一张对照表 看清 AI 来源在归因链上的断点
归因断裂很少发生在服务器日志里,更多发生在业务流程里。
一次从 AI 答案到签约的路径,通常要跨过四道关口,每一道都可能把来源丢掉。
四类 AI 来源的识别特征
下表的四行,覆盖了目前绝大多数 B2B 站能遇到的 AI 引荐形态。
| 来源类型 | 引荐来源特征 | 默认可识别度 | 商业意图强度 | 典型断点 |
|---|---|---|---|---|
| 对话式引擎 ChatGPT、Perplexity、Gemini |
带引擎域名的引荐来源,部分场景被剥离成直访 | 中到高,需手动建组归类 | 强,多处于方案比对阶段 | 用户抄下品牌名,回搜索引擎再搜一次 |
| AI 搜索摘要 AI Overviews、侧栏 Copilot |
多数不产生独立引荐,落回原搜索引擎域名 | 低,混在自然搜索里 | 中,仍在信息收集阶段 | 与普通自然搜索无法区分,被平均掉 |
| 被 AI 助手抓取后转述 浏览器内置助手、插件 |
无引荐,表现为直访或来自第三方站 | 极低,常被记为 Direct | 中 | 被当作无效流量,长期无人认领 |
| 社交与内容平台里的 AI 转述 公众号、LinkedIn、视频描述 |
平台自身域名,可识别但被归入社媒 | 中 | 弱到中 | 与社媒自然流量混在一起,无法单独核算 |
表里最容易被跳过的一列
多数人看这张表,目光停在前三列,讨论怎么把 AI 流量识别出来。最右边那一列才是钱的位置。
识别来源属于技术动作,定位断点属于管理动作。前者一个月能做完,后者要改的是销售填表的习惯。
不少站把 AI 来源做成 GA4 里的一个渠道组就收工。三个月后老板问这批询盘成了几单,答案是不知道,因为 CRM 里那个来源字段从来没被认真填过。
AI 答案把决策提前到了第一次点击之前
AI 答案改变的不只是入口,还有买家到站时的心态。
这一点解释了为什么 AI 引荐的会话不多,表单提交率却往往更高。
从探索者变成确认者
传统搜索里,买家在结果页横向比较十家供应商,到站时还在筛。AI 答案里,模型已经替他筛过一轮,只留下三五个品牌名。
他到站的目的变了,从了解变成确认。该问的参数在对话里问完了,该比的报价在答案里比过了,剩下的是查资质、看产线、找联系人。
页面此时要回答的问题也跟着变。用大段品牌介绍迎接一个已经做过功课的人,等于让他在确认环节再走一遍探索流程。
引用份额高不等于渠道可见
一个品牌可以在 AI 答案里被反复提到,同时在自己的报表里看不到任何 AI 流量。原因很朴素,用户看完答案后去搜索引擎敲了品牌名。
这部分成交在 GA4 里被记为自然搜索,在销售眼里被记成老客户转介绍。归因错位之后,下一季度的预算自然投到了错的地方。
这也是为什么单看 GA4 渠道报表会得出「AI 没带来什么」的结论。数据没错,只是这条线索在报表之外断掉了。
信源平权在归因环节同样成立
大厂有品牌词,中小制造企业大多没有。能不能被 AI 引用,考的是另一套东西。
这一层的门槛落在实体清晰度上,跟广告预算关系不大。
小厂的实体清晰度能压过预算
模型判断一家工厂是否可信,看的是名称、地址、成立年份、主营品类在多个信源上是否一致。
一家做液压阀的宁波工厂,把官网、行业协会名录、海关编码描述、招聘页上的公司信息统一之后,被识别为「液压阀制造商」而不是「机械零部件贸易商」的概率会明显上升。
这类对齐工作属于基础建设,文案技巧解决不了。它需要的是一次认真的资料盘点,然后把同一个事实在七八个地方写成同一个样子。
引擎只认能被交叉验证的事实
模型不读品牌故事,它读能被交叉验证的字段。产能、认证、出口国家、主要客户行业,这些要在页面上以可解析的形式出现。
一段三百字的抒情介绍,抵不过一张带表头和单位的参数表。这句话在 2019 年成立,在 2026 年更成立,因为读你页面的是一个需要引用出处的系统。
落到实处就三件事,参数上表格,认证给编号,产能写单位和口径。写清口径这一条最常被漏,月产能和年产能混用,模型只能猜。
三个可验证的杠杆
归因闭环不需要复杂系统,需要三个能落地的动作。每个动作都能在一到两周内验证有没有效果。
杠杆一 在询盘表单里落住来源
第一方数据比任何第三方工具都可靠。做法是在落地页读取引荐来源与 UTM,写进表单的隐藏字段,随询盘一起提交。
隐藏字段至少覆盖三个值,引荐域名、首次落地页、首次访问时间。首次访问比最后一次访问更能说明问题,B2B 的决策周期常跨六到十二周。
改完之后,询盘里带来源标记的比例通常能从三成以下提到八九成。真正变的不只是比例,是这条线索终于进了系统,可以被统计、被追问、被复盘。
杠杆二 用成交数据回填每个引擎的价值
CRM 里只留一个「来源」文本框不够用,要留三个字段,原始来源、来源明细、首次触点。
每季度按来源分组统计一次赢单金额,就能得出每个引擎的询盘成本与成交成本。到这一步,GEO 的预算才有依据。
判断标准不要用会话数,用「每个成交订单的内容成本」。一个季度带来两单、客单价四十万的引擎,比带来两百个会话的引擎值得投入。这笔账只有把 CRM 的金额字段和来源字段连起来才算得出来。
杠杆三 把 AI 来源当独立渠道单独建报表
GA4 渠道组里要把对话式引擎单列,不要塞进 Referral。Referral 是个筐,什么都往里装,装完就没人看了。
报表至少三个指标,AI 引荐会话数、AI 来源询盘数、AI 来源赢单数。三者比例失衡的位置,就是下一轮要改的位置。
会话多而询盘少,查落地页是否对题。询盘多而赢单少,查销售在第一次回复里有没有接住对方已经掌握的信息。这类诊断靠报表结构,不靠感觉。
隽永东方的做法 先把可算的部分算清
这套东西听起来像技术活,实际是流程活。技术部分一个月能搭完,流程部分要磨半年。
所以顺序很固定,先接归因,再做内容。
归因先于优化
没有基线就没有优化。半年后回看,如果没人说得清增长来自哪一步,前面的投入就只能靠回忆来证明。
我们通常先花两周把来源标识、表单字段、CRM 映射这三段接上,让数据先流起来,内容按季度推进。这个顺序看着慢,实际省掉的是反复争论。
内容与系统一起交付
单做内容,引用会涨,成交归因仍然空白。单做系统,报表很漂亮,没有内容就没有引用。
两件事一起做,才能在每个季度末回答同一个问题。这个季度多出来的询盘,是哪个引擎、哪篇文章、哪次改动带来的。
赫境(HermeZen)在这里承担的是把内容生产、监测、归因串成一条线的工作。判断和取舍还是人来做,机器负责不遗漏。
下一步 把这套闭环先跑起来
闭环的第一步,是把已经有的数据接上,买工具排在后面。
下面三件事不需要预算,只需要一个下午和一个愿意配合的销售负责人。
本周能落地的三件事
一是给询盘表单加三个隐藏字段,引荐域名、首次落地页、首次访问时间。技术同事两小时能改完,改完回头补不了历史数据,所以越早越好。
二是在 CRM 里把「来源」拆成原始来源与来源明细。历史数据不用补,从今天开始填就够用。
三是在 GA4 里建一个对话式 AI 渠道组,把 chatgpt、perplexity、gemini、copilot 这几个域名放进去,先单独观察四周。四周后你会看到一个和以前不一样的数字。
想聊细节就加微信
如果你的站已经有不少 AI 引荐会话,却说不清最终成了几单,这个问题值得花半小时聊清楚。
方便的话加我微信:15821651082。带上你的 GA4 渠道报表和 CRM 来源字段截图,我们直接看数据说话。