解码您的 GA4 数据：如何跟踪和细分来自大型语言模型（LLM）的流量

了解您的网站流量来源，尤其是在 AI 工具和大型语言模型（LLM）兴起的背景下。水星科技解决方案正在领先于这些变化，并利用数据获取战略洞察，这对我们的运营和客户建议至关重要。

我们看到 ChatGPT、Perplexity、Gemini 等 AI 工具成为重要的信息发现点。虽然谷歌自己的 AI 概览数据仍然与搜索控制台中的数据混合，但流量来自这些 AI 平台，理解这些流量对于有效调整您的数字策略至关重要。简而言之：

随着用户越来越多地从 AI 工具（如 ChatGPT、Perplexity、Gemini 等）获取信息，在 Google Analytics 4（GA4）中跟踪这些推荐流量至关重要。本指南展示了如何使用正则表达式过滤器在 GA4 Explore 报告中细分 LLM 流量以获得快速洞察，或通过 Looker Studio（无论是使用直接过滤器还是在 GA4 管理中设置自定义渠道组）进行更详细、持续的报告。理解这些流量有助于优化不断变化的数字环境中的 SEO 和内容策略。潮流的变化：为什么 LLM 流量细分很重要

人们在线查找和互动信息的方式正在迅速变化。无论他们使用的是像 ChatGPT 这样的对话 AI、像 Perplexity 这样的专业工具，还是集成助手，LLM 正在成为内容的主要入口。最近几个月，我们观察到来自这些来源的推荐流量显著增加，流向我们和客户的网站。

尽管关于是否将这些工具严格归类为“搜索引擎”的辩论仍在继续，但它们的功能影响是不可否认的。它们影响发现和用户旅程。因此，理解来自 LLM 的流量的数量和行为对于几个原因至关重要：

调整策略：

• 它有助于为您的内容和 SEO 策略（如“SEVO”和“LLM-SEO”）提供信息，以满足用户在他们偏好的平台上的需求。衡量影响：它使您能够评估在 AI 环境中提高可见性努力的有效性。理解用户行为：分析这一细分市场揭示了来自 AI 来源的用户如何以不同的方式与您的网站互动。识别机会：
• 它强调了哪些 AI 平台正在驱动相关流量。在 GA4 中跟踪 LLM 和聊天机器人流量的方法
• 在您现有的分析设置中，有实用的方法可以隔离和分析这些流量。我推荐的两种主要方法，取决于您的报告需求和访问级别，分别是使用 GA4 Explore 报告和 Looker Studio。GA4 Explore 报告：
• 非常适合快速分析、可视化趋势和在 GA4 界面中共享特定洞察。Looker Studio：

理想用于创建可共享的、可能更自定义的仪表板，以进行持续监控和深入分析（例如，分析与 LLM 流量相关的着陆页或事件）。

让我们分解一下如何设置这些。

• 方法 1：使用 GA4 Explore 报告进行快速分析这是使用正则表达式（regex）过滤器获取初步视图的最简单方法。
• 创建探索：在 GA4 中，导航到 Explore 并开始一个新的空白探索。

设置维度和指标：

在变量列中，导入会话来源/媒介作为维度。

导入会话、参与会话，以及可能的转化或关键事件作为指标。

1. 构建报告：将会话来源/媒介拖到行中，将您选择的指标（例如，会话）拖到选项卡设置列中的值中。
2. 创建 LLM 细分：
3. 在变量列中，单击细分旁边的 '+' 并选择会话细分。
4. 给您的细分命名一个描述性的名称（例如，“LLM / AI 流量”）。
5. 在“包含会话时”下，添加一个条件：会话来源/媒介匹配正则表达式。
6. 粘贴以下正则表达式模式（或更新版本）：代码片段
7. ^.
8. Name your segment something descriptive (e.g., "LLM / AI Traffic").
9. Under Include sessions when:, add a condition: Session source / medium matches regex.
10. Paste the following regex pattern (or an updated version): Code snippet^.ai|..openai.|.copilot.|.chatgpt.|.gemini.|.gpt.|.neeva.|.writesonic.|.nimble.|.outrider.|.perplexity.|.google.bard.|.bard.google.|.bard.|.edgeservices.|.you.com.|.pi.ai.|.claude.ai.|.anthropic.|.astastic.|.copy.ai.|.bnngpt.|.gemini.google.$(重要提示：此正则表达式识别截至2025年初的常见AI/LLM来源。新工具不断涌现，命名约定可能会改变。此列表需要定期审查和更新以保持准确性。
11. 点击应用，然后保存并应用。
12. 分析：您的报告表现在将过滤以仅显示来自匹配正则表达式的来源的流量。您可以看到哪些特定的LLM来源正在推动流量及其参与水平。
13. (可选) 可视化趋势：复制探索选项卡。将可视化类型更改为折线图。将会话（或其他指标）拖到值中。这将显示LLM流量随时间的变化。

方法2：使用Looker Studio进行持续报告

Looker Studio为仪表板提供了更多灵活性。您可以在这里以两种方式使用相同的正则表达式过滤原则：

A) 轻量级方法（任何GA4访问级别）：

1. 创建图表/表格：在Looker Studio中，使用您的GA4数据源添加图表（例如，时间序列、表格）。
2. 添加过滤器：选择图表。在设置面板（通常在右侧）中，向下滚动到过滤器部分并点击添加过滤器。
3. 配置过滤器：
4. 点击创建过滤器。
5. 给它一个名称（例如，"LLM来源过滤器"）。
6. 设置条件：包含 > 会话来源/媒介 > 匹配正则表达式。
7. 粘贴在方法1中使用的相同正则表达式模式。
8. 点击保存。
9. 应用：该过滤器现在已应用于该特定图表，仅显示LLM流量数据。对于您想要隔离LLM流量的任何其他图表，请重复此操作。这使您可以轻松地将LLM特定视图添加到现有仪表板中。

B) 深入方法（需要GA4管理员访问）：

此方法在GA4内部创建一个专用渠道组，然后可以在Looker Studio（和GA4报告）中干净地使用。

1. 在GA4中导航：转到管理员（左下角齿轮图标）。
2. 查找渠道组：在属性列 > 数据显示下，点击渠道组。
3. 创建新组：点击创建新渠道组。
4. 命名组：给该组一个名称（例如，"自定义渠道包括LLM"）。如有需要，添加描述。
5. 添加LLM渠道：点击添加新渠道。
6. 给该渠道一个具体名称（例如，"AI / LLM推荐"）。
7. 在渠道条件下，设置：会话来源/媒介匹配正则表达式。粘贴之前使用的相同正则表达式模式。
8. 点击保存。
9. 重新排序渠道：
10. 点击重新排序。将您的新"AI / LLM推荐"渠道拖到默认推荐渠道的上方。确保匹配正则表达式的流量首先分配到这里。点击应用。保存组：点击右上角的保存组。
11. 在Looker Studio中使用：在GA4处理新组后（允许最多48小时），您可以在Looker Studio报告中选择此"自定义渠道包括LLM"组作为您的默认渠道组维度，以便进行更清晰的细分，而无需图表级过滤器。
12. 逐步跟踪摘要方法关键步骤GA4访问需求优缺点

GA4探索报告

MethodKey StepsGA4 Access NeededProsCons

GA4 Explore Report

创建 探索 > 添加维度/指标 > 创建会话细分（匹配正则表达式） > 应用细分 > 可视化

查看者+

在GA4中进行快速分析，设置简单

仪表板灵活性较差，细分需要手动应用

Looker Studio（轻量级）

创建图表 > 添加过滤器 > 配置过滤器（在会话来源/媒介上匹配正则表达式） > 保存并应用过滤器到图表

查看者+

灵活的仪表板，无需管理员，每个图表应用过滤器

每个图表重复过滤逻辑，完全依赖于正则表达式的准确性

Looker Studio（通过GA4深入分析）

GA4管理员：创建渠道组 > 添加LLM渠道（匹配正则表达式） > 重新排序 > 保存组。然后Looker Studio：在图表中使用新的渠道组维度。

管理员

报告中的更清晰细分，在GA4中保持一致的渠道定义

需要管理员访问权限，在GA4中的初始设置，处理延迟（最长可达48小时）

持续监控是关键

AI领域是流动的。新的工具将会出现，平台识别其流量的方式可能会改变。提供的正则表达式过滤器是一个起点，必须定期审查和更新以保持有效。定期检查您的推荐来源，并优化模式，以确保您准确捕获来自相关LLM工具的流量。

理解这一不断增长的流量细分对于认真对待数据驱动数字战略的企业来说已不再是可选项。现在设置此跟踪提供了必要的洞察，以便在AI继续重塑用户在线发现信息的方式时进行调整、优化和保持可见性。在Mercury Technology Solutions，我们将这种分析水平整合到我们的客户战略中，确保决策基于不断变化的数字生态系统的现实。

LLM流量跟踪常见问题

Q1：为什么我跟踪的LLM流量这么低？这可能由于几个因素：您感兴趣的LLM平台可能尚未发送显著的推荐流量，您的内容可能未被这些LLM频繁展示，或者正则表达式过滤器可能缺少相关的来源标识符。确保您的正则表达式是最新的。

Q2：我应该多久更新一次正则表达式过滤器？每季度审查一次，或者如果您听说有重要的新AI工具获得关注，或者怀疑现有工具的自我识别方式发生变化（例如，子域名或参数的变化），则更频繁地更新。

Q3：我可以使用这种方法单独跟踪特定AI工具的流量吗？可以。您可以修改正则表达式或使用更具体的模式为单个工具创建单独的细分/过滤器（例如，.*perplexity.*用于Perplexity，.*openai.com/.*用于某些OpenAI推荐者，尽管具体情况可能有所不同）。

Q4：这是否跟踪用户通过AI与我的内容的所有交互？不。这种方法主要跟踪推荐流量——用户在AI工具的响应中点击链接并访问您网站的实例。它不跟踪AI总结您的内容而不链接的情况，或者用户阅读AI的总结后单独搜索您的品牌的情况。

Q5：来自Google AI概述的流量是否包含在内？目前，来自Google AI概述的流量通常与GA4和搜索控制台中的常规Google自然流量数据混合。正则表达式方法专注于明确来自其他可识别的AI平台和聊天机器人的推荐流量。直接跟踪AI概述需要不同的方法，通常涉及分析搜索控制台性能数据的变化。

Q6：Mercury Technology Solutions可以帮助设置和分析此跟踪吗？可以。作为我们分析、SEO和数字战略服务的一部分，我们帮助客户实施强大的跟踪，解释数据，并将来自LLM推荐的洞察整合到他们的整体战略中，以改善决策和绩效。