解碼你的 GA4 數據：如何追蹤和細分來自大型語言模型的流量

了解你的網站流量來源，特別是在 AI 工具和大型語言模型（LLMs）興起的背景下。水星科技解決方案在這些變化中保持領先，利用數據獲取戰略洞察是我們運營和建議客戶的基本原則。

我們看到像 ChatGPT、Perplexity、Gemini 等 AI 工具成為重要的信息發現點。雖然 Google 自家的 AI 概覽數據仍然與搜尋控制台中的數據混合，但流量來自這些 AI 平台，理解這一點對於有效調整你的數位策略至關重要。簡而言之：

隨著用戶越來越多地從 AI 工具（如 ChatGPT、Perplexity、Gemini 等）獲取信息，在 Google Analytics 4 (GA4) 中追蹤這些引薦流量至關重要。本指南將向你展示如何使用 GA4 探索報告中的正則表達式過濾器來細分 LLM 流量，以獲取快速洞察，或通過 Looker Studio（無論是使用直接過濾器還是在 GA4 管理中設置自定義通道組）來獲得更詳細的持續報告。理解這些流量有助於精煉 SEO 和內容策略，以應對不斷變化的數位環境。潮流變遷：為何 LLM 流量細分至關重要

人們在線上尋找和互動信息的方式正在迅速改變。無論他們是使用像 ChatGPT 這樣的對話式 AI、像 Perplexity 這樣的專業工具，還是集成助手，LLMs 正成為內容的重要入口。在過去幾個月中，我們觀察到來自這些來源的引薦流量顯著增加，流向我們和我們客戶的網站。

儘管對於是否將這些工具嚴格歸類為「搜尋引擎」的辯論仍在持續，但它們的功能性影響是不可否認的。它們影響了發現和用戶旅程。因此，了解來自 LLM 的流量的數量和行為對於幾個原因至關重要：

調整策略：

• 它有助於告知你的內容和 SEO 策略（如SEVO和LLM-SEO）以滿足用戶在他們偏好的平台上的需求。衡量影響：
• 它使你能夠評估在 AI 環境中提高可見性努力的有效性。理解用戶行為：
• 分析這一細分市場揭示了來自 AI 來源的用戶如何以不同的方式與你的網站互動。識別機會：
• 它突顯了哪些 AI 平台正在驅動相關流量。在 GA4 中追蹤 LLM 和聊天機器人流量的方法

有實用的方法可以在你現有的分析設置中隔離和分析這些流量。我推薦的兩種主要方法，根據你的報告需求和訪問級別，分別是使用 GA4 探索報告和 Looker Studio。

GA4 探索報告：

• 非常適合快速分析、可視化趨勢和在 GA4 界面中分享特定洞察。Looker Studio：
• 理想用於創建可分享的、可能更自定義的儀表板，以進行持續監控和深入分析（例如，分析特定於 LLM 流量的著陸頁或事件）。讓我們來分解如何設置這些。

方法一：使用 GA4 探索報告進行快速分析

這是使用正則表達式（regex）過濾器獲得初步視圖的最簡單方法。

創建探索：

1. 在 GA4 中，導航到探索並開始一個新的空白探索。設置維度和指標：
2. 在變數列中，導入會話來源/媒介作為維度。
3. 導入會話、參與會話，並可能導入轉換或關鍵事件作為指標。
4. 建立報告：
5. 將會話來源/媒介拖到行中，並將你選擇的指標（例如，會話）拖到標籤設置列中的值中。創建 LLM 細分：
6. 在變數列中，點擊細分旁邊的 '+'，選擇會話細分。
7. 給你的細分命名一個描述性的名稱（例如，「LLM / AI 流量」）。
8. 在包含會話時，添加一個條件：會話來源/媒介
9. 符合正則表達式。粘貼以下正則表達式模式（或更新版本）：代碼片段^.
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：此正則表達式識別截至2025年初的常見AI/LLM來源。新工具不斷出現，命名慣例可能會改變。此列表將需要定期檢閱和更新以保持準確性。
11. 點擊應用，然後保存並應用。
12. 分析：您的報告表格現在將過濾，只顯示來自符合正則表達式的來源的流量。您可以看到哪些特定的LLM來源正在推動流量及其參與度。
13. (可選) 可視化趨勢：複製探索標籤。將可視化類型更改為折線圖。將會話（或其他指標）拖到數值中。這將顯示隨時間變化的LLM流量量。

方法2：使用Looker Studio進行持續報告

Looker Studio為儀表板提供了更多靈活性。您可以在這裡以兩種方式使用相同的正則表達式過濾原則：

A) 輕量級方法（任何GA4訪問級別）：

1. 創建圖表/表格：在Looker Studio中，使用您的GA4數據來源添加圖表（例如，時間序列、表格）。
2. 添加過濾器：選擇圖表。在設置面板（通常在右側）中，向下滾動到過濾器部分並點擊添加過濾器。
3. 配置過濾器：
4. 點擊創建過濾器。
5. 給它一個名稱（例如，"LLM來源過濾器"）。
6. 設置條件：包括 > 會話來源/媒介 > 符合正則表達式。
7. 粘貼在方法1中使用的相同正則表達式模式。
8. 點擊保存。
9. 應用：該過濾器現在應用於該特定圖表，只顯示LLM流量數據。對於任何其他希望隔離LLM流量的圖表重複此操作。這使您可以輕鬆地將LLM特定視圖添加到現有儀表板中。

B) 深入方法（需要GA4管理訪問權限）：

此方法在GA4本身內創建一個專用的渠道組，然後可以在Looker Studio（和GA4報告）中乾淨地使用。

1. 在GA4中導航：轉到管理（左下角齒輪圖標）。
2. 查找渠道組：在屬性列 > 數據顯示下，點擊渠道組。
3. 創建新組：點擊創建新渠道組。
4. 命名組：給該組一個名稱（例如，"自訂渠道包括LLM"）。如果需要，添加描述。
5. 添加LLM渠道：點擊添加新渠道。
6. 給該渠道一個具體名稱（例如，"AI / LLM推薦"）。
7. 在渠道條件下，設置：會話來源/媒介符合正則表達式。粘貼之前使用的相同正則表達式模式。
8. 點擊保存。
9. 重新排序渠道：
10. 點擊重新排序。將您的新"AI / LLM推薦"渠道放在默認推薦渠道之上。這確保符合正則表達式的流量首先分配到這裡。點擊應用。保存組：
11. 點擊右上角的保存組。在Looker Studio中使用：
12. 在GA4處理新組後（最多允許48小時），您可以在Looker Studio報告中選擇此"自訂渠道包括LLM"組作為您的默認渠道組維度，以便在不需要圖表級別過濾器的情況下進行更清晰的分段。逐步跟蹤摘要

方法關鍵步驟GA4訪問需求優缺點

GA4探索報告

GA4 Explore Report

建立 探索 > 新增 維度/指標 > 創建 會話區段 (符合正則表達式) > 應用 區段 > 視覺化

觀眾+

在 GA4 中進行快速分析，設置簡單

儀表板的彈性較低，區段需要手動應用

Looker Studio (輕量版)

建立 圖表 > 新增 篩選器 > 配置 篩選器 (在會話來源/媒介上符合正則表達式) > 儲存並應用 篩選器至圖表

觀眾+

靈活的儀表板，不需要管理員，每個圖表應用篩選器

每個圖表重複篩選邏輯，完全依賴正則表達式的準確性

Looker Studio (透過 GA4 深入分析)

GA4 管理員：創建 渠道群組 > 新增 LLM 渠道 (符合正則表達式) > 重新排序 > 儲存 群組。然後Looker Studio：在圖表中使用新的 渠道群組 維度。

管理員

報告中的清晰分段，GA4 中一致的渠道定義

需要管理員訪問，GA4 中的初始設置，處理延遲（最多 48 小時）

持續監控是關鍵

AI 環境是流動的。新的工具將會出現，平台識別其流量的方式可能會改變。提供的正則表達式篩選器是一個起點，必須定期檢查和更新以保持有效。定期檢查您的推薦來源，並精煉模式，以確保準確捕捉來自相關 LLM 工具的流量。

了解這一日益增長的流量區段對於認真對待數據驅動數位策略的企業來說已不再是可選的。現在設置這一追蹤提供了所需的見解，以便在 AI 繼續重塑用戶在線發現資訊的方式時，進行調整、優化和保持可見性。在 Mercury Technology Solutions，我們將這一分析層級整合到我們的客戶策略中，確保決策根植於不斷演變的數位生態系統的現實中。

LLM 流量追蹤 常見問題

Q1：為什麼我追蹤的 LLM 流量這麼低？這可能由於幾個因素：您感興趣的 LLM 平台可能尚未發送顯著的推薦流量，您的內容可能未經常被這些 LLM 顯示，或者正則表達式篩選器可能缺少相關的來源識別符。確保您的正則表達式是最新的。

Q2：我應該多久更新一次正則表達式篩選器？每季度檢查一次，或者如果聽說有重要的新 AI 工具獲得關注或懷疑現有工具的識別方式發生變化（例如，子域名或參數的變化）時，應更頻繁地檢查。

Q3：我可以使用這種方法單獨追蹤特定 AI 工具的流量嗎？可以。您可以修改正則表達式或使用更具體的模式為個別工具創建單獨的區段/篩選器（例如，.*perplexity.* 用於 Perplexity，.*openai.com/.* 用於某些 OpenAI 推薦者，雖然具體情況可能有所不同）。

Q4：這是否追蹤用戶通過 AI 與我的內容的所有互動？不。這種方法主要追蹤推薦流量——用戶在 AI 工具的回應中點擊鏈接導致您的網站的情況。它不追蹤 AI 總結您的內容而不鏈接的情況，或用戶閱讀 AI 的摘要後單獨搜索您的品牌的情況。

Q5：來自 Google 的 AI 概述的流量是否包含在內？目前，來自 Google 的 AI 概述的流量通常與 GA4 和搜尋控制台中的常規 Google 自然流量數據混合。正則表達式方法專注於明確從其他可識別的 AI 平台和聊天機器人推薦的流量。直接追蹤 AI 概述需要不同的方法，通常涉及分析搜尋控制台性能數據的變化。

Q6：Mercury Technology Solutions 能幫助設置和分析這一追蹤嗎？可以。作為我們分析、SEO 和數位策略服務的一部分，我們幫助客戶實施穩健的追蹤，解釋數據，並將來自 LLM 推薦的見解整合到他們的整體策略中，以改善決策和表現。