Как найти переходы из ChatGPT в аналитике сайта и CRM

Переходы из ChatGPT ищут по фактически полученным источникам визита, реферерам и меткам URL, а затем связывают с обращениями в CRM. Такой учёт показывает наблюдаемую часть трафика и не гарантирует обнаружение всех людей, которые узнали о компании из ответа ИИ. Цитирование страницы, запрос робота и визит клиента — разные события.

Начните с исходных данных визита

Проверьте посадочную страницу, исходный реферер и параметры URL в доступной аналитике. Если встречается домен chatgpt.com, изучите реальные записи и сформируйте правило группировки по точному имени хоста. Поиск произвольного слова «chatgpt» внутри всей строки может захватить посторонние адреса.

Метки учитывайте только там, где они действительно присутствуют. Не предполагайте, что каждый переход будет иметь одинаковый набор параметров. Сохраните исходное значение отдельно от нормализованного канала, чтобы позднее можно было пересмотреть классификацию без потери доказательств.

Отличайте человека от обращения робота

Официальная документация OpenAI разделяет поисковый OAI-SearchBot, GPTBot для возможного обучения и ChatGPT-User для определённых действий пользователя. Их назначение описано в OpenAI Docs о роботах. Запрос такого агента в серверном журнале не равен подтверждённому клиентскому посещению.

Журнал обхода полезен для технической доступности, но его нельзя прибавлять к рекламным визитам или лидам. Для анализа посетителей используйте события пользовательского пути, доступные вашей системе измерения, и отдельные правила исключения технических запросов.

Сохраните источник при обращении

Вместе с заявкой передайте идентификатор обращения, посадочную страницу и доступные сведения об источнике. Уточните, сохраняется ли первый известный контакт, последний визит или оба. Поле «источник» без определения может незаметно перезаписаться при следующем посещении.

Сопоставление с CRM должно опираться на устойчивую связь заявки, а не совпадение минут или похожий телефон в разных выгрузках. Подробные принципы сохранения маркировки изложены в статье об UTM-метках в CRM.

Условный пример неполной атрибуции

Предположим, посетитель перешёл из ответа ChatGPT на статью и сразу отправил форму. В аналитике сохранился соответствующий реферер, а идентификатор заявки связал визит со сделкой. Это наблюдаемое обращение с подтверждённым путём в пределах доступных данных.

Другой человек прочитал ответ, запомнил название и через неделю набрал адрес вручную. Технического доказательства первого контакта может не быть. Ответ на вопрос менеджера «как узнали о компании» полезен как отдельное самоописание клиента, но не должен незаметно подменять измеренный источник визита.

Оценивайте качество, а не только количество

Для найденной группы смотрите число реальных обращений, долю квалификации, тип запросов и последующее движение по продаже. Сравнивайте одинаково зрелые периоды и исключайте тесты по общим правилам. Несколько ранних заявок ещё не дают устойчивого вывода о качестве канала.

Цитирование проверяют отдельным исследованием с фиксированными вопросами, датой и сохранёнными ответами. Оно показывает только наблюдённую выборку, а не полный охват ChatGPT. Нельзя вычислить конверсию цитирования в заявку, если неизвестно, сколько людей действительно увидели ссылку.

Программа проверки измерения

Пройдите тестовый путь по реально доступной ссылке, зафиксируйте полученные параметры, отправьте помеченную тестовую заявку и найдите её в CRM. Затем проверьте повторный визит без меток и переход через промежуточную страницу, если такой маршрут используется.

Учёт готов, когда классификация объясняется исходными данными, заявка связывается с визитом, а неопределённые случаи остаются неизвестными. В отчёте полезно прямо назвать показатель «наблюдаемые обращения из ChatGPT». Это сохраняет практическую ценность измерения без обещания полного учёта влияния ИИ на выбор клиента.