ИИ-переходы в аналитике: почему конверсия без намерения пользователя вводит в заблуждение

Переход из ChatGPT, Perplexity или другого ИИ-поиска может завершиться заявкой, регистрацией или покупкой — и всё равно не подтвердить ценность канала для бизнеса. Search Engine Journal обращает внимание на старую ошибку оптимизации конверсии: команда видит новый реферер, быстро объявляет его перспективным источником и начинает улучшать страницу под средний показатель, не разобравшись в намерении пользователей.

Для оценки конверсий и поведения пользователей, пришедших из ИИ-поиска, недостаточно сравнить их CR с органическим поиском или рекламой. Нужны контекст ответа ИИ, путь до целевого действия, качество результата после конверсии и повторяемость паттерна во времени. Иначе в отчёте появится красивый канал, который на деле перехватывает уже сформированный спрос или приводит случайные визиты.

Почему реферер ИИ-поиска легко переоценить

В классической веб-аналитике источник перехода часто воспринимают как объяснение причины визита. Для поискового трафика это уже упрощение, а в ИИ-поиске оно особенно рискованно. Пользователь может получить ответ от модели после нескольких предыдущих касаний с брендом: увидеть публикацию в соцсетях, прочитать Telegram-канал, перейти по брендовой выдаче, обсудить продукт с коллегой. ИИ в этой цепочке иногда становится последней точкой навигации, а не источником интереса.

Есть и обратная ситуация. ИИ-ответ приводит человека на страницу только для проверки одного факта. Такой визит может дать высокий показатель вовлечённости: пользователь внимательно читает материал, открывает справку или документацию, а затем уходит без коммерческого действия. Если судить канал только по последнему клику, этот сценарий выглядит слабым. Если судить по роли в знакомстве с продуктом, вывод может быть другим.

Отдельная проблема — неоднородность самих ответов. Один и тот же сайт может попасть в рекомендацию как источник определения, как пример в сравнении, как ссылка на исследование или как решение конкретной задачи. Эти аудитории приходят с разным ожиданием. Смешивать их в одну строку «AI referrals» — значит терять причину поведения.

Для digital-маркетинга здесь важен принцип: реферер фиксирует технический маршрут, но не заменяет анализ намерения. Конверсия без понимания, зачем пользователь пришёл, остаётся сигналом, а не доказательством эффективности.

Какие события измерять после перехода из ИИ-поиска

Рабочая модель начинается с разделения метрик на три уровня: качество визита, движение к ценности и бизнес-результат. Такой подход помогает не спорить о том, «хороший» ли AI-трафик в целом, а проверять конкретные сценарии.

1. Качество первого визита

На первом уровне полезно смотреть, что пользователь делает сразу после перехода:

• какую страницу он открывает и соответствует ли она вопросу, на который мог отвечать ИИ;
• дочитывает ли материал, переходит ли к связанным разделам, использует ли поиск по сайту;
• возвращается ли к результатам поиска или продолжает изучение ресурса;
• открывает ли страницы с продуктом, тарифами, кейсами, документацией или контактами;
• сохраняется ли сессия после перехода на другой домен или в приложение.

Важна не сама длительность визита. Длинная сессия может означать интерес, а может показывать, что человек не нашёл нужную информацию. Поэтому поведенческие сигналы нужно сопоставлять с содержанием посадочной страницы и следующим шагом пользователя.

2. Микроконверсии

Между визитом и покупкой обычно лежат действия, которые показывают осмысленный интерес. Для B2B-сервиса это могут быть просмотр страницы интеграций, запуск демо, создание проекта, импорт данных, приглашение коллеги или обращение в поддержку с предметным вопросом. Для медиа и контент-маркетинга — подписка, сохранение, переход к тематическому кластеру, скачивание полезного шаблона.

Список микроконверсий нельзя копировать из чужого отчёта. Он должен отражать момент, после которого вероятность получения ценности для пользователя действительно меняется. Например, отправка формы без подтверждённого контакта часто слабее, чем подключение источника данных внутри продукта.

3. Итоговая конверсия и её качество

Финальный уровень зависит от модели бизнеса: оплаченная подписка, квалифицированная заявка, активация, повторное использование сервиса. Здесь особенно важно не останавливаться на первом целевом действии.

Если AI-переходы дают много регистраций, но почти не приводят к активации, проблема может быть в несоответствии обещания в ИИ-ответе реальному продукту. Если заявки доходят до продажи, но быстро отменяются, стоит проверить ожидания, сегмент и формулировки на посадочной странице. Аналитика должна связывать источник не только с фактом конверсии, но и с её последующей судьбой в CRM или продуктовых событиях.

Сегментация превращает общий AI-трафик в понятные сценарии

Первый полезный срез — по платформе и рефереру. Разные ИИ-сервисы по-разному показывают ссылки, формируют ответы и удерживают пользователя в собственном интерфейсе. Но сегментации по домену недостаточно.

Второй срез — по посадочной странице. Переходы на статью, страницу продукта, базу знаний и страницу сравнения нельзя оценивать по одному эталону. У информационного материала может быть другая задача: сформировать доверие и продолжить путь в следующих сессиях. У продуктовой страницы цель чаще ближе к заявке или активации.

Третий срез — по типу запроса, если его можно восстановить косвенно. Прямой поисковый запрос обычно недоступен, однако контекст иногда читается через страницу входа, анкоры ссылок, содержание материала, цепочку просмотренных страниц и данные опросов. Для этого полезно завести простую классификацию:

• исследовательский сценарий — пользователь изучает тему, термин, подход или рынок;
• сравнительный сценарий — ищет различия между сервисами, методами или форматами;
• прикладной сценарий — пытается решить конкретную задачу;
• навигационный сценарий — ищет бренд, страницу, инструкцию или известный продукт;
• проверочный сценарий — сверяет факт, цитату, источник или рекомендацию.

Такая разметка может быть ручной на небольшой выборке. Её задача — не создать видимость точности, а увидеть, где меняется поведение. Если прикладные страницы дают активации, а справочные материалы приносят только короткие визиты, для них нужны разные выводы и разные ожидания от конверсии.

Полезен и срез по новым и возвращающимся пользователям. Если значительная часть AI-переходов приходится на возвращающуюся аудиторию, канал может участвовать в закрытии уже существующего спроса. Это не делает его бесполезным, но меняет интерпретацию: речь идёт не о чистом привлечении, а о помощи в принятии решения или навигации.

Где ломается атрибуция конверсий из ИИ-поиска

Последний клик особенно соблазнителен, когда появляется новый реферер. Его легко добавить в дашборд, заметить несколько конверсий и сделать вывод о росте нового канала. Но в реальном пути пользователь мог сначала познакомиться с брендом через SMM, увидеть экспертную публикацию, прочитать обсуждение в Telegram, а уже затем попросить ИИ сравнить варианты.

Поэтому для AI-переходов полезно держать как минимум три представления данных.

Отчёт по последнему переходу показывает, сколько конверсий технически завершилось после визита из ИИ-сервиса. Он нужен для оперативного контроля посадочных страниц и технической корректности разметки.

Отчёт по пути пользователя показывает предыдущие касания. Здесь видно, какие каналы чаще предшествуют AI-переходу и что происходит после него. Важно смотреть не только на каналы, но и на содержание контакта: экспертный материал, продуктовую страницу, публикацию в соцсетях, email или брендовый поиск.

Отчёт по когортам помогает оценить качество результата. В нём сравнивают пользователей, впервые пришедших из ИИ-поиска, с другими сопоставимыми группами: по активации, повторным действиям, сроку до целевой конверсии и отменам. Без сопоставимости такие выводы быстро превращаются в случайные наблюдения.

Не стоит объявлять причинность по небольшой группе переходов. Рост конверсий после появления AI-рефереров может совпасть с рекламной кампанией, публикацией в медиа, сезонностью или обновлением продукта. В спорных ситуациях полезнее сформулировать гипотезу и проверить её на повторяемом периоде, чем назначить один канал главным объяснением результата.

AI-реферер стоит рассматривать как часть пути пользователя, пока данные не подтвердят, что он стабильно создаёт дополнительный спрос или улучшает качество конверсии.

Как проверить, добавляет ли ИИ-поиск спрос, а не перехватывает его

Проверка начинается с вопроса: что изменилось бы без этого перехода? На уровне одной сессии ответить на него нельзя, но можно собрать косвенные признаки.

Сначала стоит проверить долю брендовых действий в последующих шагах. Если пользователь приходит из ИИ-сервиса, а затем быстро ищет точное название компании или открывает знакомую продуктовую страницу, это может указывать на навигационный характер визита. Если он изучает несколько независимых материалов, сравнивает решения и возвращается позже, вероятность исследовательского сценария выше.

Затем полезно сравнить временной разрыв между первым касанием и конверсией. Короткий путь не обязательно лучше: он часто характерен для аудитории, уже знакомой с брендом. Длинный путь тоже не означает ценность сам по себе. Значение появляется только в сравнении с другими сегментами и с качеством конечного результата.

Третий шаг — анализ контента, который получает переходы. Если ИИ регулярно ссылается на материалы с практическими объяснениями, методиками и первоисточниками, это подтверждает ценность контентного кластера. Если трафик концентрируется на случайной странице, сначала стоит проверить соответствие содержания запросам и техническую доступность материала, а затем уже менять воронку.

Для брендов и агентств полезно сопоставлять эти наблюдения с мониторингом обсуждений. Упоминания в социальных сетях, публикации в Telegram и динамика брендовых запросов не доказывают причинность, но помогают увидеть общий фон. FollowPulse позволяет отслеживать упоминания бренда и активность в соцсетях и мессенджерах, чтобы AI-переходы не анализировались в отрыве от других касаний аудитории.

Отчёт, который можно использовать в работе

Отдельный отчёт по AI-переходам не должен быть витриной с одной цифрой конверсии. В нём нужны поля, которые помогают принять решение:

• платформа или технический реферер;
• дата и посадочная страница;
• тип страницы: информационная, продуктовая, справочная, сравнительная;
• новый или возвращающийся пользователь;
• ключевые действия в первой сессии;
• микроконверсия и итоговая конверсия;
• статус результата после конверсии: активация, квалификация, оплата, отмена;
• предыдущие и последующие каналы в доступном окне атрибуции;
• заметки о контексте: обновление страницы, публикация, кампания, крупный инфоповод.

Такой отчёт не требует идеальной идентификации каждого AI-ответа. Его ценность в дисциплине: команда перестаёт приписывать смысл одной строке реферера и начинает фиксировать наблюдаемые действия.

Для SMM и контент-маркетинга это также способ увидеть, какие темы создают полезные пути к продукту. Статья может не давать заявку в ту же сессию, но приводить аудиторию к подписке, возвращению и дальнейшему выбору сервиса. В таком случае оценка строится вокруг роли материала в пути, а не вокруг требования немедленно закрыть продажу.

Чеклист

1. Выделить ИИ-рефереры в аналитике и проверить, не смешиваются ли они с неизвестным или прямым трафиком.
2. Разделить переходы по посадочным страницам и назначению контента.
3. Настроить события, которые отражают реальное движение к ценности, а не только отправку формы.
4. Сопоставить первую конверсию с активацией, квалификацией, оплатой или другим итоговым результатом.
5. Проверить долю новых и возвращающихся пользователей, а также предыдущие касания в доступном пути.
6. Классифицировать выборку переходов по предполагаемому намерению пользователя и сравнить поведение сегментов.
7. Пересматривать выводы на регулярном периоде, отмечая кампании, обновления контента и изменения продукта.

FAQ

Как отслеживать переходы из ChatGPT и других ИИ-поисков в веб-аналитике?

Следует выделить известные рефереры в отдельную группу каналов и проверить правила классификации в используемой системе аналитики. Затем трафик нужно разложить по посадочным страницам, событиям и качеству итоговой конверсии. Технический реферер не всегда передаётся, поэтому такой отчёт показывает наблюдаемую часть потока, а не весь объём влияния ИИ-поиска.

Почему у переходов из ИИ-поиска может быть высокая конверсия?

Высокая конверсия часто связана с тем, что пользователь уже знаком с брендом и использует ИИ для навигации, сравнения или проверки решения. Также ИИ может направлять на страницу аудиторию с узким прикладным вопросом. Для интерпретации нужно проверить новые и возвращающиеся визиты, предыдущие касания и качество результата после конверсии.

Какие метрики важнее всего для AI-трафика?

Приоритет зависит от цели страницы, но базовый набор включает действия после входа, микроконверсии, итоговую конверсию, активацию или квалификацию, повторные визиты и отмены. Одна метрика конверсии не показывает, создаёт ли канал ценность для бизнеса.

Можно ли считать AI-переходы отдельным маркетинговым каналом?

Их стоит учитывать как отдельную группу наблюдаемых рефереров, но вывод о самостоятельном канале требует подтверждения. Необходимо проверить, приводит ли группа пользователей дополнительный спрос, отличается ли качеством от других сегментов и повторяется ли эффект во времени.

Как понять, какой контент чаще приводит пользователей из ИИ-поиска?

Нужно сопоставить посадочные страницы с типами последующих действий и тематикой материалов. Практические руководства, справочные страницы, сравнения и исследования обычно выполняют разные роли в пути пользователя, поэтому оценивать их следует по разным целевым действиям.

Отслеживать контекст вокруг AI-переходов помогают FollowPulse: мониторинг бренда, аналитика соцсетей и Telegram Analytics дополняют веб-данные сигналами из публичных обсуждений и контентных каналов.

Пользуйся FollowPulse и получай:

• Аналитику соцсетей
• Умный поиск информации
• Рост своего бренда

Пробный доступ — от 10 рублей.

Попробовать FollowPulse