
在您控制的每个链接上设置 utm_medium=ai_search,并为每个入口配上受控的小写 utm_source 标识:chatgpt、perplexity、gemini、claude、copilot。这个统一的媒介值会成为关联键,让分析系统将 AI 智能体引荐流量显示为独立渠道。由于 UTM 是置信度最高的信号,应先添加标记,其他方法只作为备用。
要点速览:
- 在规范化重定向、代理、CDN规则和结账跳转过程中保留完整查询字符串;测试每次智能体点击,确认一直传递到最终落地URL。
- 在GA4中,把精确匹配 ai_search medium 的规则放在referrer规则之前,再放默认的Referral和Organic Search;对未加标记但主机匹配的流量,归类为中等置信度。
- 当UTM丢失时,先检查referrer,再看user agent或服务器日志;对推断匹配标注低置信度,因为爬虫活动未必代表真实点击。
- 对于电商,先验证首次触点UTM在重定向和结账后是否进入订单记录,再对比AI归因访问与转化,找出需要优化的商品信息。
AI购物智能体推荐使用什么 UTM 规范?
这个规范特意保持简短。 AI Search Referrer Attribution Reference Spec 建议使用 utm_medium=ai_search,将其作为用于 utm_source的受控词表,并在重定向过程中保留 UTM,同时按优先级排序 GA4 自定义渠道组。固定使用一个 medium 字面值很重要,因为这样每个仪表板、筛选器和渠道规则都可以基于同一个值,而不是一堆变体。
我们建议采用以下模式:
- utm_medium: 固定字符串
ai_search,不要因模型或活动而变化。 - utm_source: 以下之一
chatgpt,perplexity,gemini,claude,copilot,全部小写。如果确实需要多词 token,请使用连字符。 - utm_campaign: 项目名称,例如
spring-catalog或product-feed. - utm_content: 投放位置,例如
citation-link或structured-data. - utm_term(可选): 一个简短哈希值,用于对提示词分组进行归类,同时不暴露原始提示词文本。
下面有两个可直接复制的示例:
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 建议,一致性比细粒度更重要:使用像 ai_search 这样的宽泛 utm_medium 值,并让 utm_source 承载平台标识。
如何在可控触点添加 UTM 并确保其不丢失?
只有标签最终能完整带到落地页时,它才有用。先明确哪些位置可以注入参数:内容引用链接、RSS 或插件输出、结构化数据字段,以及 API 驱动的小组件。凡是能控制出站 URL 的地方,就能控制归因。
Google 关于 URL 构建器 的指导是:始终设置 utm_source、utm_medium 和 utm_campaign,保持命名一致,并在可行时加入 utm_id 和 utm_source_platform,以避免报表中出现“(not set)”值。照做即可。
- 列出所有会在 AI 触点生成指向站点链接的位置:数据源、插件输出、结构化数据和小组件。
- 用构建器生成每个 URL,不要手动拼接,这样才能控制词表一致。
- 配置规范化重定向,确保将完整查询字符串传递到最终 URL。
- 移除或重新配置任何会剥离查询参数的代理层。
- 设置 CDN 边缘规则,让查询字符串透传到源站,并按路径缓存,而不是按剥离参数后的 URL 缓存。
- 从每个智能体发起点击测试,检查最终落地 URL,并在 GA4 或 BigQuery 中确认会话级 utm 值。
专业提示: 请用会发生重定向的 URL 做测试,而不是最终 URL。大多数丢失的 UTM 都是在某一次重定向中消失的,直接测试落地页永远看不出来。
我们关于 如何跟踪 AI 购物流量 的指南补充了电商场景专用测试,你可以纳入这份检查清单。
GA4 归因规则和渠道组优先级应如何处理 AI 搜索?
顺序决定一切。自定义渠道组会按从上到下的顺序评估,先匹配到的规则生效。如果通用的 Referral 或 Organic 规则排在 AI 规则上面,AI 点击就永远不会进入自己的渠道。
建议按以下优先级设置:
- 第一:
utm_medium精确匹配ai_search。这是权威规则。只要存在任何 UTM,Analytics 就会以 UTM 参数为事实依据,并仅根据它们推导跨渠道维度。 - 第二: 为没有 UTM 的流量建立引荐来源主机允许名单。
- 第三: 推断规则,并标记为较低置信度。
对于引荐来源规则,可使用如下正则表达式 chat\.openai\.com|chatgpt\.com|perplexity\.ai|gemini\.google\.com|copilot\.microsoft\.com|claude\.ai|you\.com。将它直接放在 UTM 规则之后,并置于默认的 Referral 和 Organic Search 之上。
| 优先级 | 规则 | 置信度 |
|---|---|---|
| 1 | utm_medium 匹配 ai_search | 最高 |
| 2 | 来源或引荐来源主机匹配允许名单正则表达式 | 中 |
| 3 | 推断匹配(新的client_id、符合AI常见引用页面的落地路径、较短的新鲜度窗口) | 低 |
为每个推断匹配存储一个置信度标签,以便在报告中进行加权。若想查看包含正则示例的完整 GA4 配置, 这篇关于跟踪AI引荐流量的合作伙伴讲解 很有参考价值。
当引荐来源或 UTM 缺失时,该怎么办?
某些 AI 界面打开链接时,会同时丢失引荐来源和您的参数。需要采用分层检测,并为每一层给出如实的置信度评分。 Adobe 关于 AI 流量派生字段的文档 列出了主要信号:User-agent识别、引荐来源分类和查询参数检测。
- 查询参数检测(最高置信度): 先检查 UTM。如果某项服务会附加参数,或链接由您添加了标签,这是当前最干净的信号。
- 引荐来源分类(中): 保留
document.referrer,并将其主机与经过核验的 AI 域名注册表进行匹配。将注册表保存在一个共享文件中,确保客户端和服务端规则一致。 - User-agent和服务器日志(中到低): 服务端日志可以识别已知智能体和爬虫的访问模式。它说明某个智能体获取了页面,但这并不一定代表真人点击。
- 推断启发式规则(最低): 结合新的 client_id、与 AI 常引用页面相匹配的落地路径,以及较短的新鲜度窗口。将这些标记为推断,绝不要标记为已确认。
按这个顺序运行检查,并在首次命中时停止。然后将置信度值传递到下游,这样模型就能降低对猜测结果的权重。 Ahrefs 的 AI 流量课程 也提到,一些平台传递引荐来源并不稳定,因此还应补充一个由用户自行填写的“您是如何了解到我们的”字段。
哪些命名规则能避免分析数据碎片化?
碎片化是归因体系中最隐蔽的杀手。“ChatGPT”、“chatgpt”和“chat-gpt”会变成三行数据,最终谁都不相信这份报告。
- 所有地方都使用小写,多词值用连字符连接。
- 为 utm_source 保持一套统一的受控词表,并将
ai_search仅保留给 utm_medium。 - 不要为每个模型单独发明一个 medium。平台粒度应放在 utm_source 中。
- 把词表文档化,使用自动化工具生成URL,上线前增加QA步骤,并分阶段推出。
专业建议: 把这套词表当作代码来管理。将它保存在一个经过审核的文件中,并让 URL 构建器拒绝任何不在列表中的值。
如何快速验证您的UTM标记?
我们在每套配置中都采用同样的简短流程:从每个智能体发起点击测试,在GA4实时报告中检查是否有携带utm_medium=ai_search的会话,抽取一小份BigQuery样本,并检查落地请求中的引荐来源头。

注意两个陷阱:会移除引荐来源的移动端应用内 webview,以及团队之间不一致的 source 标识。我们的模拟驱动检测、智能体归因分析和 UCP Playground 正是为这类需要实际操作的测试而设,让您在信任这些数据之前,先看清智能体如何引用并链接到您的页面。
如何让 UTM 标记在 Shopify 和 WooCommerce 中正常生效?
电商平台会加入自己的重定向、结账跳转和应用,其中任何一个环节都可能移除或改写参数。目标是确保首次点击时设置的参数,在订单被记录时仍然存在。
在 Shopify 中,请在源头为商品 URL 加上标签,然后验证经过市场、语言或货币重定向后,落地 URL 是否仍保留完整的查询字符串。检查处理重定向或购物车属性的应用不会改写 URL。确认首次触点 UTM 能进入订单数据,而不只是会话数据,因为只有这样才能将 AI 访问与收入关联起来。
在 WooCommerce 中,常见问题通常出在缓存插件和安全层。将页面缓存配置为按路径区分,而不是丢弃查询字符串,并确保 canonical 和重定向插件会转发参数。如果您使用无头或 API 驱动的店面,请在结账时将 UTM 值传递到订单元数据中。
对这两个平台,都要从每个智能体各测试一个商品页和一个集合页,然后一路跟进点击直到测试订单。我们的 智能体驱动流量分析 指南涵盖了适用于这些店面的实施模式和检查项。如果您希望获得归因报表而不必自己完成配置,我们可直接连接 Shopify 和 WooCommerce。
两边都遵循同一条规则:medium 保持为 ai_search,只按平台调整 utm_source。
UTM 数据如何改进用于 AI 推荐的商品信息?
当 AI 会话被清晰拆分出来后,数据就会告诉您该优先处理哪里。先按 AI 归因会话数对落地页排序,再按 AI 归因转化数排序。能获得 AI 访问但转化差的页面,说明问题出在商品信息;转化好但 AI 访问少的页面,说明问题出在可见性。
按 utm_source 进一步拆解结果。如果 Perplexity 把访问导向集合页,而 ChatGPT 更偏向单个商品页,您就能看出各个智能体通常会展示哪种页面形式。再用 utm_content 区分不同展示位置,看看结构化数据链接是否比普通引用表现更好。
然后根据发现采取行动。对于有流量但转化弱的页面,重写标题、规格和描述,让它们能回答购物者在 AI 对话后带来的问题。对于能转化但缺少访问的页面,强化智能体会读取的属性:清晰的材质、尺寸、兼容性、配送和退货条款。我们的 AI 商品信息优化 工具就是围绕这个闭环构建的,从诊断页面为何落败,到重写并发布。
用短周期、边界清晰的测试来衡量变化。改动一组页面,保持另一组相似页面不变,并比较同一时间窗口内 AI 归因转化的变化。我们关于 让 AI 流量带来转化 的文章,更深入地讲了访问到达后该怎么做。
规范的 UTM 标记在实际中是什么样的?
我们不会在这里虚构一个客户故事,所以请把下面内容看作一个输入明确为假设的示例。假设某个店铺有两个会被 AI 智能体引用的商品页。在加标签之前,所有 AI 点击都混在 Direct 和 Referral 中,因此没人能区分这两个页面,也无法把它们和订单关联起来。
当这个店铺采用 utm_medium=ai_search、使用受控的 source,并修复了一个会移除查询字符串的重定向后,情况就变了。渠道组中现在会出现单独的 AI Search 行。按 source 拆分后的会话显示,有一个智能体将大部分访问导向了一个高意向商品页。团队发现该页面描述过于单薄且没有退货政策,于是进行了重写,并在接下来几周持续观察该页面的 AI 归因转化。
这里的重点不在于提升幅度有多大,而在于顺序:标记、保留、拆分、诊断、修复、重新测量。没有前面三步,后面三步就只能靠猜。发布方也可以按同样的逻辑来做,因为 OpenAI 指出,在某些流程中,ChatGPT 可能会在引荐 URL 中加入 utm_source=chatgpt.com;同时,允许 OAI-SearchBot 抓取的网站可以在其分析工具中跟踪 ChatGPT 引荐。请注意,这个值 chatgpt.com与您自己的 chatgpt 标记不同,因此要在报表中将其标准化。若需要可直接调整的报表模板,请参阅我们关于 衡量 AI 智能体可见性.
如何排查 UTM 与分析和归因工具之间的冲突?
当数据看起来不对时,从点击开始逐步往外排查。大多数问题都集中在几个类别。
参数消失。 从智能体端点击链接,并观察每一次跳转后的 URL。查询字符串消失的那一步就是问题所在:可能是重定向规则、CDN 设置,或同意管理层或安全层。
两个来源的数据不一致。 GA4 在存在 UTM 时会优先采用 UTM,因此平台自动分配的来源可能会覆盖您原本设定的来源。检查智能体添加的参数(例如 chatgpt.com 值)是否与您自己的标记发生冲突,并在报表中将两者映射为同一个值。
所有流量都显示为 Direct。 这通常意味着引荐来源被剥离且没有 UTM,这种情况在移动端应用内 webview 中很常见。使用推断规则进行归类,并标记为低置信度,同时在表单中加入用户自报来源的问题。
归因平台覆盖了标签。 有些工具会重写或重新标记落地页 URL。对比用户点击的 URL 与平台记录的 URL,并将 AI 参数排除在任何重写规则之外。
大小写混用导致数据被拆分。 如果无法一次性修复所有来源,请先在数据接入阶段进行标准化,然后再逐步修复各个来源。
如果需要检查 GA4 侧配置并查看更多检测示例,这篇关于在 GA4 中跟踪 LLM 流量的合作伙伴文章值得参考。请为每一次修改的重定向、插件和边缘规则保留变更日志。大多数归因问题,最终都能追溯到一次没人记录下来的改动。

本季度应如何确定智能体归因工作的优先级?
我的看法是,很多团队规划过度、上线不足。先从流量最高的商品页和分类页开始,只使用一个 ai_search medium。不要构建一整套 medium 参数分类体系,因为最终没人能长期维护。
先为完全可控的输出自动注入标签,然后再扩展到插件和分发数据源。不要一开始就执着于完美识别未打标签的流量;带标签的链接能更快带来干净的数据。
最后,在大规模上线前,先运行短周期 A/B 分组测试,衡量 AI 归因转化的提升效果。一个规模小但可信的结果,胜过一个规模大但存疑的结果。
— Xhurian
想用 ecentic 检查您的标签和 AI 引用情况?
如果想确认标签是否真正生效,我们可以直接展示给您看。 ecentic 提供基于模拟的检测,模拟 ChatGPT、Gemini、Claude 等智能体的行为,展示哪些商品页面被引用,以及哪些位置由竞品胜出。

我们的 UCP Playground 和智能体归因分析可在同一平台验证 UTM,并展示 AI 归因转化。您可以获得通俗易懂的诊断结果、商品信息重写建议,以及一键发布到 Shopify 和 WooCommerce 的能力。方案包含免费的入门检测,付费 方案可在我们的定价页面查看。立即进行免费检测,或打开 Playground 测试您的标签。
FAQ
AI 流量应该使用什么 utm_medium?
请使用 ai_search 作为所有可控链接中的统一固定值。将平台身份放在 utm_source 中,例如 chatgpt 或 Perplexity。这样可以为您的渠道分组保留一个统一且干净的关联键。
ChatGPT 会自动添加 UTM 参数吗?
在某些流程中会。根据 OpenAI 的发布方 FAQ,ChatGPT 可能会在引荐 URL 中加入 utm_source=chatgpt.com。即便如此,您仍应为可控链接添加标签,并在报表中将自动值映射到您自己的标记。
没有 UTM 时,如何跟踪 AI 流量?
先使用引荐来源 host 白名单,其次使用 user-agent 和服务器日志信号,最后再使用推断规则。为每一种方法标记置信度等级,以便报表进行加权。Ahrefs 的经验也建议在表单中加入用户自报归因。
为什么我的 AI 流量显示为 Direct?
某些 AI 界面和应用内 webview 会移除引荐来源,而没有 UTM 时就无法识别来源。请为可控链接添加标签,并为其余流量增加推断规则。