企業查看 GA4 時,如果來自 ChatGPT、Gemini 或其他 AI 工具的推薦流量很少,很容易得到一個直覺結論:AI 並沒有為網站帶來流量。但 GA4 能辨識的是造訪網站時留下的來源訊號,並不會自動知道使用者幾小時或幾天前曾在 AI 回答中看過品牌。

因此,GA4 中的 AI 推薦流量應視為「能直接辨識的部分」,不能直接當成 AI 影響的完整上限;同時,也不能把直接流量、品牌搜尋或自然流量的增加全部算成 AI 功勞。這兩個界線都非常重要。

本文以 Profound 於 2026 年 7 月發布的〈The AI mention effect〉為主要研究,搭配 Search Engine Land 對 AIO 迷思六的整理與 Google 官方歸因文件,拆解可追蹤推薦流量、延後造訪、品牌搜尋與無法歸因影響之間的差異。研究觀察的是網站造訪,不是訂單或轉換;本文不會把推估影響寫成已被證明的營收成果。

一、GA4 的 AI 推薦流量少,代表 AI 沒有影響嗎?

GA4 能辨識的是造訪當下的來源

GA4 的「流量開發」報表會用工作階段來源、媒介與預設管道群組呈現訪客從哪裡進站。當使用者直接點擊可辨識的 AI 連結,而且來源網址或標記能完整傳到網站,這次工作階段才可能被辨識為特定 AI 平台的推薦流量。

資料來源:Google Analytics:流量開發報表;Google 官方文件,說明工作階段來源、媒介與跨管道流量維度。

如果使用者先在 AI 對話中看到品牌,之後自行輸入網址、透過書籤進站,或改到 Google 搜尋品牌名稱,GA4 會依實際進站方式記錄為直接流量或自然搜尋。GA4 不會因為這位使用者先前看過 AI 回答,就自動把後續工作階段改標成 AI 推薦。後半段是依 GA4 官方來源處理方式做出的合理判讀。

看不到來源不等於沒有前期影響

「沒有 AI 推薦來源」只能表示 GA4 沒有取得足以辨識 AI 來源的造訪訊號,不能證明使用者完全沒有受到 AI 回答影響。然而,這也不代表所有無法解釋的直接流量或品牌搜尋都源自 AI。缺少可連結的使用者旅程時,只能把它視為需要交叉觀察的可能影響。

二、Profound 的研究是怎麼進行的?

研究樣本、期間與平台

Profound 使用美國雙重同意、經匿名處理的使用者面板,分析 2026 年 1~6 月超過 200 萬次 AI 對話及其後續瀏覽行為,涵蓋 ChatGPT、Gemini 與 Google AI Overviews。研究把「AI 主動提及」定義為:品牌沒有出現在使用者提示中,卻出現在 AI 回答裡。

資料來源:Profound:The AI mention effect;2026 年 7 月 1 日;美國使用者面板、超過 200 萬次 AI 對話,期間為 2026 年 1~6 月。

研究以 AI 回答出現的時間為起點,觀察同一使用者是否在後續 7 天造訪被提及品牌的網站,再與同一使用者、同一品牌在提及前三個 7 天區間的造訪率比較,建立預測基準。研究也排除前一週已搜尋或造訪該品牌的曝光,並以 2,000 次使用者叢集拔靴法估計信賴區間。

閱讀研究結果前,應先確認它觀察了什麼。下表將研究方法與限制放在一起,避免把網站造訪的相關性直接寫成購買或轉換因果。

圖表 1 Profound 研究設計與必要限制

項目研究做法判讀限制
樣本與期間美國雙重同意使用者面板;2026 年 1~6 月;超過 200 萬次 AI 對話與相關瀏覽公開資料未提供參與者總數與個別品牌結果,不能代表所有市場
AI 平台ChatGPT、Gemini、Google AI Overviews不涵蓋所有 AI 工具,也不能直接套用到台灣使用者
曝光定義品牌未出現在提示中,但由 AI 回答主動提出可降低既有品牌意圖干擾,仍無法完全排除選擇偏誤
結果指標AI 提及後 7 天內是否造訪品牌網站研究的是網站造訪,不是詢問、購買、營收或轉換
研究型態以前三個 7 天區間預測基準,並計算調整後差異不是隨機實驗,不能直接證明 AI 提及造成後續造訪

資料來源:Profound 研究方法與限制;樣本為美國使用者;研究非隨機實驗,且只衡量網站造訪。

這項研究可以證明什麼?

研究可以證明,在這個美國使用者面板與研究設計中,品牌被 AI 主動提及後,後續 7 天的品牌網站造訪率高於同一批使用者的預測基準。研究不能證明每一次 AI 提及都會帶來新訪客,也不能證明較高的造訪率一定由 AI 提及造成。

Search Engine Land 將這項研究用來反駁「AI 推薦流量很少,所以 AI 沒有帶來網站流量」的絕對說法。這是產業媒體對研究的解讀,不是 Google 官方發布的歸因規則。

資料來源:Search Engine Land:7 AI search myths, debunked;迷思六引用 Profound 研究,主張分析工具中的 AI 推薦區隔只呈現部分可辨識影響。

三、AI 提及後,網站造訪真的比較高嗎?

三個平台都高於預測基準

Profound 報告中,三個平台的 AI 主動提及都伴隨較高的 7 天品牌網站造訪率。Gemini 的相對差異最大,Google AI Overviews 的實際造訪率與絕對差異最高,ChatGPT 則約為預測基準的 1.5 倍。

下表重新整理 Profound 公開數字。「提及後造訪率」與「預測基準」都是研究樣本內的比例;差異以百分點表示,不是整體網站流量增加幅度。

圖表 2 AI 提及後 7 天品牌網站造訪率

平台提及後造訪率預測基準調整後差異(95% 信賴區間)相對基準
Gemini5.42%2.21%+3.21 個百分點[2.34,4.08]約 2.5 倍
Google AI Overviews7.79%4.83%+2.96 個百分點[2.76,3.17]約 1.6 倍
ChatGPT6.39%4.33%+2.07 個百分點[1.67,2.48]約 1.5 倍

資料來源:Profound:The AI mention effect,表 1;美國樣本,2026 年 1~6 月;7 天網站造訪率,採預測基準與使用者叢集信賴區間。

1.5~2.5 倍不能解讀成流量成長保證

「1.5~2.5 倍」比較的是研究中的提及後造訪率與預測基準,不代表網站總流量會增加 1.5~2.5 倍,也不代表每個被提及的品牌都會得到相同結果。個別產業、品牌知名度、查詢任務與平台使用者組成,都可能影響結果。

因此,奇寶會把這組數字用來說明「只看推薦參數可能低估前期影響」,不會把它寫成 AIO 或 AI 平台的固定導流率,更不會據此承諾詢問或轉換。

四、為什麼 GA4 只看到少量 AI 推薦流量?

多數造訪不是立即發生

研究顯示,20.5% 的首次品牌網站造訪發生在 AI 提及後 1 小時內,42% 發生在 24 小時內;換句話說,多數首次造訪發生在第 1 天之後。跨越工作階段與裝置的延後造訪,更難保留原始 AI 對話的來源訊號。

資料來源:Profound:下游造訪時間分布;美國樣本,2026 年 1~6 月;研究以 AI 提及後 7 天為觀察區間。

只有少數造訪帶有可辨識參數

Profound 檢查首次後續造訪是否帶有 UTM 或其他可辨識的 AI 推薦參數。ChatGPT 相關造訪中,2026 年 1~4 月約 1.0% 可辨識,5 月為 1.79%,6 月為 2.47%。報告提醒 6 月資料並不完整,因此 2.47% 只能視為方向性結果。

這張表呈現「何時造訪」與「GA4 是否容易辨識」的落差。可辨識參數比例主要來自 ChatGPT,不應直接套用到 Gemini、Google AI Overviews 或所有網站。

圖表 3 延後造訪與可追蹤推薦參數

觀察項目研究結果企業應如何解讀
1 小時內首次造訪20.5%只有少部分行為接近同一段即時旅程
24 小時內首次造訪42.0%超過一半的首次造訪在第 1 天之後發生
ChatGPT 可辨識參數1~4 月約 1.0%;5 月 1.79%;6 月 2.47%6 月資料不完整;參數比例不是所有 AI 平台的平均值
沒有可辨識參數6 月仍超過 97%只能說來源參數未被辨識,不能直接證明造訪由 AI 造成或與 AI 無關

資料來源:Profound:造訪時間與推薦參數分析;ChatGPT 參數資料為 2026 年 1~6 月;6 月為部分月份,僅能方向性解讀。

五、企業需要注意的 4 個歸因盲點

盲點一:只計算可辨識的推薦流量

如果報表只篩選 chatgpt.com、perplexity.ai 等可辨識來源,得到的是「直接點擊且保留來源訊號」的流量。這個數字有助於確認可追蹤造訪與站內行為,但不能代表所有 AI 參與的使用者旅程。

盲點二:忽略跨工作階段的延後造訪

研究顯示,多數首次造訪發生在 AI 提及後第 1 天之後。當使用者隔天重新搜尋品牌、從其他裝置進站或自行輸入網址,分析工具通常只能依當次工作階段的來源分類,無法還原先前的 AI 對話。

盲點三:把品牌搜尋與直接流量全部歸功於 AI

AI 提及後改用 Google 搜尋品牌,是合理的可能路徑,但 Profound 公開研究沒有證明所有品牌搜尋增加都由 AI 引起。品牌活動、廣告、公關、季節性與既有顧客回訪,也可能造成相似變化。

Search Console 的成效報表可以觀察查詢、曝光與點擊趨勢,因此適合拿來比對品牌相關搜尋是否同步變化;這只能提供旁證,不能單獨建立 AI 提及與品牌搜尋之間的因果關係。

資料來源:Google Search Console:搜尋結果成效報表;Google 官方文件,說明可依查詢、頁面與日期觀察搜尋曝光與點擊。

盲點四:把網站造訪誤寫成詢問或轉換

Profound 研究明確指出,這是一項網站造訪研究,不是購買或轉換研究。即使 AI 提及後的造訪率較高,也不能直接推論這些使用者提交表單、完成詢問或產生營收。企業仍需用 GA4 重要事件、CRM 詢問來源與實際業務結果進一步判讀。

六、奇寶如何協助企業判讀 AI 流量?

分開呈現可觀察、可推論與不可證明的結果

奇寶不會用單一 AI 推薦流量數字判定成效,也不會把所有直接流量與品牌搜尋增加歸功於 AI。較穩健的方式,是把資料分成三個證據層級,再向企業說明哪些能直接確認、哪些只能作為趨勢旁證。

下表是奇寶依 Google 官方歸因說明與 Profound 研究限制整理的判讀架構,不是 Google 公布的 AI 成效公式。閱讀重點是避免把旁證寫成已證明的轉換。

圖表 4 企業判讀 AI 流量的三層證據

證據層級可觀察的資料可以說明什麼不能直接證明什麼
可直接確認GA4 中可辨識的 AI 來源、工作階段、互動與重要事件特定 AI 來源確實帶來可追蹤造訪及站內行為無法代表所有受到 AI 影響的使用者
趨勢旁證品牌搜尋、直接流量、自然搜尋與 AI 能見度在同一期間的變化多項指標是否同方向變動,值得進一步檢查無法單獨證明變化由 AI 造成
業務驗證CRM 詢問紀錄、表單、電話、成交與顧客回饋AI 接觸是否可能出現在實際決策歷程若未記錄接觸來源,仍不能精準歸因
不可證明缺少來源、時間基準或使用者旅程連結的流量變化只能標示為未知或待觀察不得自行補寫成 AI 帶來的流量或轉換

資料來源:本表由奇寶依 Google Analytics 官方文件與 Profound 研究整理;屬企業成效判讀架構,不是 Google 官方歸因規則或成效保證。

奇寶在 SEO 專案中會先確認 GA4 可辨識的 AI 推薦來源與重要事件,再比對 Search Console 的品牌查詢、自然搜尋趨勢,以及既有 AIO 觀察資料。若期間內還有廣告、公關、活動、改版或內容更新,也會一併記錄,避免把同期變化錯誤歸因於 AI。

這套方式不能還原每一位使用者完整的跨平台旅程,但能讓企業同時看到「已確認的直接流量」與「需要持續觀察的下游訊號」,並把無法驗證的部分保留為未知,而不是自行推估成效。

七、結論:AI 推薦流量是下限,不是完整影響

GA4 中的 AI 推薦流量很少,不足以證明 AI 對網站沒有影響。GA4 依造訪當下可取得的來源訊號分類工作階段,無法自動辨識使用者幾小時或幾天前曾在 AI 回答中看過品牌。Profound 的研究也顯示,在其美國樣本中,品牌被 AI 主動提及後,7 天內的網站造訪率高於預測基準,而可辨識 AI 推薦參數只出現在少數後續造訪中。

但這項研究不是隨機實驗,衡量的是網站造訪而非詢問、購買或營收。企業不能反過來把直接流量、自然搜尋或品牌搜尋的增加全部算成 AI 成效。

更合適的做法,是把 GA4 可辨識的 AI 推薦流量視為可確認的下限,再結合品牌搜尋、自然搜尋、AI 能見度與 CRM 資料觀察一段期間的變化。奇寶會清楚區分直接證據、趨勢旁證與未知範圍,協助企業理解 AI 可能參與了哪些搜尋旅程,同時避免把推估影響寫成已證明的轉換。

參考資料

  1. Profound:The AI mention effect
  2. Search Engine Land:7 AI search myths, debunked
  3. Google Analytics:流量來源維度
  4. Google Analytics:流量開發報表
  5. Google Analytics:瞭解直接/無流量
  6. Google Search Console:搜尋結果成效報表
KPN 編輯部
AUTHOR

KPN 編輯部

奇寶網路自 2006 年成立,深耕搜尋行銷產業 — 服務超過 上千家企業客戶,自主研發站內廣告系統「客樂寶」,是 Google Partners 官方認證機構。

SHARE Facebook LINE
STAY CONNECTED · 訂閱與社群

還想了解更多各類數位行銷資訊的話,歡迎訂閱電子報、加入奇寶 Line 好友,第一時間接收最新資訊!

Facebook 粉絲專頁:

歡迎轉載 KPN 奇寶部落格相關文章,在轉載前請先詳閱著作權聲明及轉載原則。