
Setzen Sie utm_medium=ai_search auf jeden Link, den Sie kontrollieren, und kombinieren Sie es pro Oberfläche mit einem kontrollierten utm_source-Token in Kleinbuchstaben: chatgpt, perplexity, gemini, claude, copilot. Dieses eine Medium wird zum gemeinsamen Schlüssel, mit dem Analytics Referrals von KI-Agenten als eigenen Kanal ausweisen kann. Da UTMs das Signal mit der höchsten Sicherheit sind, sollten Sie zuerst taggen und alles andere nur als Fallback behandeln.
Kurzfassung:
- Erhalten Sie den vollständigen Query-String über kanonische Weiterleitungen, Proxys, CDN-Regeln und Übergaben im Checkout hinweg; testen Sie jeden Agenten-Klick bis zur endgültigen Ziel-URL.
- Platzieren Sie in GA4 die genaue Regel für das Medium ai_search über den Referrer-Regeln und vor den Standardregeln für Referral und Organic Search; stufen Sie ungetaggte Host-Treffer als mittlere Konfidenz ein.
- Wenn UTMs verschwinden, prüfen Sie zuerst Referrer, dann User-Agent oder Server-Logs, und kennzeichnen Sie abgeleitete Treffer als niedrige Konfidenz, weil Crawler-Aktivität Klicks nicht unbedingt abbildet.
- Prüfen Sie im E-Commerce zuerst, ob First-Touch-UTMs nach Weiterleitungen und Checkout in den Bestelldaten ankommen, und vergleichen Sie dann KI-attribuierte Besuche mit Conversions, um nötige Korrekturen an Produktangeboten zu identifizieren.
Welche UTM-Konvention wird für KI-Agenten empfohlen?
Die Konvention ist bewusst knapp gehalten. AI Search Referrer Attribution Reference Spec empfiehlt utm_medium=ai_search, ein kontrolliertes Vokabular für utm_source, über Weiterleitungen hinweg erhaltene UTMs und eine benutzerdefinierte GA4-Channel-Gruppe mit klarer Priorisierung. Ein einziges festes Medium-Token ist wichtig, weil sich dann jedes Dashboard, jeder Filter und jede Channel-Regel auf einen einzigen Wert stützen kann statt auf einen Haufen Varianten.
Dieses Muster empfehlen wir:
- utm_medium: die exakte Zeichenfolge
ai_search, niemals nach Modell oder Kampagne variiert. - utm_source: einer von
chatgpt,perplexity,gemini,claude,copilot, alles in Kleinbuchstaben. Wenn Sie einmal ein mehrteiliges Token brauchen, verwenden Sie einen Bindestrich. - utm_campaign: die Initiative, zum Beispiel
spring-catalogoderproduct-feed. - utm_content: die Platzierung, zum Beispiel
citation-linkoderstructured-data. - utm_term (optional): ein kurzer Hash, der Prompt-Kohorten gruppiert, ohne den eigentlichen Prompt-Text offenzulegen.
Zwei Beispiele zum Kopieren:
https://example.com/products/trail-shoe?utm_source=chatgpt&utm_medium=ai_search&utm_campaign=spring-catalog
https://example.com/collections/rain-jackets?utm_source=perplexity&utm_medium=ai_search&utm_campaign=product-feed&utm_content=structured-data
Analytics Mania rät dazu, Konsistenz höher zu gewichten als Granularität: Verwenden Sie ein breites Medium wie ai_search und lassen Sie utm_source die Plattform kennzeichnen.
Wie fügen Sie UTMs in kontrollierten Umgebungen hinzu und sorgen dafür, dass sie erhalten bleiben?
Ein Tag hilft nur, wenn es den Weg bis zur Landingpage übersteht. Legen Sie zuerst fest, wo Sie Parameter einfügen können: Content-Zitate, RSS- oder Plugin-Ausgaben, Felder für strukturierte Daten und API-gesteuerte Widgets. Überall dort, wo Sie die ausgehende URL kontrollieren, kontrollieren Sie auch die Attribution.
Die Anleitung von Google zu URL-Buildern empfiehlt, immer utm_source, utm_medium und utm_campaign zu setzen, die Benennung konsistent zu halten und nach Möglichkeit utm_id und utm_source_platform hinzuzufügen, um „(not set)“-Werte in Berichten zu vermeiden. Halten Sie sich daran.
- Listen Sie jede Stelle auf, an der für KI-Oberflächen ein Link zu Ihrer Website erzeugt wird: Feeds, Plugin-Ausgaben, strukturierte Daten und Widgets.
- Erzeugen Sie jede URL mit einem Builder, nicht von Hand, damit das Vokabular kontrolliert bleibt.
- Konfigurieren Sie kanonische Weiterleitungen so, dass sie den vollständigen Query-String an die endgültige URL weitergeben.
- Entfernen oder konfigurieren Sie jeden Proxy neu, der Query-Parameter entfernt.
- Richten Sie CDN-Edge-Regeln so ein, dass Query-Strings bis zum Origin durchgereicht werden und der Cache nach Pfad statt nach bereinigter URL schlüsselt.
- Testen Sie Klicks aus jedem Agenten, prüfen Sie die endgültige Landing-URL und bestätigen Sie die UTM-Werte auf Sitzungsebene in GA4 oder BigQuery.
Profi-Tipp: Testen Sie mit einer weiterleitenden URL, nicht mit der endgültigen. Die meisten verlorenen UTMs verschwinden in einem Redirect-Schritt, und ein direkter Landingpage-Test zeigt das nie.
Unser Leitfaden zum wie Sie KI-Shopping-Traffic tracken ergänzt diese Checkliste um ecommerce-spezifische Tests.
Wie sollten GA4-Attributionsregeln und die Priorität von Channel-Gruppen für KI-Suche funktionieren?
Die Reihenfolge ist entscheidend. Eine benutzerdefinierte Channel-Gruppe wird von oben nach unten ausgewertet, und die erste passende Regel gewinnt. Wenn eine allgemeine Referral- oder Organic-Regel über Ihrer KI-Regel steht, landen KI-Klicks nie in ihrem eigenen Channel.
Verwenden Sie diese Priorität:
- Erstens:
utm_mediumentspricht genauai_search. Das ist maßgeblich. Sobald irgendein UTM vorhanden ist, verwendet Analytics die UTM-Parameter als maßgebliche Quelle und leitet Cross-Channel-Dimensionen ausschließlich daraus ab. - Zweitens: eine Allowlist für Referrer-Hosts bei Traffic ohne UTMs.
- Drittens: abgeleitete Regeln, gekennzeichnet mit geringerer Zuverlässigkeit.
Verwenden Sie für die Referrer-Regel einen Regex wie chat\.openai\.com|chatgpt\.com|perplexity\.ai|gemini\.google\.com|copilot\.microsoft\.com|claude\.ai|you\.com. Platzieren Sie ihn direkt nach der UTM-Regel und oberhalb der Standardregeln für Referral und Organic Search.
| Priorität | Regel | Zuverlässigkeit |
|---|---|---|
| 1 | utm_medium entspricht ai_search | Höchste |
| 2 | Quelle oder Referrer-Host entspricht dem Regex der Allowlist | Medium |
| 3 | Abgeleitete Zuordnung (neuer Client, KI-typischer Landing-Pfad, kurzes Freshness-Fenster) | Niedrig |
Speichern Sie zu jedem abgeleiteten Treffer ein Zuverlässigkeitslabel, damit das Reporting ihn gewichten kann. Für ein ausgearbeitetes GA4-Setup mit Regex-Beispielen ist diese Partneranleitung zum Tracking von KI-Referral-Traffic eine hilfreiche Ergänzung.
Was können Sie tun, wenn Referrer oder UTMs fehlen?
Einige KI-Oberflächen öffnen Links auf eine Weise, bei der sowohl der Referrer als auch Ihre Parameter verloren gehen. Sie brauchen eine mehrschichtige Erkennung, bei der jede Schicht einen ehrlichen Zuverlässigkeitswert hat. Adobes Dokumentation zu abgeleiteten Feldern für KI-Traffic nennt die wichtigsten Signale: User-Agent-Erkennung, Referrer-Klassifizierung und Erkennung von Query-Parametern.
- Erkennung von Query-Parametern (höchste Zuverlässigkeit): Prüfen Sie zuerst auf UTMs. Wenn ein Dienst Parameter anhängt oder Sie den Link getaggt haben, ist das das sauberste verfügbare Signal.
- Referrer-Klassifizierung (mittel): speichern Sie
document.referrerund gleichen Sie den Host mit einem geprüften Verzeichnis von KI-Domains ab. Halten Sie das Verzeichnis in einer gemeinsamen Datei, damit Client- und Serverregeln übereinstimmen. - User-Agent- und Server-Logs (mittel bis niedrig): Serverseitiges Logging kann bekannte Agenten- und Crawler-Muster erkennen. Es zeigt Ihnen, dass ein Agent eine Seite abgerufen hat, was nicht immer einem menschlichen Klick entspricht.
- Abgeleitete Heuristiken (niedrigste Zuverlässigkeit): Kombinieren Sie eine neue client_id, einen Landing-Pfad, der zu Seiten passt, die KI häufig zitiert, und ein kurzes Freshness-Fenster. Kennzeichnen Sie diese als abgeleitet, niemals als bestätigt.
Führen Sie die Prüfungen in dieser Reihenfolge aus und stoppen Sie beim ersten Treffer. Geben Sie dann den Zuverlässigkeitswert weiter, damit Ihre Modelle Vermutungen geringer gewichten können. Die Ahrefs-Lektion zu KI-Traffic weist außerdem darauf hin, dass manche Plattformen Referrer uneinheitlich weitergeben. Ergänzen Sie das daher durch ein selbst angegebenes Feld „Wie haben Sie von uns erfahren?“.
Welche Benennungsregeln verhindern fragmentierte Analytics-Daten?
Fragmentierung ist der stille Killer der Attribution. „ChatGPT“, „chatgpt“ und „chat-gpt“ werden zu drei Zeilen, und niemand vertraut dem Bericht.
- Verwenden Sie überall Kleinbuchstaben und Bindestriche für mehrteilige Werte.
- Verwenden Sie ein kontrolliertes Vokabular für utm_source und reservieren Sie
ai_searchnur für utm_medium. - Erfinden Sie kein eigenes Medium pro Modell. Die Plattformgranularität gehört in utm_source.
- Dokumentieren Sie das Vokabular, erzeugen Sie URLs mit einem automatisierten Builder, fügen Sie vor dem Launch einen QA-Schritt hinzu und rollen Sie Änderungen stufenweise aus.
Profi-Tipp: Behandeln Sie das Vokabular wie Code. Halten Sie es in einer zentral geprüften Datei, und lassen Sie den URL-Builder jeden Wert ablehnen, der nicht auf der Liste steht.
Wie validieren Sie Ihr Tagging schnell?
Wir verwenden bei jedem Setup dieselbe kurze Routine. Testen Sie Klicks aus jedem Agenten, prüfen Sie den GA4-Echtzeitbericht auf eine Sitzung mit utm_medium=ai_search, ziehen Sie ein kleines BigQuery-Sample und prüfen Sie die Referrer-Header der Landing-Anfrage.

Achten Sie auf zwei Stolperfallen: mobile In-App-Webviews, die Referrer entfernen, und uneinheitliche Source-Tokens zwischen Teams. Unsere simulationsgestützten Prüfungen, Analysen zur Agenten-Attribution und der UCP Playground sind genau für solche praxisnahen Tests da, damit Sie sehen können, wie Agenten Ihre Seiten zitieren und verlinken, bevor Sie den Zahlen vertrauen.
Wie bringen Sie UTM-Tagging mit Shopify und WooCommerce zum Laufen?
E-Commerce-Plattformen fügen eigene Redirects, Checkout-Sprünge und Apps hinzu, die Parameter entfernen oder überschreiben können. Ziel ist, dass die Parameter vom ersten Klick bis zur erfassten Bestellung erhalten bleiben.
Bei Shopify taggen Sie ausgehende Produkt-URLs direkt an der Quelle und prüfen dann, ob die Landing-URL nach Markt-, Sprach- oder Währungs-Redirects weiterhin den vollständigen Query-String enthält. Prüfen Sie, dass Apps für Redirects oder Warenkorb-Attribute die URL nicht umschreiben. Bestätigen Sie außerdem, dass die First-Touch-UTMs in Ihren Bestelldaten ankommen und nicht nur in der Sitzung, denn genau das verbindet KI-Besuche mit Umsatz.
Bei WooCommerce sind meist Caching-Plugins und Sicherheitsschichten die Ursache. Konfigurieren Sie das Seiten-Caching so, dass es nach Pfad variiert, statt Query-Strings zu verwerfen, und stellen Sie sicher, dass Canonical- und Redirect-Plugins Parameter weiterreichen. Wenn Sie ein Headless- oder API-gesteuertes Storefront verwenden, geben Sie die UTM-Werte beim Checkout an die Bestellmetadaten weiter.
Testen Sie auf beiden Plattformen jeweils eine Produktseite und eine Kategorieseite aus jedem Agenten und verfolgen Sie den Klick bis zu einer Testbestellung. Unser Leitfaden zu Analytics für agentengesteuerten Traffic behandelt Implementierungsmuster und Prüfungen für diese Storefronts. Wenn Sie Attributionsberichte nutzen möchten, ohne alles selbst zu integrieren, verbinden wir uns direkt mit Shopify und WooCommerce.
Behalten Sie über beide Plattformen hinweg dieselbe Regel bei: Das Medium bleibt ai_search, und nur utm_source ändert sich je nach Plattform.
Wie können UTM-Daten Ihre Produktangebote für KI-Empfehlungen verbessern?
Sobald KI-Sitzungen sauber getrennt sind, zeigen die Daten Ihnen, wo Handlungsbedarf besteht. Ordnen Sie Landing-Pages zuerst nach KI-attribuierten Sitzungen und dann nach KI-attribuierten Conversions. Eine Seite mit KI-Besuchen, aber schwacher Conversion, hat ein Problem im Produktangebot. Eine Seite mit guter Conversion, aber wenigen KI-Besuchen, hat ein Sichtbarkeitsproblem.
Schlüsseln Sie die Ergebnisse nach utm_source auf. Wenn perplexity Besuche auf eine Kategorieseite sendet, während chatgpt einzelne Produktseiten bevorzugt, erkennen Sie, welche Formate die jeweiligen Agenten typischerweise ausspielen. Verwenden Sie utm_content, um Platzierungen zu unterscheiden und zu sehen, ob Links mit strukturierten Daten besser abschneiden als einfache Zitate.
Handeln Sie dann auf Basis Ihrer Erkenntnisse. Überarbeiten Sie für Seiten mit Traffic und schwacher Conversion Titel, Spezifikationen und Beschreibungen so, dass sie die Fragen beantworten, die Käufer aus einer KI-Konversation mitbringen. Stärken Sie bei Seiten mit guter Conversion, aber wenigen Besuchen die Attribute, die Agenten auslesen: klare Materialien, Größen, Kompatibilität sowie Versand- und Rückgabebedingungen. Unsere Optimierung von KI-Produktangeboten sind genau auf diesen Ablauf ausgelegt – von der Analyse, warum eine Seite verliert, bis hin zum Umschreiben und Veröffentlichen.
Messen Sie Änderungen mit kurzen, klar abgegrenzten Tests. Ändern Sie eine Gruppe von Seiten, lassen Sie eine ähnliche Gruppe unverändert und vergleichen Sie KI-attribuierte Conversions im selben Zeitraum. Unser Beitrag zu der Umwandlung von KI-Traffic in Conversions geht tiefer darauf ein, was Sie tun sollten, sobald die Besuche eintreffen.
Wie sieht korrektes UTM-Tagging in der Praxis aus?
Wir erfinden hier keine Kundengeschichte. Betrachten Sie stattdessen ein ausgearbeitetes Beispiel mit klar hypothetischen Eingaben. Angenommen, ein Shop hat zwei Produktseiten, die von KI-Agenten zitiert werden. Vor dem Tagging landen alle KI-Klicks gemischt unter Direct und Referral, sodass niemand die Seiten unterscheiden oder sie mit Bestellungen verknüpfen kann.
Nachdem der Shop utm_medium=ai_search mit kontrollierten Quellen eingeführt und einen Redirect korrigiert hat, der den Query-String entfernte, verändert sich das Bild. Die Channel-Gruppe zeigt nun eine eigene Zeile für AI Search. Nach Quellen aufgeschlüsselte Sitzungen zeigen, dass ein Agent die meisten Besuche auf eine einzelne Produktseite mit hoher Kaufabsicht lenkt. Das Team erkennt, dass diese Seite eine dünne Beschreibung und keine Rückgaberichtlinie hat, überarbeitet sie und beobachtet die KI-attribuierten Conversions dieser Seite in den folgenden Wochen.
Die Erkenntnis liegt nicht in der Größe eines möglichen Uplifts. Entscheidend ist die Reihenfolge: taggen, erhalten, trennen, analysieren, korrigieren, erneut messen. Ohne die ersten drei Schritte bleiben die letzten drei reine Vermutung. Publisher können dieselbe Logik anwenden, da OpenAI darauf hinweist, dass ChatGPT in einigen Abläufen utm_source=chatgpt.com in Referral-URLs einfügen kann und dass Websites, die OAI-SearchBot crawlen lassen, ChatGPT-Referrals in ihren Analytics verfolgen können. Beachten Sie, dass dieser Wert, chatgpt.com, sich von Ihrem eigenen chatgpt -Token unterscheidet. Normalisieren Sie ihn daher in Ihrem Reporting. Eine anpassbare Reporting-Vorlage finden Sie in unserem Beitrag über die Messung der Sichtbarkeit bei KI-Agenten.
Wie beheben Sie UTM-Konflikte mit Analytics- und Attribution-Tools?
Wenn Zahlen falsch aussehen, arbeiten Sie sich vom Klick nach außen vor. Die meisten Probleme fallen in einige wenige Kategorien.
Parameter verschwinden. Klicken Sie aus dem Agenten heraus und beobachten Sie die URL bei jedem Schritt. Der Schritt, bei dem der Query-String verschwindet, ist die Ursache: eine Redirect-Regel, eine CDN-Einstellung oder eine Consent- oder Sicherheitsschicht.
Zwei Quellen widersprechen sich. GA4 behandelt UTMs als maßgeblich, wenn sie vorhanden sind. Deshalb kann eine plattformzugewiesene Quelle Ihre gewünschte Quelle überschreiben. Prüfen Sie, ob ein vom Agenten hinzugefügter Parameter wie der chatgpt.com-Wert mit Ihrem eigenen Token kollidiert, und führen Sie beide auf einen gemeinsamen Reporting-Wert zusammen.
Alles erscheint als Direct. Das bedeutet meist: Referrer entfernt und kein UTM vorhanden – häufig bei mobilen In-App-Webviews. Verwenden Sie Ihre abgeleiteten Regeln, kennzeichnen Sie sie mit niedriger Zuverlässigkeit und ergänzen Sie Formulare um eine selbst angegebene Quellenfrage.
Attributionsplattformen überschreiben Tags. Einige Tools schreiben Landing-URLs um oder taggen sie neu. Vergleichen Sie die URL, die der Nutzer geklickt hat, mit der URL, die die Plattform protokolliert, und schließen Sie Ihre KI-Parameter von Umschreibungsregeln aus.
Gemischte Groß- und Kleinschreibung teilt Zeilen auf. Normalisieren Sie Daten bereits bei der Erfassung, wenn Sie nicht sofort jede Quelle korrigieren können, und korrigieren Sie anschließend die Quellen.
Für Prüfungen auf GA4-Seite und zusätzliche Erkennungsbeispiele ist dieser Partnerartikel zum Tracking von LLM-Traffic in GA4 eine hilfreiche Referenz. Führen Sie ein Änderungsprotokoll für jeden Redirect, jedes Plugin und jede Edge-Regel, die Sie anpassen. Die meisten Rätsel bei der Attribution gehen auf eine Änderung zurück, die niemand dokumentiert hat.

Wie sollten Sie die Arbeit an Agenten-Attribution in diesem Quartal priorisieren?
Meiner Ansicht nach planen Teams zu viel und liefern zu wenig aus. Beginnen Sie mit Ihren Produkt- und Kategorieseiten mit dem höchsten Traffic und einem einzigen ai_search-Medium. Bauen Sie keine Taxonomie aus Medium-Werten auf, denn Sie werden sie nicht pflegen.
Automatisieren Sie die Tag-Injektion für Ausgaben, die Sie vollständig kontrollieren, und erweitern Sie sie dann auf Plugins und syndizierte Feeds. Versuchen Sie nicht zuerst, ungetaggten Traffic perfekt zu erkennen; getaggte Links liefern Ihnen schneller saubere Daten.
Führen Sie abschließend kurze A/B-Kohorten durch und messen Sie den Uplift bei KI-attribuierten Conversions, bevor Sie breit ausrollen. Ein kleines, verlässliches Ergebnis ist besser als ein großes, zweifelhaftes.
— Xhurian
Möchten Sie Ihr Tagging und Ihre KI-Zitate mit ecentic prüfen?
Wenn Sie den Nachweis möchten, dass Ihre Tags funktionieren, können wir ihn Ihnen zeigen. ecentic führt simulationsgestützte Scans durch, die ChatGPT, Gemini, Claude und andere Agenten nachbilden. So sehen Sie, wo Ihre Produktseiten zitiert werden und wo stattdessen Wettbewerber ausgewählt werden.

Mit unserem UCP Playground und den Agenten-Attributionsanalysen können Sie UTMs validieren und KI-attribuierte Conversions an einem Ort sichtbar machen. Sie erhalten verständliche Diagnosen, Vorschläge zum Umschreiben von Produktangeboten und One-Click-Publishing für Shopify und WooCommerce. Die Tarife beginnen mit einem kostenlosen Einführungsscan, und kostenpflichtige Tarife finden Sie auf unserer Preisseite. Führen Sie einen kostenlosen Scan durch oder öffnen Sie den Playground und testen Sie Ihr Tagging noch heute.
FAQ
Welches utm_medium sollte ich für KI-Traffic verwenden?
Verwenden Sie ai_search als einzelnen festen Wert für jeden Link, den Sie kontrollieren. Hinterlegen Sie die Plattformidentität in utm_source, etwa chatgpt oder perplexity. So behalten Sie einen sauberen gemeinsamen Schlüssel für Ihre Channel-Gruppe.
Fügt ChatGPT automatisch UTM-Parameter hinzu?
In einigen Abläufen ja. OpenAI sagt, dass ChatGPT laut Publisher-FAQ utm_source=chatgpt.com in Referral-URLs einfügen kann. Sie sollten Links, die Sie kontrollieren, trotzdem taggen und den automatischen Wert im Reporting Ihrem eigenen Token zuordnen.
Wie tracke ich KI-Traffic ohne UTMs?
Greifen Sie zunächst auf eine Allowlist für Referrer-Hosts zurück, danach auf Signale aus User-Agent und Server-Logs und anschließend auf abgeleitete Regeln. Kennzeichnen Sie jede Quelle mit einem Zuverlässigkeitswert, damit Berichte sie gewichten können. Die Ahrefs-Lektion empfiehlt außerdem selbst angegebene Attribution in Formularen.
Warum erscheint mein KI-Traffic als Direct?
Einige KI-Oberflächen und In-App-Webviews entfernen den Referrer, und ohne UTM identifiziert nichts die Quelle. Taggen Sie Links, die Sie kontrollieren, und ergänzen Sie für den Rest abgeleitete Regeln.
Diese Themen entdecken