客户通过 ChatGPT 认识了你，分析工具却没有记录下来
发布日期： · 由 geo-rank.ai 编辑团队审核 · 检查方法
客户可能先在 ChatGPT 里读到公司名称，几天后再去 Google 搜索品牌并访问网站。分析工具能看到后一次访问，却未必知道促使这个人搜索的第一次接触发生在哪里。
这不一定是跟踪故障。AI 回答和网站访问属于客户路径的不同环节。要研究两者的关系，需要把访问记录和客户陈述放在一起，同时清楚区分自动测得的事实与回忆中的经历。
一条路径，需要几种证据
下面是虚构场景：营销负责人周一向 ChatGPT 寻找供应商，记下两个名字；周三搜索其中一个品牌，进入网站并提交表单。
横向滚动表格可查看所有列。
| 阶段 | 可能的证据 | 能确认什么 |
|---|---|---|
| 向 ChatGPT 提问 | 客户自愿提供的相关对话片段 | 保存的回答里出现了品牌 |
| 记住供应商名称 | 客户自己的描述 | 客户表示记住或记录了名称 |
| 搜索品牌并访问 | 会话来源数据 | 这次网站访问从哪里开始 |
| 提交表单 | 线索系统记录 | 哪条线索在何时产生 |
在 GA4 中，首次用户来源、会话来源和事件范围的信息不是同一个概念。Google 的流量来源维度说明解释了这些作用域。不同字段显示不同来源，不一定意味着其中一个记录错误。
如果用户没有点击 ChatGPT 中的链接，就没有这一点击产生的引荐来源可供补录。可以在单独字段记录 ChatGPT 在首次发现品牌时的作用。
直接流量上涨，不能证明来自 AI
Optimist 对 AI 与 SEO 的分析指出了阅读回答后没有立即访问的测量难题。它说明为什么值得研究客户路径，却不能支持把所有品牌搜索增长都归因于 AI。
广告、公关、口碑和季节性需求都可能带来增长。根据 Google 对直接流量的说明，缺少明确引荐来源时可能记录为 direct / (none)，例如直接输入网址或引荐信息丢失。这一分类本身不识别 ChatGPT 使用行为。
总体趋势可以提示你去询问客户，但不能还原某一条线索的历史。
先问首次接触，不要诱导答案
可以从“您最早在哪里听说我们？”开始。“您是在 ChatGPT 找到我们的吗？”容易引导回答，也可能把首次发现与后续核实混在一起。
如果客户提到 AI 服务，再追问：
- 当时想完成什么任务，大致问了什么？
- 是服务主动给出品牌，还是您已经知道名字并写进问题？
- 回答里的什么内容让您产生兴趣？
- 接下来做了什么：搜索、访问网站、询问同事，还是其他行动？
先听同事推荐、再用 ChatGPT 核实的客户，描述的是验证或比较，而不是首次发现。两种作用都值得记录，但应分开分类。
如果客户愿意，可以请其分享相关片段。无需索取整份私人聊天历史或与研究无关的信息。
为同一条线索保留三层记录
横向滚动表格可查看所有列。
| 证据层 | 线索 L104 的例子 | 记录方式 |
|---|---|---|
| 自动测量 | 从 Google 自然搜索进入的会话 | 保留原本测得的访问来源 |
| 客户陈述 | “在 ChatGPT 看到名字，然后去 Google 搜索” | 标为客户自报的发现路径 |
| 原始材料 | 旧对话无法提供 | 标明未核实原始回答 |
用共同的线索 ID 去重。无法把访问会话关联到线索时，就保留汇总层面的数据，不要仅凭日期接近推断为同一个人。
“自报发现来源”和“证据类型”等结构化字段便于后续分析。没有必要把客户对话的自由文本放进 URL 参数或分析事件。
让证据强度成为结果的一部分
可以区分四种情况。保存的原始回答证明当时出现了什么，却不单独证明没有 AI 就不会产生这条线索。详细的自报经历反映客户记忆，应保留其自报性质。
品牌搜索或直接流量趋势是汇总信息，不能直接归属于某条线索。没有资料的情况应标为未知。
不必为了得到整齐的报告而掩盖缺失信息。证据类型的差异，正好能告诉你接下来应该补查什么。
计算示例：分母不同，含义就不同
假设共获得 12 条合格线索，其中 8 位客户回答来源问题。3 位表示最早通过 ChatGPT 发现公司：1 位提供原始回答，2 位凭记忆描述。另有 1 位先听同事推荐，再用 AI 核实；4 位没有回答调查。
这 3 次自报发现占受访者的 37.5%，即 3/8；占全部线索的 25%，即 3/12。不能据此断言剩下的 75% 没有受到 AI 影响，因为其中部分客户没有提供信息。
这些是用于演示的数字，不是真实客户结果。如果自动记录与自报陈述指向同一个线索 ID，只能计数一次。
用调查结果改善具体决策
如果多位客户在购买前提出相同问题，检查网站是否回答了它。如果客户读过 AI 后形成错误预期，寻找可能助长误解的缺失信息或矛盾描述。
只有总体趋势时，应继续一致地记录和中立地询问，不急于给某个渠道分配全部贡献。零点击搜索解释了为什么影响可能发生在访问之前；AI 可见度测量则帮助把不同信号分开。诚实记录一条不完整的路径，比编出完整归因更有用。