Jak mierzyć ruch z AI i dlaczego warto to robić?

Jeszcze niedawno na spotkaniach z klientami rozmawialiśmy głównie o tym, ile ruchu przychodzi z Google, ile z reklam, ile z social mediów i które frazy realnie dowożą zapytania. Dziś coraz częściej pojawia się inne pytanie: czy klienci trafiają na stronę po rekomendacjach z ChatGPT, Gemini, Perplexity albo innych narzędzi AI? I to nie jest ciekawostka dla osób lubiących nowe zabawki w marketingu. To jest temat, który zaczyna wpływać na sposób mierzenia widoczności marki w internecie. W tym artykule pokażę, jak mierzyć ruch z AI, gdzie szukać danych w GA4, jak nie pomylić ruchu z AI ze zwykłym referralem i dlaczego sam wzrost sesji nie mówi jeszcze nic, jeśli nie połączymy go z konwersjami.

O czym przeczytasz?

• Ruch z AI to nie moda, tylko nowa warstwa pozyskiwania klientów
• Gdzie w GA4 sprawdzić, czy pojawia się ruch z ChatGPT, Gemini i innych narzędzi AI?
• Jak sprawdzić ruch z ChatGPT w GA4?
• Jak mierzyć ruch z Gemini?
• Dlaczego standardowe raporty GA4 nie wystarczają do analizy ruchu z AI?
• Jak utworzyć własny kanał „AI Referral”?
• Typowy błąd: mierzenie tylko sesji
• Jak mierzyć konwersje z AI, żeby nie wyciągać fałszywych wniosków?
• Jakie konwersje warto śledzić przy ruchu z AI?
• Dlaczego atrybucja może przekłamywać wpływ AI?
• Ruch organiczny z AI a klasyczne SEO – gdzie jest różnica?
• Co zmienia się w podejściu do treści?
• Dlaczego AI wymusza lepszą strukturę strony?
• Jak rozpoznać, że AI naprawdę poleca Twoją markę, a nie tylko przypadkiem wysyła ruch?
• Poziom analityczny: źródła, zachowanie, konwersje
• Poziom jakościowy: testy widoczności w AI
• Jak przygotować raport ruchu z AI dla klienta lub zarządu?
• Jak interpretować małe liczby?
• Jak połączyć AI z raportowaniem SEO?
• Jakie treści najczęściej generują polecenia w AI?
• Treści poradnikowe
• Strony usługowe
• Case studies i porównania
• Jakie błędy najczęściej psują pomiar ruchu z AI?
• Błąd 1: wrzucanie całego referrala do AI
• Błąd 2: brak filtrowania spamu i niskiej jakości źródeł
• Błąd 3: brak oznaczonych kampanii
• Błąd 4: ocenianie AI po jednym miesiącu
• Jak zacząć mierzyć ruch z AI krok po kroku?
• Podsumowanie

Ruch z AI to nie moda, tylko nowa warstwa pozyskiwania klientów

Przez lata SEO było dość czytelne: użytkownik wpisywał frazę w Google, klikał wynik organiczny, trafiał na stronę i zostawiał ślad w Google Analytics. Dało się mierzyć sesje, kliknięcia z Google Search Console, pozycje fraz, konwersje, ścieżki użytkowników i przychód. Ten model nadal działa, ale doszła do niego nowa warstwa: odpowiedzi generowane przez narzędzia AI.

Użytkownik nie zawsze zaczyna dziś od klasycznego zapytania w wyszukiwarce. Coraz częściej pyta ChatGPT, Gemini, Copilota albo Perplexity: „jaka agencja SEO dla lokalnej firmy?”, „jak wybrać wykonawcę strony internetowej?”, „na co uważać przy pozycjonowaniu sklepu?”. Jeśli w odpowiedzi pojawi się Twoja marka, artykuł, usługa albo link do strony, użytkownik może przejść na witrynę dokładnie tak samo, jak dawniej przechodził z wyników organicznych.

Różnica polega na tym, że ruch z AI bywa gorzej opisany w analityce. W GA4 może trafić do referral, direct, unassigned albo zostać rozbity na różne źródła. Standardowy raport pozyskiwania ruchu w GA4 pokazuje, skąd przychodzą użytkownicy, a raport Traffic acquisition służy właśnie do analizy źródeł sesji nowych i powracających użytkowników.

I tu zaczyna się praktyczny problem. Klient patrzy w raport i widzi wzrost ruchu referral, ale nie wie, czy to link z portalu branżowego, spam, panel płatności, katalog firm czy polecenia w AI. Bez osobnego uporządkowania danych trudno ocenić, czy treści zaczynają pracować w modelach AI, czy tylko pojawiło się kilka przypadkowych wejść.

Gdzie w GA4 sprawdzić, czy pojawia się ruch z ChatGPT, Gemini i innych narzędzi AI?

Pierwszy krok jest prosty, choć wiele firm go pomija. Wchodzisz w GA4 i analizujesz źródła sesji, nie tylko domyślne kanały. Sam kanał „Referral” jest zbyt ogólny. On mówi, że użytkownik przyszedł z innej strony lub aplikacji, ale nie mówi jeszcze, czy było to ChatGPT, Gemini, Perplexity, YouTube, katalog firm czy link z bloga.

W praktyce zaczynam od raportu:

• Reports → Acquisition → Traffic acquisition

Następnie zmieniam podstawowy wymiar z domyślnego kanału na:

• Session source / medium

To pozwala zobaczyć konkretne źródła w stylu:

• chatgpt.com / referralperplexity.ai / referralgemini.google.com / referralcopilot.microsoft.com / referralclaude.ai / referral

Nie zawsze zobaczysz dokładnie taki zapis. Czasem źródło będzie inne, czasem przejście zostanie zakwalifikowane jako direct, czasem jako unassigned. To jeden z powodów, dla których jak mierzyć ruch z ChatGPT nie oznacza tylko „wpisać chatgpt w wyszukiwarkę raportu i zamknąć temat”.

Jak sprawdzić ruch z ChatGPT w GA4?

Najprościej zacząć od filtrowania źródeł. W raporcie Traffic acquisition ustaw wymiar „Session source / medium”, a potem wyszukaj:

• chatgptopenaichat.openai.comchatgpt.com

Widziałem konta, na których przez kilka miesięcy ruch z ChatGPT był marginalny: 5–20 sesji miesięcznie. Widziałem też serwisy B2B, gdzie po publikacji kilku mocnych artykułów poradnikowych nagle pojawiało się kilkadziesiąt wejść miesięcznie z narzędzi AI. Sama liczba nie robi jeszcze strategii, ale trend już tak.

Jeśli masz 30 sesji z ChatGPT i 6 konwersji miękkich, to nie jest już ciekawostka. To jest sygnał, że treść odpowiada na pytania użytkowników na tyle dobrze, że AI uznało ją za użyteczną lub użytkownicy przekazują linki dalej w rozmowach.

Jak mierzyć ruch z Gemini?

Przy Gemini sprawa bywa mniej jednoznaczna, bo ruch może pojawiać się jako źródła związane z domenami Google, przeglądarką, aplikacją albo ruchem direct. W GA4 szukałbym przede wszystkim kombinacji zawierających:

• geminigooglebardai.google

Nie zakładałbym jednak, że cały ruch z Google oznaczony nietypowo to automatycznie ruch organiczny z AI. To częsty błąd. Kiedy pracowałem po stronie dużych projektów, bardzo szybko nauczyłem się, że entuzjazm w raportowaniu potrafi wyprzedzić dane. Jeśli coś wygląda jak AI, ale nie masz źródła, referrera, parametrów UTM ani zachowania użytkownika, opisuj to jako hipotezę, nie fakt.

W praktyce najlepiej utworzyć segment lub eksplorację, która grupuje podejrzane źródła AI, ale jednocześnie zostawia miejsce na ręczną weryfikację. Nie wrzucaj wszystkiego do jednego worka tylko dlatego, że brzmi nowocześnie.

Dlaczego standardowe raporty GA4 nie wystarczają do analizy ruchu z AI?

GA4 nie zostało zaprojektowane pierwotnie z myślą o tym, że narzędzia AI staną się osobnym kanałem pozyskiwania użytkowników. Dlatego standardowe kanały potrafią schować ten ruch pod ogólnym referralem albo inną kategorią. Google pozwala tworzyć niestandardowe grupy kanałów, które można wykorzystywać m.in. w raportach pozyskiwania, eksploracjach i analizie odbiorców.

To jest bardzo użyteczne, bo zamiast patrzeć na 15 różnych źródeł, możesz zbudować własny kanał, np. „AI Referral” albo „Ruch z AI”. Wtedy w jednym miejscu widzisz, ile sesji, użytkowników, konwersji i przychodów pochodzi z narzędzi AI.

Jak utworzyć własny kanał „AI Referral”?

Najprostszy schemat działania wygląda tak:

W GA4 przechodzisz do ustawień danych lub konfiguracji kanałów, tworzysz custom channel group i definiujesz reguły dla źródeł zawierających nazwy narzędzi AI. W regułach możesz uwzględnić źródła typu:

• chatgptopenaiperplexityclaudegeminicopilotyou.comphindmistralpoe

Potem nadajesz tej grupie nazwę, np. „AI Referral”. Dzięki temu w raportach możesz porównać ją z organic search, paid search, social, direct i referral.

W małych serwisach usługowych już 20–50 sesji miesięcznie z AI może być interesującym sygnałem, zwłaszcza jeśli użytkownicy spędzają na stronie więcej czasu, przechodzą na ofertę i wysyłają formularze. W e-commerce próg oceny będzie inny. Tam patrzyłbym bardziej na udział w przychodzie, asysty konwersji i zachowanie na kartach produktów.

Typowy błąd: mierzenie tylko sesji

Po kilkunastu latach pracy z SEO widzę ten błąd niemal przy każdym nowym kanale. Najpierw wszyscy pytają: „ile jest wejść?”. Dopiero później: „czy te wejścia coś zrobiły?”. To zła kolejność.

Przy AI same sesje są szczególnie zdradliwe. Użytkownik, który przychodzi z ChatGPT, może być dużo dalej w procesie decyzyjnym niż ktoś z klasycznego wyniku informacyjnego w Google. Zadał już kilka pytań, porównał opcje, zawęził wybór i kliknął link, bo szuka konkretu. Taki ruch bywa mniejszy, ale bardziej zdecydowany.

Dlatego przy analizie ruchu z AI patrzę minimum na:

czas zaangażowania, liczbę wyświetlonych stron, kliknięcia w formularz, kliknięcia w telefon, wysłane zapytania, przejścia na ofertę, pobrania plików, zapis do newslettera, dodanie produktu do koszyka i sprzedaż.

Dopiero wtedy można powiedzieć, czy AI generuje tylko ciekawość, czy realny potencjał biznesowy.

Jak mierzyć konwersje z AI, żeby nie wyciągać fałszywych wniosków?

Jeśli chcesz wiedzieć, jak mierzyć konwersje z AI, zacznij od porządku w konwersjach ogólnie. W wielu firmach problem nie polega na tym, że AI jest trudne do zmierzenia. Problem polega na tym, że sama analityka jest ustawiona prowizorycznie.

Wchodzę na konto klienta i widzę jako konwersję odsłonę strony kontaktowej. Albo kliknięcie w dowolny przycisk. Albo zdarzenie odpalające się dwa razy. W takim układzie raportowanie ruchu z AI nie ma sensu, bo cały fundament danych jest krzywy.

Jakie konwersje warto śledzić przy ruchu z AI?

Dla strony usługowej najczęściej ustawiam lub rekomenduję pomiar:

wysłania formularza kontaktowego, kliknięcia w numer telefonu, kliknięcia w adres e-mail, przejścia na podstronę oferty, kliknięcia w CTA, pobrania briefu, rozpoczęcia czatu, rezerwacji terminu rozmowy.

Dla e-commerce dochodzą:

• view_item, add_to_cart, begin_checkout, purchase, revenue, średnia wartość zamówienia, udział nowych użytkowników, powroty z remarketingu.

W projektach B2B dobrze działa jeszcze rozróżnienie konwersji miękkich i twardych. Miękka konwersja to np. wejście na stronę oferty, pobranie PDF-a albo kliknięcie w case study. Twarda konwersja to formularz, telefon, rezerwacja konsultacji albo zakup. AI często najpierw generuje sygnały miękkie, a dopiero później wpływa na zapytania.

Dlaczego atrybucja może przekłamywać wpływ AI?

W praktyce ścieżka użytkownika rzadko wygląda tak: ChatGPT → strona → formularz. Częściej jest tak: użytkownik pyta AI, wchodzi na stronę, wraca po dwóch dniach z Google, potem wpisuje nazwę marki i dopiero wysyła zapytanie.

Jeśli patrzysz tylko na ostatnie kliknięcie, możesz uznać, że konwersję dowiózł direct albo organic brand. AI zniknie z raportu, mimo że realnie pomogło użytkownikowi znaleźć firmę.

Dlatego w analizie używam nie tylko raportów pozyskiwania, ale też ścieżek konwersji i eksploracji. Patrzę, czy AI pojawia się na początku ścieżki, czy domyka sprzedaż, czy działa jako kanał wspierający. W małych wolumenach trzeba być ostrożnym. Jeśli masz 8 wejść z AI i jedną konwersję, to jeszcze nie jest materiał na wielką strategię. Jeśli przez 6 miesięcy trend rośnie, a użytkownicy z AI regularnie wracają i konwertują, wtedy zaczyna się konkretna rozmowa.

Ruch organiczny z AI a klasyczne SEO – gdzie jest różnica?

Dla mnie najciekawsze w tym temacie jest to, że ruch organiczny z AI nie zastępuje SEO. On wyrasta z podobnych fundamentów. Modele AI częściej „lubią” treści, które są jasne, konkretne, kompletne i dobrze osadzone w temacie. To bardzo podobne do tego, co od lat powtarzam przy sensownym SEO.

Jeśli strona ma słabe treści, chaotyczną strukturę, brak autorytetu tematycznego, cienkie opisy usług i żadnych odpowiedzi na realne pytania klientów, to trudno oczekiwać, że AI nagle zacznie ją polecać. Narzędzie nie musi znać Twojej marki tylko dlatego, że istniejesz.

To działa szczególnie mocno w usługach eksperckich. Kancelarie, firmy technologiczne, agencje, firmy medyczne, branża budowlana, B2B, logistyka, doradztwo – tam użytkownicy nie szukają tylko ceny. Szukają odpowiedzi, ryzyk, porównań, procedur, kosztów, błędów i przykładów. Jeśli Twoja strona to wszystko opisuje, masz większą szansę wejść do rozmów prowadzonych w AI.

Co zmienia się w podejściu do treści?

W klasycznym SEO przez lata wiele firm pisało teksty pod frazy. „Pozycjonowanie stron Gdańsk”, „pozycjonowanie stron Toruń”, „strony internetowe Bydgoszcz” – i do tego 3000 znaków podobnego tekstu. To działało coraz słabiej już w Google, a w AI jest jeszcze mniej przekonujące.

Treść musi odpowiadać na pytanie szerzej niż sama fraza. Jeśli piszę o tym, jak mierzyć ruch z AI, nie mogę zatrzymać się na zdaniu „sprawdź referral w GA4”. Muszę wyjaśnić, jak tworzyć kanały, jak rozumieć źródła, jak analizować konwersje, jakie są ograniczenia danych i dlaczego nie każdy wzrost direct to ChatGPT.

Tak samo wygląda to w praktyce usługowej. Jeśli firma chce budować widoczność przez pozycjonowanie stron, sama optymalizacja tytułów nie wystarczy. Potrzebna jest struktura, treści eksperckie, techniczny porządek, linkowanie wewnętrzne, dane analityczne i cierpliwe rozwijanie tematów, które użytkownicy naprawdę wpisują lub zadają narzędziom AI.

Dlaczego AI wymusza lepszą strukturę strony?

Modele AI, wyszukiwarki i użytkownicy mają wspólną cechę: nie lubią chaosu. Jeśli strona nie ma logicznych kategorii, usługi są opisane ogólnikowo, blog nie łączy się z ofertą, a każdy artykuł jest samotną wyspą, trudniej zbudować rozpoznawalność tematyczną.

W projektach e-commerce regularnie widzę sklepy z setkami produktów bez żadnej sensownej struktury linkowania. Google nie wie, które kategorie są najważniejsze, użytkownik nie wie, gdzie iść dalej, a AI nie dostaje spójnego obrazu oferty. W usługach problem wygląda podobnie: firma ma jedną podstronę „Oferta”, trzy akapity o wszystkim i blog, który żyje własnym życiem.

Jeśli inwestujesz w profesjonalne strony internetowe, sama warstwa wizualna nie wystarczy. Strona musi być zaprojektowana tak, żeby dało się mierzyć jej efektywność: zdarzenia, formularze, kliknięcia, przejścia między sekcjami, konwersje i źródła ruchu. Bez tego nawet najlepszy layout będzie ładnym folderem, a nie narzędziem sprzedaży.

Jak rozpoznać, że AI naprawdę poleca Twoją markę, a nie tylko przypadkiem wysyła ruch?

Samo wejście z ChatGPT lub Gemini nie oznacza jeszcze, że AI „poleca” Twoją firmę. Użytkownik mógł wkleić link do rozmowy, mógł poprosić narzędzie o analizę konkretnej strony, mógł kliknąć link z podsumowania albo z własnej historii. Dane z GA4 pokazują wejście, ale nie zawsze pokazują kontekst rozmowy.

Dlatego mierzenie ruchu z AI powinno mieć dwa poziomy: analityczny i jakościowy.

Poziom analityczny: źródła, zachowanie, konwersje

Tu patrzymy na dane:

ile sesji przyszło z AI, jakie strony były stronami wejścia, czy użytkownicy przechodzili dalej, czy konwertowali, czy wracali innymi kanałami, czy AI pojawiało się w ścieżkach konwersji.

Bardzo dużo mówi strona wejścia. Jeśli użytkownicy z ChatGPT trafiają głównie na artykuł poradnikowy, to znak, że treść odpowiada na pytania informacyjne. Jeśli trafiają na ofertę, cennik lub case study, intencja może być bardziej sprzedażowa. Jeśli wchodzą na stronę główną, warto sprawdzić, czy nie są to zapytania brandowe albo linki przekazywane przez użytkowników.

Poziom jakościowy: testy widoczności w AI

Drugi poziom to ręczne testy. Nie traktowałbym ich jako twardego raportu, ale jako świetne uzupełnienie. Możesz regularnie sprawdzać, co ChatGPT, Gemini, Perplexity czy Copilot odpowiadają na pytania związane z Twoją branżą.

Przykłady zapytań:

„Jak wybrać agencję SEO dla firmy lokalnej?” „Jak sprawdzić, czy agencja dobrze prowadzi pozycjonowanie?” „Jak mierzyć efekty SEO po 3 miesiącach?” „Jakie pytania zadać przed stworzeniem strony internetowej?” „Jak mierzyć ruch z AI w Google Analytics?”

Nie chodzi o to, żeby wpisać nazwę swojej firmy i cieszyć się, że narzędzie ją zna. Chodzi o sprawdzenie, czy Twoja marka pojawia się przy zapytaniach niebrandowych. To jest bliższe realnej widoczności.

W profesjonalnej agencji reklamowej takie dane zaczynają być coraz ciekawszym dodatkiem do klasycznych raportów SEO. Nie zastępują pozycji fraz ani GSC, ale pokazują, czy marka zaczyna istnieć w nowych miejscach podejmowania decyzji.

Jak przygotować raport ruchu z AI dla klienta lub zarządu?

Raport o ruchu z AI nie powinien wyglądać jak zachwyt nad nowym kanałem. Powinien odpowiedzieć na cztery pytania: ile tego ruchu jest, skąd przychodzi, co robi na stronie i czy wpływa na biznes.

W praktyce przygotowałbym prosty, comiesięczny widok:

ruch z AI miesiąc do miesiąca, najważniejsze źródła AI, najczęstsze strony wejścia, zaangażowanie użytkowników, konwersje miękkie, konwersje twarde, udział w ścieżkach konwersji, komentarz eksperta.

Ten ostatni element jest ważniejszy, niż brzmi. Same wykresy bez interpretacji prowadzą do złych decyzji. Widziałem raporty, w których ktoś świętował wzrost referral o 300%, a po sprawdzeniu okazało się, że większość ruchu pochodziła z mało wartościowego źródła, bez konwersji i z zerowym zaangażowaniem.

Jak interpretować małe liczby?

Przy ruchu z AI małe liczby są normalne. Jeśli firma lokalna ma 12 sesji miesięcznie z ChatGPT, nie skreślałbym tego. Porównałbym jakość tych sesji z innymi kanałami. Jeśli średni czas zaangażowania jest wyższy niż w social mediach, a 2 osoby przeszły na formularz, mamy sygnał.

Z drugiej strony nie budowałbym strategii na podstawie jednego miesiąca. Minimum to 3 miesiące obserwacji, lepiej 6. Dopiero wtedy widać, czy mamy trend, czy przypadkowy skok.

W lokalnym SEO wygląda to podobnie. Przy projektach takich jak pozycjonowanie stron w Chojnicach, pozycjonowanie stron w Gdyni czy pozycjonowanie stron w Gdańsku nie oceniam kampanii po jednym wykresie. Patrzę na widoczność lokalną, ruch, zapytania, mapy Google, jakość landing page’y i konwersje. Z AI powinno być tak samo: jeden wskaźnik nie wystarczy.

Jak połączyć AI z raportowaniem SEO?

Najlepiej dodać AI jako osobną sekcję do raportu SEO, ale nie robić z niego osobnego świata. W raporcie można pokazać:

które artykuły generują wejścia z AI, jakie tematy pojawiają się w AI najczęściej, czy strony usługowe są odwiedzane po wejściach z AI, czy wzrost widoczności organicznej idzie w parze z ruchem z AI, czy nowe treści zaczynają pojawiać się w zapytaniach testowych.

Dzięki temu klient widzi zależność: dobre SEO, dobre treści i dobra struktura strony mogą pracować nie tylko w Google, ale też w narzędziach AI.

Jakie treści najczęściej generują polecenia w AI?

Z mojego doświadczenia najlepiej radzą sobie treści, które rozwiązują konkretny problem. Nie „czym jest SEO”, tylko „dlaczego pozycjonowanie nie przynosi efektów po 3 miesiącach?”. Nie „strony internetowe”, tylko „ile kosztuje profesjonalna strona i od czego zależy cena?”. Nie „marketing wideo”, tylko „kiedy film reklamowy realnie pomaga w sprzedaży, a kiedy jest tylko kosztem?”.

AI często działa jak filtr. Użytkownik zadaje pytanie problemowe, a narzędzie próbuje znaleźć lub wygenerować odpowiedź, która ma sens. Jeśli Twoja treść jest zbyt ogólna, nie ma przykładów, nie pokazuje procesu i nie odpowiada na kolejne pytania, wypada słabo.

Treści poradnikowe

Poradniki są naturalnym kandydatem do ruchu z AI. Szczególnie te, które prowadzą użytkownika od problemu do decyzji. Artykuł powinien wyjaśniać, kiedy dane rozwiązanie ma sens, jakie są koszty, jakie ryzyka, jakie błędy pojawiają się najczęściej i jak wygląda proces krok po kroku.

Właśnie dlatego artykuł o tym, jak mierzyć ruch z AI, powinien mówić nie tylko o GA4, ale też o konwersjach, jakości ruchu, atrybucji i raportowaniu.

Strony usługowe

Dobre strony usługowe też mogą pracować w AI, ale muszą być konkretne. Strona „robimy marketing” jest zbyt szeroka. Strona opisująca wideo marketing z przykładami zastosowań, procesem produkcji, typami filmów i rolą w lejku sprzedaży ma dużo większą wartość informacyjną.

Podobnie z lokalnymi landing page’ami. Strony typu pozycjonowanie stron w Toruniu czy pozycjonowanie stron w Bydgoszczy nie powinny być kalką z podmienioną nazwą miasta. Jeśli mają działać w Google i potencjalnie w AI, muszą wnosić lokalny kontekst, realną ofertę, proces współpracy i odpowiedzi na pytania firm z danego rynku.

Case studies i porównania

Modele AI często dobrze radzą sobie z tekstami, które porównują rozwiązania. Przykłady:

SEO czy Google Ads? Strona abonamentowa czy dedykowana? Agencja czy freelancer? Treści AI czy teksty eksperckie? Audyt SEO jednorazowy czy stała współpraca?

Takie treści odpowiadają na moment decyzyjny. Użytkownik nie jest już na etapie „co to jest”. On wybiera. A jeśli Twoja marka pojawia się w tym momencie, masz przewagę.

Jakie błędy najczęściej psują pomiar ruchu z AI?

Największy błąd to traktowanie AI jako magicznego kanału, który wystarczy nazwać w raporcie. Nie wystarczy. Pomiar musi być czysty, spójny i powtarzalny.

Błąd 1: wrzucanie całego referrala do AI

Referral to nie AI. Referral to worek z różnymi źródłami. Jeśli ktoś pokazuje klientowi cały referral jako „ruch z AI”, to raportuje życzeniowo, nie analitycznie.

Trzeba wydzielić konkretne źródła, stworzyć reguły, sprawdzić domeny i monitorować zmiany. Lista źródeł AI będzie się zmieniać, bo narzędzia, domeny i sposoby przekazywania ruchu też się zmieniają.

Błąd 2: brak filtrowania spamu i niskiej jakości źródeł

W analityce zawsze pojawiają się śmieci. Boty, podejrzane referrale, dziwne domeny, testowe wejścia. Jeśli nie filtrujesz danych, możesz przypisać AI ruch, który nie ma z nim nic wspólnego.

Patrz na zachowanie użytkowników. Jeśli źródło ma 100 sesji, 0 sekund zaangażowania, 100% odrzuceń i brak realnych przejść, zachowaj dystans. Dane bez zdrowego rozsądku są tylko ładną tabelą.

Błąd 3: brak oznaczonych kampanii

Niektóre działania możesz oznaczać samodzielnie parametrami UTM. Jeśli prowadzisz eksperymenty, publikujesz treści w narzędziach, newsletterach, materiałach edukacyjnych lub kampaniach partnerskich, nie zostawiaj źródeł przypadkowi.

Dobry schemat UTM pozwala później odróżnić naturalny ruch z AI od ruchu z własnych działań promocyjnych.

Błąd 4: ocenianie AI po jednym miesiącu

AI referrals potrafią być nieregularne. Jeden artykuł może dostać kilka mocnych wejść, a potem przez dwa tygodnie cisza. Dlatego analizuję trend, nie pojedynczy pik. Patrzę na kwartał, porównuję miesiąc do miesiąca i sprawdzam, czy rośnie liczba stron wejścia z AI.

Jeśli z AI przychodzi już nie tylko jeden artykuł, ale 8–10 różnych URL-i, to lepszy sygnał niż jednorazowy skok na jednej podstronie.

Jak zacząć mierzyć ruch z AI krok po kroku?

Gdybym miał wdrożyć podstawowy pomiar od zera, zrobiłbym to w tej kolejności.

Najpierw sprawdziłbym poprawność GA4: czy zdarzenia działają, czy formularze są mierzone, czy kliknięcia w telefon i e-mail są oznaczone, czy nie ma podwójnych konwersji. Bez tego dalsza analiza nie ma sensu.

Potem sprawdziłbym raport Traffic acquisition i źródła zawierające nazwy narzędzi AI. Następnie utworzyłbym własny segment lub kanał „AI Referral”, żeby nie szukać tych danych ręcznie co miesiąc. Kolejny krok to eksploracja stron wejścia i zachowania użytkowników. Na końcu połączyłbym to z konwersjami i raportem SEO.

Taki wdrożony pomiar daje odpowiedź nie tylko na pytanie „czy mamy ruch z AI?”, ale też „które treści go generują?” i „czy ten ruch ma sens biznesowy?”.

To jest różnica między ciekawostką a decyzją marketingową.

Podsumowanie

Jak mierzyć ruch z AI? Najpierw trzeba znaleźć konkretne źródła w GA4, potem uporządkować je w segment lub osobny kanał, a na końcu połączyć z konwersjami. Same sesje z ChatGPT, Gemini czy Perplexity nie mówią jeszcze, czy kanał ma wartość biznesową. Najwięcej sensu daje analiza stron wejścia, zachowania użytkowników, ścieżek konwersji i tematów, które zaczynają pojawiać się w odpowiedziach AI. Jeśli chcesz, żeby Twoja strona była widoczna nie tylko w Google, ale też w nowych miejscach podejmowania decyzji przez klientów, trzeba połączyć techniczne SEO, treści eksperckie, analitykę i konsekwentne raportowanie – dokładnie tak, jak robimy to w Gregor Media.