по дороге, а часть сценариев закончилась внутри ответа и до сайта не дошла в принципе.

Теперь по порядку.

Потеря реферера. Ассистенты открывают ссылки по-разному: из веб-версии реферер обычно доезжает, из мобильного приложения и встроенного браузера часто нет, а внутри чата ссылка иногда проходит через свой редирект. В отчёте такой визит оказывается прямым заходом, и это не ошибка счётчика, а то, что до него доехало.

Ответ без перехода. Модель собрала ответ и перечислила варианты, человек прочитал и закрыл чат. С точки зрения бренда это сильный контакт, с точки зрения аналитики его не было. Такой контакт не считается веб-аналитикой вообще, ни в каком виде.

Отложенный заход. Нейросеть назвала бренд, человек через час набрал имя в поиске или ввёл адрес руками. Этот визит придёт как брендовый поисковый или прямой, и причину в нём уже не прочитать. По моим наблюдениям именно отложенные заходы дают основной сдвиг в брендовом спросе, который потом списывают на сезонность.

Я развожу AI-трафик на четыре слоя. Разные слои измеряются разными способами и имеют разную точность, поэтому общее число по ним не считаю: это не одна метрика, а четыре.

Смысл разделения простой. Первый слой показывает, доводят ли ассистенты людей до сайта. Третий показывает, попадаете ли вы в источники ответа. Четвёртый показывает, запоминают ли вас после ответа. Падение в одном слое и рост в другом это нормальная картина, а не противоречие.

Первое и единственное обязательное действие это собственная группа каналов для ассистентов. В Яндекс Метрике это сегмент по источнику перехода, в GA4 своя группа каналов по списку рефереров. Как устроены отчёты по источникам, написано в документации площадки

Не размечайте собственные ссылки в ответах моделей метками кампаний: вы не управляете тем, какую ссылку модель подставит, и в итоге получите разметку на части трафика и кашу в отчёте.

Третий слой живёт не в счётчике, а в логах веб-сервера: JavaScript у ботов не исполняется, поэтому в аналитику они не попадают. Смотреть надо по полю user-agent, и делить обращения на два типа.

Обучающие и индексирующие краулеры ходят по сайту сами, широко и регулярно. Пользовательские агенты приходят точечно, за одной страницей, в момент, когда кто-то задал вопрос. Второй тип ценнее: это и есть попадание в ответ.

Имена агентов и диапазоны адресов поставщики меняют, и устаревший список тихо врёт: сверяйте его по официальной документации, у OpenAI это страница про ботов.

Веб-аналитика отвечает на вопрос, пришли ли к вам. Она не отвечает на вопрос, называют ли вас. А решение читателя принимается именно в ответе: там перечислены три или четыре имени, и попадание в этот перечень важнее, чем клик по ссылке.

Считать это приходится с другой стороны: не по визитам, а по самим ответам моделей. Так работает отдельный класс сервисов, которые задают ассистентам покупательские формулировки и показывают, кто в ответах назван, в каком контексте и из каких источников ответ собран: Profound, Peec AI, Ahrefs Brand Radar, brandfound. У brandfound, например, замер идёт по десяти системам сразу, от ChatGPT и Gemini до GigaChat, Поиска с Алисой и Чата с Алисой AI, вместе с тональностью и перечнем процитированных страниц. Цифры у таких сервисов живут рядом с логами и счётчиком, а не вместо них.

Недельный шаг выбран не случайно. На дневном горизонте в этих слоях один шум, на месячном вы узнаёте о проблеме поздно.

В отчёте пять строк: явные переходы по сегменту, доля визитов без источника на целевых страницах, число обращений пользовательских агентов, брендовые запросы, упоминания бренда в ответах. Рядом с каждой строкой столбец событий: что вышло, что изменилось на сайте, что обновилось у поставщика модели.

Этот столбец событий важнее самих чисел. Без него вы будете объяснять каждое колебание задним числом и каждый раз по-новому.

Первое. Начните с сегмента по рефереру и с логов: это бесплатно, делается за вечер и сразу закрывает вопрос, есть переходы или нет.

Второе. Не сводите четыре слоя в одну цифру AI-трафика. Такую цифру невозможно ни проверить, ни защитить на встрече.

Третье. Проверьте доступ агентов к сайту раньше, чем начнёте объяснять низкие показатели качеством контента.

Четвёртое. Если канал обсуждается на уровне бюджета, добавьте к счётчику замер самих ответов. Иначе весь разговор будет про переходы, а решение читателя принимается не в переходе.

AI-трафик не отдельный канал в отчёте, а четыре разных наблюдения за одной закрытой дверью. Счётчик показывает тех, кто постучал, логи показывают, что за страницей приходили, брендовый спрос показывает, что имя запомнили, а замер ответов показывает сам разговор.

Считать это можно уже сейчас, обычными инструментами и без новых бюджетов. Нельзя только одного: ждать, что канал проявится сам в стандартном отчёте по источникам. Он там не проявится.

Расскажите, как у вас: видите явные переходы из ассистентов, видите только обращения агентов в логах, не нашли ни того ни другого или пока не искали.