Ruch z ChatGPT i Perplexity jest znacznie trudniejszy do zmierzenia niż klasyczne wejścia z Google, Facebooka czy kampanii oznaczonych UTM-ami. Problem nie polega wyłącznie na tym, że GA4 nie ma osobnego, idealnego raportu „AI traffic”. Bardziej kłopotliwe jest to, że część kliknięć z narzędzi generatywnych zostawia poprawny referrer i pojawia się jako Referral, a część trafia do Direct, mimo że użytkownik faktycznie przyszedł po kliknięciu linku w odpowiedzi ChatGPT albo Perplexity.

W efekcie firma może zwiększać widoczność w odpowiedziach generowanych przez modele AI, pozyskiwać z nich ruch i leady, a jednocześnie w standardowym raporcie GA4 widzieć tylko fragment tego efektu. To szczególnie ważne przy ocenie GEO, czyli Generative Engine Optimization. Jeśli sukces GEO mierzy się wyłącznie liczbą sesji z chatgpt.com / referral czy perplexity.ai / referral, wynik prawie zawsze wymaga dodatkowej interpretacji.

Dlaczego wejście z ChatGPT lub Perplexity może zostać zapisane jako Direct?

GA4 oznacza ruch jako (direct) / (none) wtedy, gdy na początku sesji nie ma wystarczającej informacji pozwalającej przypisać wejście do konkretnego źródła. Nie należy więc traktować Direct jako synonimu wpisania adresu strony ręcznie w pasku przeglądarki.

Do Direct trafiają również wizyty, w których informacja o źródle została utracona po drodze.

W przypadku ruchu z narzędzi AI znaczenie mają przede wszystkim cztery mechanizmy.

Pierwszy to brak lub utrata nagłówka referrer.
Przeglądarka może przekazać stronie docelowej informację, z jakiej domeny nastąpiło przejście. Jeżeli użytkownik kliknie link na stronie ChatGPT czy Perplexity i informacja zostanie przekazana prawidłowo, GA4 może zarejestrować źródło jako domenę odsyłającą oraz medium referral.

Nie jest to jednak gwarantowane przy każdym sposobie otwierania linku.

Znaczenie ma m.in.:

• przeglądarka,

• aplikacja mobilna,

• sposób otwarcia linku,

• przekierowania pomiędzy adresem AI a stroną docelową,

• konfiguracja Referrer-Policy,

• rozwiązania prywatności i blokowania śledzenia,

• pośrednie systemy przekierowujące.

Jeżeli podczas takiej ścieżki GA4 nie otrzyma ani informacji o referrerze, ani parametrów kampanii, wejście może wyglądać dokładnie tak samo jak otwarcie strony z zakładki.

Drugi problem to aplikacje i przeglądarki wbudowane.
Ruch z AI nie odbywa się już wyłącznie w klasycznej karcie Chrome’a na komputerze. Użytkownik może korzystać z aplikacji ChatGPT, mobilnej wersji Perplexity albo otworzyć wynik w zewnętrznej przeglądarce. Każdy dodatkowy etap zwiększa ryzyko utraty danych o źródle.

To samo zjawisko od lat występuje przy ruchu z komunikatorów, dokumentów PDF czy aplikacji pocztowych. Analitycy określają takie wejścia potocznie jako dark traffic: źródło istnieje, ale system analityczny go nie widzi.

Trzeci problem to przekierowania.
Jeśli link prowadzący do serwisu przechodzi przez skracacz, system afiliacyjny, własny redirect albo kilka wersji domeny, np.:

example.pl → www.example.pl → https://www.example.pl/oferta

informacja o pierwotnym źródle może zostać zmieniona albo utracona.

Szczególnie podejrzane są sytuacje, gdy firma obserwuje dużo Direct na konkretnych landing pages, mimo że użytkownicy praktycznie nie mają powodu wpisywać ich pełnego adresu ręcznie. Wejście Direct bezpośrednio na adres w rodzaju:

/blog/jak-wybrac-system-erp-dla-produkcji

jest analitycznie czymś innym niż Direct na stronie głównej. Nie dowodzi ruchu z AI, ale jest sygnałem, który warto sprawdzić.

Czwarty problem to sposób raportowania samego GA4.
GA4 operuje jednocześnie na źródłach przypisanych do użytkownika, sesji i zdarzeń. Dlatego dwa raporty otwarte dla tego samego okresu mogą odpowiadać na inne pytania.

Najważniejsze rozróżnienie wygląda tak:

• First user source / medium mówi, skąd pozyskano użytkownika po raz pierwszy,

• Session source / medium dotyczy źródła konkretnej sesji,

• raporty związane z kluczowymi zdarzeniami i atrybucją rozdzielają udział źródeł według zasad modelu atrybucji.

Jeżeli celem jest ocena, ile wizyt rozpoczynają ChatGPT i Perplexity, podstawowym punktem odniesienia powinien być raport Pozyskiwanie ruchu / Traffic acquisition i wymiar Session source / medium, a nie raport pozyskania użytkowników oparty na First user.

To drobna różnica w nazwie wymiaru, ale potrafi całkowicie zmienić wynik.

Jak mierzyć ruch z AI w GA4, żeby nie opierać się wyłącznie na Referral?

Najczęstszy błąd polega na stworzeniu filtra zawierającego chatgpt.com, openai i perplexity.ai, sprawdzeniu liczby sesji oraz uznaniu tej liczby za pełny efekt GEO.

To jest dolna granica ruchu rozpoznanego, niekoniecznie pełny ruch wygenerowany przez AI.

Praktyczny pomiar powinien działać warstwowo.

Poziom 1: zidentyfikuj ruch, który GA4 rozpoznaje bezpośrednio.

W GA4 warto utworzyć eksplorację obejmującą przynajmniej:

• Session source,

• Session medium,

• Session source / medium,

• Landing page + query string,

• Sessions,

• Engaged sessions,

• Engagement rate,

• Key events,

• Session key event rate,

• Total revenue — jeżeli witryna prowadzi sprzedaż online.

Źródła związane z AI najlepiej wyszukiwać szerzej niż za pomocą jednej domeny. Nazwy hostów i sposób prezentowania ruchu przez platformy mogą się zmieniać, dlatego filtr warto okresowo weryfikować zamiast raz wpisać chatgpt.com i zostawić konfigurację na rok.

Na początku trzeba sprawdzić przede wszystkim:

• chatgpt,

• openai,

• perplexity,

• inne domeny narzędzi AI, które rzeczywiście pojawiają się w danych konkretnego serwisu.

Nie ma sensu kopiować listy 50 domen z przypadkowego artykułu i uznawać jej za standard. Najpierw trzeba zobaczyć własne dane.

Poziom 2: analizuj Direct na poziomie stron wejścia.

Tutaj zaczyna się właściwa diagnostyka.

Załóżmy, że firma opublikowała ekspercki poradnik, który zaczął być cytowany w odpowiedziach AI. W kolejnych tygodniach:

• Referral z ChatGPT wzrósł z 20 do 90 sesji,

• Direct na tym samym artykule wzrósł ze 150 do 340 sesji,

• jednocześnie nie prowadzono kampanii kierującej na ten URL.

Nie można stwierdzić, że dodatkowe 190 wejść Direct pochodzi z ChatGPT. Taki wniosek byłby nadużyciem.

Można natomiast powiedzieć, że wzrost Direct na stronie silnie eksponowanej w narzędziach AI wymaga sprawdzenia, zwłaszcza jeżeli podobnego wzrostu nie ma na innych artykułach.

Najbardziej użyteczny raport kontrolny zawiera:

Landing page + query string × Session source / medium.

Następnie dla ruchu Direct porównuje się:

• strony wejścia,

• okres przed wzrostem widoczności w AI,

• okres po wzroście,

• zachowanie użytkowników,

• konwersje,

• urządzenia,

• kraj,

• nowych i powracających użytkowników.

Nie chodzi o to, aby automatycznie przepisywać część Direct do kategorii AI. Chodzi o znalezienie ruchu, którego standardowa atrybucja nie potrafi wyjaśnić.

Poziom 3: użyj danych spoza standardowych raportów GA4.

Przy większych serwisach sam GA4 jest za słabym narzędziem do pełnej diagnostyki GEO.

Przydatne są:

• logi serwera lub CDN,

• dane eksportowane z GA4 do BigQuery,

• Google Search Console,

• monitoring widoczności marki i adresów URL w odpowiedziach AI,

• CRM z informacją o źródle leada,

• pytanie formularzowe „Skąd dowiedziałeś się o firmie?”,

• dane dotyczące zapytań brandowych.

Każde z tych źródeł odpowiada na inne pytanie.

Logi serwera pokazują faktyczne żądania HTTP, choć również nie zawsze mają pełną informację o stronie odsyłającej.

BigQuery pozwala zejść do poziomu pojedynczych zdarzeń i sprawdzić dane, których wygodne raporty GA4 agregują zbyt mocno.

CRM odpowiada z kolei na najważniejsze biznesowo pytanie: czy użytkownik pozyskany przez AI skończył jako wartościowy lead lub klient.

Ręczne pytanie o źródło bywa niedoceniane. Przy sprzedaży B2B, kancelariach, usługach specjalistycznych czy drogim SaaS-ie formularz z odpowiedziami:

• Google,

• ChatGPT / inne narzędzie AI,

• polecenie,

• LinkedIn,

• reklama,

• inne

potrafi ujawnić przypadki, których analityka internetowa nie przypisała do AI.

Nie należy jednak traktować takiej odpowiedzi jako laboratoryjnie dokładnej. Użytkownik może pamiętać, że „znalazł firmę w Google”, mimo że dzień wcześniej zobaczył jej nazwę w ChatGPT. To kolejny sygnał, nie absolutna prawda.

Poziom 4: nie próbuj naprawiać problemu UTM-ami, jeśli nie kontrolujesz linku.

UTM-y są świetne tam, gdzie właściciel strony kontroluje publikowany adres — newsletter, reklama, własny post na LinkedInie, kampania partnerska.

W organicznej odpowiedzi ChatGPT albo Perplexity właściciel cytowanej strony zazwyczaj nie kontroluje formatu linku, więc nie może zakładać, że utm_source=chatgpt zostanie dopisany.

To jedna z podstawowych różnic między klasycznym performance marketingiem a GEO. Przy reklamie projektujesz pomiar przed uruchomieniem kampanii. Przy organicznej ekspozycji w modelach AI część procesu odbywa się poza Twoją kontrolą.

Jak liczyć efekt GEO, żeby nie raportować ani za mało, ani za dużo?

Efektów GEO nie powinno się sprowadzać do jednego licznika sesji.

Najbardziej defensywny model raportowania rozdziela dane na trzy poziomy pewności.

1. Ruch AI potwierdzony

To sesje, dla których GA4 rozpoznał źródło powiązane z ChatGPT, Perplexity lub innym analizowanym systemem.

Tę liczbę można raportować wprost, np.:

312 sesji miało rozpoznane źródło związane z narzędziami AI.

Nie trzeba jej sztucznie powiększać.

2. Ruch potencjalnie niedoszacowany

Tutaj trafiają anomalie Direct, których nie da się jednoznacznie przypisać do AI, ale które pokrywają się ze wzrostem ekspozycji konkretnych adresów URL w odpowiedziach modeli.

Nie wolno raportować:

600 dodatkowych wejść Direct pochodziło z ChatGPT.

Poprawne podejście to:

Po wzroście ekspozycji artykułu w narzędziach AI liczba sesji Direct na tej stronie zwiększyła się o 600. GA4 nie pozwala przypisać tych sesji bezpośrednio do AI, dlatego wzrost jest analizowany jako dodatkowy sygnał, a nie potwierdzony ruch z ChatGPT.

Ta różnica jest fundamentalna. GEO nie usprawiedliwia przypisywania sobie całego niewyjaśnionego Direct.

3. Efekt biznesowy i popyt pośredni

Użytkownik nie zawsze klika link w odpowiedzi AI.

Może przeczytać rekomendację:

„Sprawdź firmę X”

a następnie otworzyć nową kartę i wyszukać nazwę firmy w Google.

GA4 pokaże wtedy wejście jako Organic Search albo — zależnie od ścieżki — Direct. Technicznie będzie to poprawne. Z punktu widzenia marketingu model AI mógł jednak rozpocząć ścieżkę zakupową.

Dlatego do oceny GEO warto zestawiać:

• rozpoznany ruch referral z AI,

• Direct na stronach pojawiających się w odpowiedziach AI,

• liczbę wyszukiwań brandowych,

• organiczny ruch brandowy,

• leady deklarujące ChatGPT lub AI jako źródło,

• konwersję ruchu rozpoznanego jako AI,

• przychód lub wartość leadów,

• widoczność domeny w odpowiedziach na konkretne zestawy pytań.

Takie podejście jest bardziej pracochłonne niż zrobienie jednego wykresu w Looker Studio. Jest też znacznie trudniejsze do automatyzacji. To realna wada GEO: pomiar jest mniej deterministyczny niż w kampanii z poprawnie skonfigurowanymi UTM-ami.

Nie powinno się tego problemu maskować wymyślonym „AI attribution score”, który daje pozornie dokładną liczbę, choć bazuje na kilku założeniach.

Lepszy dashboard pokazuje oddzielnie:

• potwierdzone wejścia AI,

• niewyjaśniony wzrost Direct na stronach monitorowanych w GEO,

• zmianę zachowania brandowego,

• wynik biznesowy.

Dopiero zestawienie tych danych pozwala ocenić, czy wzrost widoczności w odpowiedziach ChatGPT i Perplexity przekłada się na coś więcej niż same cytowania.

Jeżeli firma prowadzi regularne działania GEO, dobrze jest również utrzymywać listę 20–100 najważniejszych pytań związanych z ofertą i sprawdzać, które URL-e są przy nich przywoływane. Bez tego trudno odpowiedzieć, czy wzrost konkretnego landing page’a pokrywa się ze wzrostem ekspozycji w systemach generatywnych.

Nie chodzi przy tym o codzienne ręczne przepytywanie ChatGPT. Odpowiedzi mogą zależeć od modelu, trybu, personalizacji, lokalizacji, aktualności danych czy sposobu sformułowania promptu. Monitoring GEO pokazuje więc trend i obecność, a nie stabilną pozycję porównywalną 1:1 z pozycją numer 3 w klasycznych wynikach Google.

W praktyce największym błędem pozostaje raportowanie tylko referral. Jeżeli 40 sesji zostało rozpoznanych jako ruch z ChatGPT, nie oznacza to, że ChatGPT wygenerował dokładnie 40 wizyt. Oznacza to wyłącznie, że 40 sesji zostało przez analitykę rozpoznanych jako pochodzące z tego źródła.

Po drugiej stronie trzeba uważać na równie poważny błąd: przypisywanie GEO całego wzrostu Direct, brandu i konwersji. Korelacja czasowa pomaga wskazać obszar do analizy, ale nie daje automatycznie dowodu przyczynowego.

Więcej informacji na: https://toniemarketing.pl

FAQ: ChatGPT, Perplexity i ruch Direct w GA4

Czy GA4 potrafi pokazać ruch z ChatGPT?
Tak. Jeżeli podczas przejścia zostanie zachowana informacja o źródle, ruch może pojawić się jako referral z domeny związanej z ChatGPT. Nie oznacza to jednak, że GA4 wykryje w ten sposób każde kliknięcie pochodzące z odpowiedzi AI.

Czy wejścia z Perplexity zawsze pojawiają się jako Referral?
Nie. Klasyfikacja zależy od informacji przekazanych do strony docelowej. Jeżeli referrer zostanie utracony i nie ma innego sygnału kampanii, sesja może trafić do Direct.

Czy Direct oznacza wpisanie adresu strony ręcznie?
Nie. (direct) / (none) oznacza przede wszystkim brak wyraźnej informacji o źródle. Ręczne wpisanie adresu jest tylko jednym ze scenariuszy prowadzących do takiej klasyfikacji.

Czy można policzyć dokładnie, jaka część Direct pochodzi z ChatGPT?
Nie na podstawie samego GA4. Można analizować landing pages, moment wzrostu, logi, dane BigQuery, CRM i deklarowane źródła leadów, ale jeżeli informacja o referrerze została utracona, nie da się jej później wiarygodnie odtworzyć tylko na podstawie wartości Direct.

Czy warto przeklasyfikować podejrzany ruch Direct na AI?
Nie w źródłowych danych. Lepiej pozostawić oryginalną klasyfikację GA4 i stworzyć osobną warstwę analityczną, np. „potencjalny wpływ AI”. Dzięki temu raport nie udaje większej dokładności, niż rzeczywiście ma.

Czy wystarczy raport Session source / medium?
To dobre miejsce na start, ale nie na zakończenie analizy. Przy ocenie GEO trzeba zestawić źródło sesji przynajmniej z landing page’em, kluczowymi zdarzeniami, danymi CRM i zmianą Direct na stronach, które zdobywają ekspozycję w odpowiedziach AI.

Czy można użyć UTM-ów do mierzenia ChatGPT?
Tak, jeżeli kontrolujesz link publikowany w konkretnym miejscu. Przy organicznych odpowiedziach generowanych przez ChatGPT czy Perplexity zazwyczaj nie masz takiej kontroli, więc UTM-y nie rozwiązują problemu całościowo.

Czy wzrost wyszukiwań nazwy marki można zaliczyć do efektów GEO?
Może być sygnałem efektu pośredniego, ale nie powinien być automatycznie w całości przypisywany GEO. Na brand wpływają jednocześnie SEO, reklama, social media, PR, polecenia, wydarzenia i wcześniejszy kontakt użytkownika z marką.

Od czego zacząć audyt ruchu z AI?
Najpierw otwórz w GA4 Pozyskiwanie → Pozyskiwanie ruchu, pracuj na wymiarze Session source / medium i wyodrębnij wszystkie rozpoznane źródła AI. Następnie zestaw je z Landing page + query string i sprawdź te same landing pages w segmencie (direct) / (none). Dopiero później dokładaj BigQuery, logi i zewnętrzny monitoring GEO. Pierwszym błędem do usunięcia jest raportowanie samego chatgpt.com / referral jako pełnej liczby wejść wygenerowanych przez ChatGPT.