解碼您的 GA4 資料:如何追蹤和分類來自 LLM 的流量

了解您的網站流量從何而來,尤其是隨著人工智能工具和大型語言模型 (LLM) 的興起。Mercury Technology Solutions 正走在這些轉變的前端,利用資料取得策略性的洞察力,是我們運作和提供客戶建議的基本方式。

我們看到 ChatGPT、Perplexity、Gemini 等 AI 工具成為重要的資訊發掘點。雖然 Google 自己的 AI Overviews 資料仍混合在 Search Console 中,但流量 is 來自這些 AI 平台,而了解這些平台是有效調整您的數位策略的關鍵。

TL;DR:隨著使用者越來越多地從 AI 工具(ChatGPT、Perplexity、Gemini 等)獲得資訊,在 Google Analytics 4 (GA4) 中追蹤這些轉介流量至關重要。本指南將告訴您如何在 GA4 Explore 報告中使用 regex 過濾器分割 LLM 流量,以獲得快速洞察,或透過 Looker Studio(使用直接過濾器或在 GA4 Admin 中設定自訂通道群組)獲得更詳細的持續報告。瞭解這些流量有助於精進 SEO 和內容策略,以因應不斷演進的數位環境。

潮汐的變化:為何 LLM 流量分割很重要?

人們在線上尋找資訊和與資訊互動的方式正在快速變化。無論是使用 ChatGPT 之類的會話式 AI、Perplexity 之類的專業工具,或是整合式助理,LLM 都正在成為內容的主要入口。近幾個月來,我們觀察到從這些來源到我們自己和客戶網站的轉介流量明顯增加。

雖然是否要將這些工具嚴格歸類為 「搜尋引擎 」的爭論仍在繼續,但它們的功能性影響是無庸置疑的。它們會影響發現和使用者的旅程。因此,了解來自 LLM 的流量和行為是非常重要的,原因有以下幾點:

  • 適應策略:它有助於為您的內容和 SEO 策略(如SEVOLLM-SEO)提供資訊,以便在使用者喜愛的平台上滿足他們的需求。
  • 衡量影響:它可讓您衡量旨在提高 AI 環境中可視性的工作成效。
  • 瞭解使用者行為:分析此區段可揭示來自 AI 來源的使用者如何以不同方式與您的網站互動。
  • 識別機會: 它會強調哪些 AI 平台正在帶動相關流量。

在 GA4 中追蹤 LLM & 聊天機流量的方法

有一些實用的方法可以在您現有的分析設定中隔離並分析這些流量。根據您對報告和存取層級的需求,我建議的兩種主要方法是使用 GA4 Explore 報告和 Looker Studio。

  • GA4 Explore Reports: 非常適合在 GA4 介面中進行快速分析、趨勢視覺化和分享特定的洞察力。
  • Looker Studio:適合建立可分享、可能更客製化的儀表板,以進行持續監控和更深入的研究(例如,分析特定於 LLM 流量的登陸頁面或事件)。

讓我們來分析一下如何設定這些。

方法 1:使用 GA4 探索報告進行快速分析

這是使用正則表達式 (regex) 過濾器取得初始檢視的最簡單方法。

  1. 建立探索: 在 GA4 中,導覽到探索並開始一個新的 Blank 探索。
  2. 設定尺寸與指標:
    • 在變數列中,匯入會話來源 / 媒介作為 Dimension。
    • 匯入會話、參與會話,以及可能的轉換或關鍵事件作為指標。
  3. 建立報告:在「標籤設定」欄中,將「會話來源」/「媒介」拖曳至「行」,並將您選擇的「度量」(例如,「會話」)拖曳至「值」。
  4. 建立 LLM 區段:
    • 在變數列中,按一下 Segments 旁的「+」,然後選擇 Session segment。
    • 為您的區段命名一些描述性的名稱(例如「LLM / AI Traffic」)。
    • 在 Include sessions when: 下方,新增一個條件:會話來源 / 媒介 匹配 regex
    • 貼上下列 regex 模式 (或更新版本): 程式碼片段
      *bard.*google.*|.*bard.*|.*edgeservices.*|.*you\.com.*|.*pi\.ai.*|.*claude\.ai.*|.*anthropic.*|.*astastic.*|.*copy\.ai.*|.*bnngpt.*|.*gemini.*google.*$
      
      (重要說明:此 regex 識別出截至 2025 年初的常見 AI/LLM 來源。新工具不斷出現,命名慣例也可能改變。本清單需要定期檢閱和更新,以保持準確性。
    • 按一下套用,然後按一下儲存並套用。
  5. 分析:您的報告表格現在會經過篩選,僅顯示來自符合 regex 的來源的流量。您可以看到哪些特定的 LLM 來源正在驅動流量及其參與度。
  6. (可選)可視化趨勢: 複製探索索引標籤。將視覺化類型變更為折線圖。將 Sessions(或其他指標)拖曳至 Values。這將顯示 LLM 隨時間變化的流量。

方法 2:使用 Looker Studio 進行持續報告

Looker Studio 為儀表板提供更多的彈性。您可以在這裡以兩種方式使用相同的 regex 過濾原理:

A) 輕量級方法 (任何 GA4 存取層級):

  1. 建立圖表:在 Looker Studio 中,使用您的 GA4 資料來源新增圖表 (例如時間序列、表格)。
  2. 新增篩選器:選取圖表。在設定面板中(通常在右側),向下捲動到篩選器部分,然後按一下新增篩選器。
  3. 設定篩選器:.
    • 按一下建立篩選器。
    • 為它命名(例如,「LLM 來源篩選器」)。
    • 設定條件:Include > Session source / medium > 匹配 regex。
    • 貼上方法 1 中使用的相同 regex 模式。
    • 按一下儲存。
  4. 套用:篩選器現在套用至該特定圖表,僅顯示 LLM 流量資料。對於要隔離 LLM 流量的任何其他圖表,重複此步驟。這可讓您輕鬆地將 LLM 特定檢視新增至現有的儀表板。

B)深入的方法(需要 GA4 管理員存取權限):

此方法會在 GA4 本身中建立一個專用的通道群組,然後可以在 Looker Studio(和 GA4 報表)中乾淨地使用。

  1. 在 GA4 中導覽: 前往管理員(左下方的齒輪圖示)。
  2. 尋找頻道群組:在「屬性」欄 > 資料顯示下,按一下頻道群組。
  3. 建立新群組: 按一下建立新的頻道群組。
  4. 命名群組:為群組命名(例如,「Custom Channels incl. LLM」)。如果需要,請加入說明。
  5. 新增 LLM 頻道: 按一下新增頻道。
    • 為頻道命名(例如「AI / LLM Referrals」)。
    • 在頻道條件下,設定:會話來源 / 媒體 匹配 regex
    • 貼上之前使用過的相同 regex 模式。
    • 按一下儲存。
  6. 重新排列頻道:按一下重新排列。將新的 "AI / LLM Referrals "頻道拖曳到預設 Referrals 頻道的上方。這可確保符合 regex 的流量會先分配到這裡。按一下套用。
  7. 儲存群組:按一下右上方的「儲存群組」。
  8. 在 Looker Studio 中使用:在 GA4 處理新群組之後 (最多 48 小時),您可以在 Looker Studio 報表中選擇此 "Custom Channels incl. LLM" 群組作為您的預設通道群組維度,以進行更乾淨的分割,而不需要圖表層級的篩選條件。

逐步追蹤摘要

方法關鍵步驟需要 GA4 存取優點優點
GA4探索報告建立探索> 加入尺寸/度量> 建立會話區段 (符合 regex) > 套用區段> 視化檢視器+GA4 內的快速分析,簡易設定針對儀表板的彈性較低,部分需要手動應用
Looker Studio (輕量級)建立圖表 > 加入篩選條件 > 設定篩選條件 (與會話來源/媒介的 regex 匹配) > 儲存 & 套用篩選條件至圖表檢視器+靈活的儀表板,無需管理員,可為每個圖表套用篩選條件每個圖表重複篩選邏輯,完全依賴 regex 的精確度
Looker工作室(透過GA4深入)GA4 管理員:Create Channel Group > Add LLM Channel (matches regex) > Reorder > Save Group。然後 Looker Studio:在圖表中使用新的 Channel Group 維度。管理員報告中的分類更清晰,GA4 中的通路定義一致需要管理員存取權限、GA4 中的初始設定、處理延遲(最多 48 小時)

持續監控是關鍵

人工智能領域是多變的。新的工具將會出現,而平台識別其流量的方式也可能會改變。所提供的 regex 過濾器只是一個起點,必須定期檢閱和更新以保持其有效性。請定期檢查您的推薦來源,並改善模式,以確保您能精確地擷取相關 LLM 工具的流量。

對於重視資料驅動數位策略的企業來說,瞭解這個不斷成長的流量區塊已不再是可有可无的事。隨著人工智慧不斷重塑使用者在線上發現資訊的方式,現在設定此追蹤功能可提供適應、最佳化及維持能見度所需的洞察力。在 Mercury Technology Solutions,我們將此層級的分析整合至客戶策略中,以確保決策建立在不斷演進的數位生態系統的現實基礎上。

LLM 流量追蹤常見問題

Q1: 為什麼我追蹤到的 LLM 流量很低? 這可能是由幾個因素造成的:您感興趣的 LLM 平台可能還沒有發送大量的轉介流量,您的內容可能不常被這些 LLM 瀏覽,或者 regex 過濾器可能遺漏了相關的來源識別碼。確保您的 regex 是最新的。

問 2:我應該多久更新一次 regex 過濾器? 每季檢閱一次,如果您聽說有重要的新人工智慧工具逐漸受到重視,或懷疑現有工具的識別方式有變(例如子網域或參數有變),則可以更頻繁地檢閱。

Q3:我可以使用此方法分別追蹤來自特定 AI 工具的流量嗎? 可以。您可以針對個別工具修改 regex 或使用更特定的模式建立單獨的區段/篩選器 (例如,.*perplexity.* 表示 Perplexity,.*openai.com/.* 表示某些 OpenAI 轉介者,但具體細節可能會有所不同)。

問 4:這會追蹤使用者透過 AI 與我的內容進行的 所有互動嗎? 不。此方法主要追蹤 轉介流量 - 當使用者點選 AI 工具回應中的連結,進而進入您的網站。它不會追蹤 AI 在沒有連結的情況下總結您的內容,或使用者在閱讀 AI 總結後另行搜尋您的品牌的情況。

Q5:來自 Google AI 總覽的流量是否包含在其中? 目前,來自 Google AI 總覽的流量通常會與 GA4 和 Search Console 中的一般 Google 有機流量資料混合。regex 方法著重於從 其他可識別的 AI 平台和聊天機器人明確轉介的流量。直接追蹤 AI 概覽需要不同的方法,通常涉及分析 Search Console 效能資料的變更。

Q6:Mercury Technology Solutions 是否可以協助設定和分析此追蹤? 可以。作為我們分析、SEO 和數位策略服務的一部分,我們協助客戶實施強大的追蹤、解讀資料,並將 LLM 轉介等來源的洞察力整合到整體策略中,以改善決策和績效。

解碼您的 GA4 資料:如何追蹤和分類來自 LLM 的流量
James Huang 2025年6月1日
分享這個貼文
駕馭人工智能浪潮:解碼 2200% 的 AI 流量激增 & 掌握 AI 搜尋最佳化