הלקוח גילה אתכם ב־ChatGPT, אבל האנליטיקה לא הבחינה בכך
פורסם: · נבדק על ידי מערכת geo-rank.ai · איך אנחנו בודקים
לקוח יכול לקרוא על החברה ב־ChatGPT, לזכור את שמה, ולחפש אותה ב־Google כמה ימים אחר כך. מערכת האנליטיקה תראה את הביקור שנכנס מהחיפוש, אך ייתכן שלא תדע מה הוביל את האדם לחפש מלכתחילה.
אין כאן בהכרח תקלה. התשובה של הבינה המלאכותית והביקור באתר הם שני חלקים שונים במסלול. כדי לחקור את הקשר ביניהם, צריך לשלב נתוני ביקור עם עדות מהלקוח, תוך שמירה על ההבדל בין עובדה שנמדדה לבין זיכרון שסופר.
מסלול אחד, כמה מקורות מידע
הנה תרחיש בדיוני: ביום שני מנהלת שיווק מבקשת מ־ChatGPT שמות של ספקים ושומרת שני שמות. ביום רביעי היא מחפשת אחד מהם ב־Google, נכנסת לאתר וממלאת טופס.
גללו לרוחב כדי לראות את כל העמודות.
| שלב | ראיה אפשרית | מה אפשר לדעת ממנה |
|---|---|---|
| שאלה ב־ChatGPT | קטע מהשיחה שהלקוחה בחרה למסור | המותג הופיע בתשובה שנשמרה |
| זכירת שם הספק | תיאור של הלקוחה | לפי עדותה, השם נשמר בזיכרון או ברשימה |
| חיפוש המותג וביקור | מקור הביקור שנרשם | איך הביקור באתר התחיל |
| מילוי טופס | רשומה במערכת הפניות | איזו פנייה התקבלה ומתי |
ב־GA4 חשוב להבחין בין מקור המשתמש הראשון, מקור הסשן ומידע בהיקף האירוע. אלו אינם בהכרח אותו נתון. תיעוד Google על היקפי מקורות התנועה מסביר את ההבדלים.
אם לא היה מעבר מקישור ב־ChatGPT, אין הפניה כזו שאפשר ״לתקן״ בדיעבד. אפשר לתעד את תפקיד השירות בגילוי החברה בשדה נפרד.
עלייה בתנועה ישירה אינה הוכחה להשפעת AI
Optimist מתארים את הקושי למדוד מסלול שבו חשיפה לתשובה אינה מייצרת ביקור מיידי. זו סיבה לחקור את מסלול הלקוח; היא אינה מאפשרת לייחס כל גידול בחיפושי מותג לבינה מלאכותית.
גם מודעות, יחסי ציבור, המלצות אישיות ועונתיות יכולים להשפיע. לפי הסבר Google על תנועה ישירה, הסיווג direct / (none) יכול להופיע כשאין מקור הפניה ברור, למשל בהקלדה ישירה או כשנתוני ההפניה אובדים. הוא אינו מזהה כשלעצמו שימוש ב־ChatGPT.
חפשו ראיות משלימות. מגמה מצרפית יכולה להצדיק שאלה ללקוחות, אבל אינה משחזרת את ההיסטוריה של פנייה בודדת.
לשאול איך הלקוח שמע עליכם, בלי להכתיב תשובה
התחילו בשאלה פתוחה: ״איפה שמעתם עלינו לראשונה?״ שאלה כמו ״מצאתם אותנו ב־ChatGPT?״ עלולה לכוון את המשיב ולערבב גילוי עם בדיקה מאוחרת של שם שכבר הכיר.
אם הלקוח מזכיר שירות AI, שאלו:
- איזו משימה ניסיתם לפתור ומה שאלתם בקירוב?
- האם המערכת הציעה את השם, או שכבר הכרתם אותו והזכרתם אותו בשאלה?
- מה בתשובה גרם לכם להתעניין?
- מה עשיתם אחר כך: חיפוש, ביקור, שיחה עם עמית או פעולה אחרת?
לקוח ששמע עליכם מעמית ואז בדק את השם ב־ChatGPT מתאר תפקיד של אימות או השוואה, ולא גילוי ראשון. שני התפקידים יכולים להיות חשובים, אך צריך לסווג אותם בנפרד.
אפשר לבקש קטע רלוונטי מהתשובה אם הלקוח מעוניין לשתף. אין צורך לבקש היסטוריית שיחות מלאה או מידע פרטי שאינו קשור לבדיקה.
לשמור שלוש שכבות ראיה לצד אותה פנייה
גללו לרוחב כדי לראות את כל העמודות.
| שכבה | דוגמה עבור פנייה L104 | אופן השמירה |
|---|---|---|
| מדידה אוטומטית | ביקור שהגיע מחיפוש אורגני ב־Google | להשאיר את מקור הביקור כפי שנמדד |
| עדות הלקוח | ״קראתי את השם ב־ChatGPT ואז חיפשתי אותו״ | לסמן כדיווח עצמי על מסלול הגילוי |
| חומר המקור | השיחה המקורית אינה זמינה | לציין שלא נבדקה תשובה מקורית |
השתמשו במזהה פנייה משותף כדי לא לספור את אותו אדם פעמיים. אם אי אפשר לקשר סשן לפנייה, שמרו את הנתונים ברמה מצרפית; סמיכות תאריכים אינה הוכחה לזהות.
שדות מסודרים כגון ״מקור גילוי מדווח״ ו״סוג הראיה״ מקלים על הניתוח. אין צורך לשלוח טקסט חופשי משיחות לקוחות בפרמטרים של כתובות או אירועי אנליטיקה.
לציין עד כמה המסקנה מבוססת
אפשר להבחין בין ארבע רמות תיעוד. תשובה מקורית שנשמרה מראה מה הופיע בה, אך לבדה אינה מוכיחה שה־AI גרם לפנייה שלא הייתה מתרחשת אחרת. דיווח עצמי מפורט מתאר את זיכרון הלקוח וצריך להישאר מסומן ככזה.
מגמה בחיפושי מותג או בתנועה ישירה היא ראיה מצרפית. היא אינה מספיקה לייחוס פניות מסוימות. כשאין נתונים, הסיווג הנכון הוא ״לא ידוע״.
אין צורך להסתיר מידע חלקי כדי להציג דוח נקי. ההבדלים בין רמות הראיה הם חלק מהתוצאה, ומאפשרים להחליט מה צריך לבדוק בהמשך.
דוגמה מספרית: מי נכלל במכנה
נניח שהתקבלו 12 פניות מתאימות ו־8 לקוחות ענו על שאלת המקור. שלושה סיפרו שגילו את החברה ב־ChatGPT: אחד צירף תשובה מקורית ושניים הסתמכו על זיכרונם. לקוח נוסף השתמש ב־AI רק אחרי המלצה מעמית. ארבעה לא ענו לסקר.
שלושת דיווחי הגילוי הם 37.5% מהמשיבים, כלומר 3 מתוך 8, ו־25% מכלל הפניות, כלומר 3 מתוך 12. אין מכאן הוכחה ש־75% הנותרים לא הושפעו מ־AI: לגבי חלקם אין תשובה.
זהו חישוב להמחשה, לא נתוני לקוחות אמיתיים. גם בו אין לחבר פנייה שנמדדה אוטומטית ופנייה שזוהתה בדיווח עצמי אם מדובר באותו מזהה.
להשתמש בממצאים כדי לשפר החלטה אמיתית
אם כמה לקוחות מתארים אותה שאלה לפני הבחירה, בדקו אם האתר עונה עליה. אם הם מגיעים עם ציפייה שגויה בעקבות תשובת AI, חפשו איזה מידע חסר או סותר עשוי לתרום לטעות.
כשיש רק תנועה מצרפית, המשיכו לתעד ולשאול באופן עקבי לפני שמייחסים תוצאה לערוץ מסוים. המאמר על חיפוש ללא הקלקה מסביר למה השפעה יכולה להופיע גם בלי מעבר ישיר, והמסגרת למדידת נראות ב־AI עוזרת לחבר את התצפיות למדדים נפרדים. מסלול חלקי שמתועד ביושר שימושי יותר מייחוס מלא שאין לו ראיות.