几个月来，一些出版商在听众报告中观察到了一个新类别：来自Chatgpt，Chelplexity或Gemini的会议。我们应该看到一个 新的收购频道，“ RERARM LLM”， 还是与分析工具相关的归因的幻想？
Frenchweb.fr正在推出新的地理报价，以支持其合作伙伴部署其战略。要了解更多信息，请联系[email protected]
仍然边缘但可衡量的现象
Chatgpt（通过Integrated UTM）或困惑性产生的响应中可点击链接的外观产生了第一个可见流。在某些情况下，ChatGpt出现在分析Web工具中 3ᵉ补偿流量来源，在LinkedIn和Twitter后面，正如我们在Frenchweb.fr上看到的那样。这些信号源于新渠道正在出现的想法。
但是这些数字必须细微：
- 并非所有LLM都提供外向的链接（Claude，Gemini，Mistral不这样做）。
- 点击不是主要使用方式：大多数用户对文本响应感到满意。
- 分配给chatgpt的部分会议实际上可能来自 内部或间接共享测试 （答案的复制纸，单击在其他地方的链接中继）。
分配偏见
“交叉LLM”流量的识别达到了几个技术限制：
- 部分UTM ：只有自愿将监视参数集成到其响应中的发布者（例如Beta ChatGpt）才能清楚分配。
- 缺乏参考 ：在许多情况下，流量因浏览器缺乏信息而被归类为“直接”。
- 界面的参与 ：当在移动应用程序中生成响应时，并不总是传输重量数据。
结果：运河的重要性通常是 被低估了，但是它的现实仍然很难彻底证明。
不可见价值的重新分布
即使没有单击，LLM也会修改流量链。每个响应都产生 赢得了研究意图 它不再由Google过境，并降低了单击来源网站的可能性。可见的穿越只是冰山的出现的一部分：
- 臭名昭著 （在没有关联的单击的情况下，在响应中引用该品牌）。
- SEO交通损失 （用户直接在AI中找到他的答案，并且没有打开网站）。
采用新的测量模型
为了分析此新兴频道，探索了几条轨道：
- GA4中的分割 ：创建一个特定的类别“RéfreralLLM”，将Chatgpt，困惑等。
- 引号监视 ：使用监视工具，即使没有单击即使没有单击，也可以在生成的答案中引用何时以及如何在生成的答案中引用品牌。
- 定性研究 ：用户调查以了解AI建议的链接多少。
对品牌有什么影响？
- 短期 ：与SEO和社交网络相比，RERM流量LLM的数量仍然很低。
- 中期 ：可见性的测量不仅限于会话和点击；有必要整合 在AI响应中的存在 作为权威的指标。
- 长期 ：摇摆到“答案引擎”可以重新定义收购模型：较少的直接流量，但与该模型相关的价值更多 品牌提及 在AI使用的语料库中。
如何测量“ Relarral LLM”流量
| 方法 | 原则 | 好处 | 边界 | 推荐使用 |
|---|---|---|---|---|
| LLM集成的UTM （例如，chatgpt，困惑） | 这些模型会自动插入带有跟踪参数（UTM_Source，utm_medium）的链接 | 清除分配，在GA4中可见为“réfreral” | 仅限于显示可点击链接的AI；在模型之间未标准化 | 实际上由IA响应生成的短期监视点击 |
| GA4 /分析细分 | 创建个性化的运河“后劳拉” | 数据集中化，允许与SEO和社会进行比较 | 许多情况“未归因”（流量分类实时），取决于配置 | 适用于每月报告和趋势随之而来的 |
| 引号监视（品牌跟踪LLM） | 定期质疑模型以找出是否引用品牌或链接的工具 | 即使没有点击，可见性措施也能获得一定的权威 | 不反映实际流量，取决于该工具及其提示 | 与分析结合起来，以臭名昭著 |
| 定性分析（调查，用户测试） | 研究用户对AI的使用及其单击链接的倾向 | 提供行为见解（例如20％的用户单击提出的链接） | 样本有限，没有自动跟踪 | 对于验证定量数据和了解用户路线有用 |
| 间接监控（社交提及，反向链接） | 确定从对其他平台的响应中复制的内容的恢复 | 检测副作用（在LinkedIn，论坛，博客上引号） | 模糊归因，没有区分起源 | 捕获GEO的“派生值”超出直接流量 |
今天要关注的3 kPi地理
-
LLM推荐tr
- 测量LLM（通过UTM或GA4）的访问量。
- 允许识别Chatgpt，困惑或双子座产生的实际流量。
-
AI响应中的报价率
- 引用了品牌，网站或其内容的领域的关键问题百分比。
- 信息授权指标，即使没有关联的单击。
-
地理授权指数
- 分数结合了参考语料库中的存在（Wikipedia，专业媒体，技术报告）和报价的规律性。
- 遵循可见性“超越SEO”的长期措施。
