devgo.cn做内容营销的人大概都有过这种憋屈时刻：明明感觉AI搜索已经在给自己带量了，可打开分析后台，referral流量里AI那一栏少得可怜，老板问起来只能拿几个干巴巴的数字搪塞。更麻烦的是，AI带来的影响大多发生在你看不见的地方——用户周一在Gemini里读到你的品牌，下周二自己去Google搜你的名字，最后出现在你后台里的，是一笔普普通通的organic search。如果你只盯着可追踪的点击和转化，AI搜索的价值会被严重低估，向上汇报时自然拿不到资源。
Ahrefs的内容营销团队最近分享了他们的一套做法：用七个信号来度量AI搜索的可见度，其中一部分追踪“看得见”的点击和referral流量，另一部分则是可以放在报告里作为佐证的间接证据。这套思路对任何想搞清楚AI到底给自己带来多少价值的团队都有参考意义。
先看最直接的一层：AI助手产生的会话，本质上和其他referral流量没什么两样。在GA4里就能监控，不过Ahrefs自己的免费分析工具Ahrefs Web Analytics做得更省事——不用手动配置一堆正则表达式，直接在“Traffic sources”里点一下“AI search”就能按渠道筛选，看到哪些AI平台给你带来的流量最多。他们自己旗下网站wordcount.com的数据显示，ChatGPT占了AI搜索访客的92.4%，Perplexity占4.6%，Gemini占2.7%，Copilot只有0.2%。这个分布说明，他们可归因的AI流量绝大部分来自ChatGPT，那优化重心自然就往那儿倾斜。再配合Pages报告，能看出哪些页面和内容格式在吸收AI流量、用户停留情况如何——比如他们发现一小部分工具页贡献了大部分AI流量，那后续就多产出这类内容。
第二层是转化追踪。AI referral只占AI平台内注意力的很小一部分，而能归因到AI的转化又是这很小一部分里更小的一个子集——像套娃一样层层缩小。但即便如此，它依然是你手里AI可见度和收入之间最清晰的连接点，也是估算AI搜索ROI的起点。在Ahrefs Web Analytics的Tracked events报告里，加一个“AI search”的Channel筛选，就能监控表单填写、demo注册这类事件的转化率。他们自己的数据是：AI搜索访客中有6%注册了Ahrefs Free账号，是organic search转化率的4倍。把这些转化乘以平均客户价值，就能算出一个可追踪的收入数字，填进ROI计算里。当然要注意，免费账号本身不值钱，得看这些注册用户里有多少最终转化为付费客户，再基于这个算平均客户价值。
第三层是自报归因。既然把不完美的数据集拼来拼去、硬推断AI对客户的影响这么费劲，不如直接问客户。自报归因当然也不完美，但直接听客户说，已经是最接近真相的归因方式了。具体做法有两种：一是在销售电话里用Gong这类对话智能工具直接问客户是不是通过AI找到你的；二是在注册流程的“How did you hear about us?”下拉菜单里加上AI工具选项
。这样就能用分析工具看不到的数据补全你的归因，把它算作可归因收入。他们现在知道，Claude和ChatGPT合计占了他们所有免费和付费工具注册量的21.7%，超过YouTube，仅次于Google。另外，在lead表单或调查里还可以让客户提供他们用来找到你的AI提示词，这能帮你搞清楚该往哪些产品、品类和方向投入。
第四层是直接流量。相当一部分AI访问会落进direct traffic里，你永远认不出它们——很多AI平台会剥离referrer数据，也有不少用户看完AI回答后直接去浏览器输入你的品牌名，而不是点链接。这在你后台里就显示为direct。做法是：在做任何AI内容之前先记录你的direct和no-referrer流量基线，然后每次发布AI内容后观察变化。如果direct流量趋势向上，又没有其他解释（没有非AI的campaign、没有PR、没有季节性因素），那基本可以合理假设这部分增量来自AI。至于这个增量值多少钱，用你现有的direct流量转化率估算就行——比如direct流量平时转化率2%，你看到1000次无法解释的direct访问增量，那大概有20次转化是AI带来的。
第五层是品牌搜索量。如果品牌词搜索需求在你AI可见度上升之后或同时稳定增长，你就有了一个方向性的证据，说明AI在制造兴趣。做法是在Brand Radar的Search demand标签页里看品牌名搜索量，记得打开“Brand name only”开关排除非品牌类目查询。汇报AI搜索时，把AI提及量和品牌搜索量数据并排画成图表。他们自己用Letaido和Ahrefs Brand Radar数据搭了个dashboard，发现品牌名的AI提及量是指数级增长，但品牌搜索量还没完全跟上——这个差距本身就能说明问题，可以持续追踪看两者是否相关。
第六层是web提及。AI平台不分享太多数据，没有“ChatGPT版Search Console”这种东西。度量可见度最好的办法是追踪一批提示词看谁被推荐，但AI回答天生不稳定，referral流量又经常隐藏或错误归因。所以值得同时追踪web提及——它们更容易度量，而且往往比AI可见度更早变化。AI模型很大程度上是从网络上其他人怎么说你来学习怎么评价你的。他们做过一个研究，品牌web提及是跟AI品牌可见度关联最紧密的因素之一。第三方页面提及你越多（而且越正面），AI越可能推荐你，推荐时描述也越准确。他们最近亲眼验证了这一点：随着提到他们的AEO工具类网页数量增长，他们在该类别AI回答里的可见度也同步上升。这让web提及成了一个有用的早期预警系统——提及量通常会在AI可见度和流量之前上升，所以在等待硬数据赶上来的时候，你可以用它来展示PR、内容和外联工作的进展。
这套方法最值得借鉴的地方在于：它不追求一个完美的、能精确到每一分钱的AI归因模型，而是用多个信号互相印证，把AI影响力的“指纹”从各个数据缝隙里找出来。对大多数团队来说，与其纠结于构建一个不存在的完美归因系统，不如先把这七个信号里能拿到的数据都拿起来，拼出一个方向性的判断。实际落地时，建议从最省力的开始：先在分析工具里配好AI referral筛选，加上注册表单里的“How did you hear about us?”AI选项，再记录direct流量基线。这三步几乎零成本，但已经能覆盖相当一部分AI影响力。等数据积累起来，再逐步加上品牌搜索量和web提及的追踪。要注意的坑是：AI平台的数据政策会变，referrer信息可能越来越不可靠，所以别把宝全押在单一信号上，多信号交叉验证才是这套方法的精髓。
内容与图片版权归原作者所有 · 原文: https://ahrefs.com/blog/how-to-measure-ai-search-visibility/