老闆問「我們做的那些 AI 優化到底有沒有效」，你打開 GA4，發現這個問題出乎意料地難回答。
Referral 報表裡確實有 chatgpt.com，但只有零星幾十次。perplexity.ai 有一點。gemini.google.com 混在 Google 一堆子網域裡。而 Direct 那欄不知道為什麼變胖了。
問題不在你不會用 GA4，在於 GA4 現階段根本沒有「AI 搜尋」這個管道分類。你得自己把它拼出來。這篇文章講的就是怎麼拼。
為什麼 GA4 預設報表看不出 AI 流量？
因為 GA4 的預設管道群組是在 AI 搜尋出現之前就定義好的，裡面只有 Organic Search、Paid Search、Referral、Direct 這些分類。ChatGPT、Perplexity 這些網域對 GA4 來說就是一般的參照連結網站，被丟進 Referral 裡跟其他幾百個網域混在一起。
更麻煩的是第二層問題：有相當比例的 AI 流量根本不帶參照來源。
有三種情況會讓 referrer 消失。使用者用的是 ChatGPT、Claude 的桌面應用程式或手機 App，不是瀏覽器，點擊連結時沒有網頁來源可以傳遞。或者 AI 服務在跳轉時設了 noreferrer，主動剝掉來源資訊。再或者使用者根本沒點連結——他看完 AI 的回答，記住了你的品牌，隔天自己打你的網址進來。
這幾種情況全部會落進 Direct。所以你在 Referral 看到的 AI 流量，只是實際數字的一部分。這件事必須先講清楚，否則你會拿一個嚴重低估的數字去做決策。
有哪些 AI 來源網域要納入追蹤？
以下是目前需要納入的主要網域，建議整份複製起來當設定清單：
| 服務 | 主要網域 |
|---|---|
| ChatGPT | chatgpt.com、chat.openai.com |
| Perplexity | perplexity.ai、www.perplexity.ai |
| Google Gemini | gemini.google.com |
| Claude | claude.ai |
| Microsoft Copilot | copilot.microsoft.com、bing.com/chat |
| Grok | grok.com、x.ai |
| 其他 AI 搜尋 | you.com、phind.com、felo.ai |
設定時建議用「包含」而不是「完全比對」——這些服務的子網域和路徑常變，用包含比對比較耐用。例如比對條件寫「來源包含 chatgpt」，就能同時涵蓋 chatgpt.com 和 chat.openai.com 以外的變體。
要提醒一個容易搞混的地方：gemini.google.com 和一般的 Google 自然搜尋是不同的東西。如果你的比對規則寫成「來源包含 google」，會把整個自然搜尋流量誤抓進來。這條規則一定要寫完整網域。
至於 Google AI Overview 帶來的點擊——很遺憾，它在 GA4 裡和一般自然搜尋完全混在一起，沒辦法分離。想看這塊只能到 Search Console 觀察曝光與點擊率的變化趨勢，做法可以參考GSC 數據判讀。
怎麼在 GA4 建立 AI 流量的自訂管道群組？
自訂管道群組是最乾淨的做法——設定一次，之後所有標準報表都會多出一個「AI 搜尋」分類，不必每次都手動拉探索報表。
步驟是這樣：進入 GA4 後台的「管理」，在「資源」欄位下找到「管道群組」，點「建立新管道群組」。系統會複製一份預設群組讓你修改。
進去之後先做最關鍵的一件事：把新增的規則拖到 Referral 上面。 GA4 的管道規則是由上往下比對，第一個符合的就中了。如果 AI 搜尋這條規則排在 Referral 後面，所有流量會先被 Referral 抓走，你的新分類永遠是零。這是設定失敗最常見的原因。
規則本身很簡單：管道名稱填「AI 搜尋」，條件選「工作階段來源」，比對方式選「包含」，然後把上一節那份網域清單逐條加進去，條件之間用「或」連接。
存檔之後有兩個限制要知道：自訂管道群組不會回溯套用到歷史資料，只從建立當下開始生效；而且它不會取代預設群組，是並存的，你在報表裡要手動切換過去看。
如果你只是想先看一眼、不想動到管道設定，也可以用探索報表做——建一個自由格式探索，維度選「工作階段來源」，套一個「來源包含 chatgpt 或 perplexity 或 claude」的區隔就好。這個方式改動最小，適合先驗證有沒有量再決定要不要正式設定。探索報表的操作細節在GA4 探索報表教學有完整說明。
AI 流量該看哪些指標？
不要只看工作階段數。AI 流量的量在多數網站都還很小，只看量會得出「不值得投入」的結論，但那通常是錯的判斷。
比較有意義的是這四個：
參與度和平均互動時間。 AI 流量的訪客通常已經看過 AI 的整理，點進來是為了確認細節。這類訪客的停留時間常常明顯高於整站平均，這是內容真的被讀進去的訊號。
每次工作階段的頁面數。 這個指標經常偏低，但不代表品質差——他們可能一頁就找到答案了。要搭配轉換率一起看才有意義。
轉換率。 這是最該關注的。AI 流量的樣本數小，轉換率的波動會很大，所以至少累積一到兩個月的資料再看，別用一週的數字下結論。
到達網頁。 看 AI 把人送到哪幾頁，這是回頭優化內容最直接的線索。通常會集中在少數幾篇——那幾篇的寫法就是你的範本，值得拿去複製到其他文章上。
分析時有個陷阱要避開：不要拿 AI 流量的絕對數字跟自然搜尋比。 兩者量級差太多，比了只會得到「AI 流量微不足道」的結論。要比就比率——參與率、轉換率、每次工作階段收益。這樣才看得出這個管道的體質。
如果要做成給主管看的報表，建議用 Looker Studio 把 AI 管道單獨拉一頁，並列出趨勢線而不是單月數字，做法可以參考Looker Studio 視覺化教學。
有辦法找回被算成 Direct 的 AI 流量嗎？
沒有辦法完全找回，但可以做兩件事縮小誤差。
第一，用著陸頁反推。 如果某個深層頁面（不是首頁、不是熱門文章）突然出現大量 Direct 流量，那幾乎不可能是有人手動輸入網址進來的。把「Direct 流量 + 著陸頁不是首頁 + 頁面路徑很深」這組條件建成一個區隔，看它的量級和趨勢，可以當作 AI 流量的下限估計。
這個方法不精確，但方向是對的：正常的 Direct 流量高度集中在首頁和書籤頁，深層頁面的 Direct 是異常訊號。
第二，在能控制的地方加 UTM。 你沒辦法要求 ChatGPT 幫你加參數，但如果你在其他 AI 相關管道（例如自家提供給 AI 讀取的資源、合作媒體的 AI 專區）有連結控制權，就加上標記。這部分做法在UTM 追蹤參數教學有完整說明。
老實說，AI 流量的量測在 2026 年還是一件做不精準的事。與其追求準確的絕對值，不如穩定地用同一套方法追趨勢——你真正需要回答的是「這個月比上個月多還是少」，而不是「這個月精確是幾次」。
結語
把 AI 流量分出來這件事，技術上不難，難在心態要調對：這是一個目前無法測準、但趨勢明確的管道。設定一個自訂管道群組、每個月固定看同一組比率指標、把表現好的著陸頁拿去複製——這樣就夠了。
先做一件事的話，就去建那個自訂管道群組，記得把規則拖到 Referral 上面。因為它不會回溯，今天建和三個月後建，差的是三個月的歷史資料。
想了解 AI 流量從哪裡來、怎麼讓 AI 更常推薦你，可以接著看什麼是 GEO。