Jak mierzyć ruch z LLM (AI) w Google Analytics 4? Kompleksowy poradnik

Czym jest ruch na stronie pochodzący z LLM (AI)?

Ruch z dużych modeli językowych (LLM), takich jak ChatGPT, Perplexity czy Gemini, to nie wizyty botów – to realni użytkownicy, którzy trafili na Twoją stronę po kliknięciu w link udostępniony im przez chatbota. W praktyce wygląda to tak:

• użytkownik zadaje pytanie np. w Perplexity, 
• otrzymuje odpowiedź wraz z linkiem źródłowym, 
• decyduje się w niego kliknąć –  stając się tym samym gościem na Twojej stronie.
  

Jak ruch z LLM wygląda od strony technicznej w Google Analytics 4?

Taki ruch zbiera się w Google Analytics 4 podobnie jak każdy inny referral – jako przejście z zewnętrznej strony internetowej. Jeśli w przeglądarce użytkownika obecny jest referrer (czyli zapisywany przez przeglądarkę adres strony internetowej, z której użytkownik trafił na Twoją witrynę poprzez kliknięcie linku), GA4 ma możliwość przypisania wizyty do konkretnego źródła – w tym przypadku do konkretnego LLM-a. W panelu GA4 wygląda to w ten sposób:

I tu pojawia się pewne ograniczenie: GA4 nie posiada gotowej grupy kanałów dedykowanej dla LLM-ów, jak ma to miejsce w przypadku np. Organic Search, Paid Search czy Direct. Oznacza to, że jeśli chcemy analizować ten nowy typ ruchu w jednym miejscu, musimy sami utworzyć dodatkowy kanał. 

Jeśli nie wiesz, jak to zrobić — jesteś w dobrym miejscu! Wszystko krok po kroku opisane jest poniżej. Zanim jednak przejdziemy do praktyki, warto jeszcze zatrzymać się chwilę w teorii, czyli…

Po co mierzyć ruch pochodzący z dużych modeli językowych (LLM) w GA4?

Ruch z LLM-ów to nadal realni użytkownicy, którzy wpadają do tego samego kanału co osoby trafiające na stronę np. z artykułów sponsorowanych. Cechuje się jednak zupełnie inną genezą — zdecydowanie warto więc wyróżnić ich „z tłumu”. 

Co konkretnie daje nam monitorowanie ruchu z LLM?

• możliwość porównywania zmian ruchu w czasie – możesz obserwować wzrosty lub spadki liczby sesji pochodzących z chatbotów LLM.
• pośrednie wnioskowanie o widoczności marki w AI – częstsze sesje z LLM-ów mogą świadczyć o tym, że Twoje treści są cytowane lub rekomendowane przez modele językowe.
• mierzenie efektów optymalizacji pod cytowanie przez AI – możesz sprawdzić, czy np. inny styl pisania, czy struktura contentu zwiększa liczbę przejść z LLM-ów.
• oddzielenie LLM-ów od innych źródeł ruchu – dzięki temu unikniesz zafałszowanych danych w raportach np. dla kanału Referral czy Direct.

To relatywnie prosta konfiguracja, która może przynieść nową wartość w raportach – szczególnie w kontekście SEO i brand awareness.

Jak stworzyć własny kanał zbierający ruch z LLM w GA4? Instrukcja krok po kroku

1. Otwórz ustawienia grupy kanałów
   Przejdź do: Administracja > Grupy kanałów (sekcja „Wyświetlanie danych”).

2. Utwórz nową kopię domyślnej grupy kanałów (lub grupy, której aktualnie używasz)
   Przy wybranej grupie kanałów kliknij ikonę trzech kropek, a następnie wybierz opcję „Kopiuj, aby utworzyć nowe”.

3. Nazwij nową grupę i dodaj opis
   Zadbaj o przejrzystość – nie używaj identycznej nazwy jak wcześniej. Możesz też dodać opis, który pomoże później zidentyfikować cel tej konfiguracji.

4. Dodaj nowy kanał i nazwij go

Nadaj mu nazwę np. „Ruch LLM”, „LLM Traffic” lub „Narzędzia AI” – w zależności od preferencji.

5. Zdefiniuj warunek przypisania ruchu do kanału

Wybierz warunek: „Źródło” oraz  „pasuje do wyrażenia regularnego”

Wprowadź formułę zawierającą adresy LLM-ów, które chcesz śledzić. Dobrym pomysłem jest skorzystanie z gotowych list dostępnych w sieci (np. na LinkedIn lub w blogach branżowych), a potem rozbudowywanie ich na podstawie rzeczywistych danych z Twojego GA4.

Przykład reguły:
chatgpt.com|openai.com|claude.ai|perplexity|copy.ai|jasper.ai|copilot.microsoft.com|gemini.google.com|deepseek.com

6. Zmień kolejność kanałów tak, aby nowo utworzony znajdował się ponad kanałem Referral, przed Organic Search

To ważny krok, dzięki któremu unikniemy niepotrzebnych pominięć danych. Przypisywanie danych do kanału w GA4 przebiega według ustalonej kolejności od góry do dołu: pierwszy kanał spełniający warunki będzie tym, do którego zliczona będzie dana wartość. Jeśli nie przesuniemy naszego nowo utworzonego kanału ponad Referral, jest duża szansa na wpadanie pożądanych przez nas danych właśnie tam. Najlepszym miejscem dla nowego kanału pomiarowego pod LLM będzie dowolne miejsce między Referral a Organic Search.

7. Ustaw nową grupę jako główną (opcjonalnie)

Jeśli chcesz, aby nowy kanał pojawiał się automatycznie w raportach, możesz oznaczyć swoją grupę jako domyślną.

Po zapisaniu konfiguracji – Twój nowy kanał pojawi się w GA4 i zacznie przypisywać ruch zgodnie z podanymi regułami.

Uwaga!

Warto pamiętać, że zbieranie danych do nowego kanału rozpocznie się od momentu wdrożenia i nie obejmie danych historycznych.

Czarna dziura danych: dlaczego LLMy mogą być nierozpoznane przez Google Analytics 4?

Wróćmy na chwilę do podstawowej zasady pomiaru źródła odesłań: jeśli w przeglądarce użytkownika widoczny jest referrer – możemy rozpoznać źródło ruchu. 

Analogicznie więc: jeśli referrer nie jest obecny – sesja zostaje niesklasyfikowana lub przypisana do kanału Direct.

I dokładnie tak samo działa to w przypadku chatbotów AI. LLM-y potrafią wygenerować link do Twojej strony, ale nie zawsze robią to w sposób, który GA4 potrafi poprawnie odczytać. Gdy nie zostanie dodany żaden parametr UTM (czyli fragment adresu URL zawierający informacje o źródle ruchu np. kampanii, medium czy nazwie platformy) – ruch staje się niewidoczny jako pochodzący z AI. To tzw. dark traffic, czyli „ciemny” ruch, który może pochodzić z różnych źródeł bez ich doprecyzowania (ciekawostką jest to, że do tej kategorii zaliczamy również niekiedy linki, którymi dzielimy się ze sobą na czatach). 

Najważniejsze pytanie brzmi więc:

Kiedy LLM-y decydują się na dodanie linku bez UTM? Czy da się temu zapobiec?

To trudne do przewidzenia i zależy od wielu zmiennych. Za Maciejem Lewińskim (Newsletter; 27.02.2025) można wymienić kilka prawidłowości:

• jeśli użytkownik prosi chatbota o link bezpośrednio – LLM częściej generuje go bez UTM-ów,
• wrażliwe tematy (np. zdrowie, finanse, prywatność) zwiększają szansę na pominięcie parametrów UTM,
• gdy link prowadzi do dużego wydawcy lub portalu informacyjnego – LLM chętniej dodaje UTM.

Jeśli chcesz zwiększyć szansę, że Twój link zostanie podany przez AI z UTM, pokazuj chatbotom dobry przykład. Oznaczaj swoje linki UTM-ami wszędzie, gdzie tylko to możliwe – w kampaniach czy newsletterach. Modele językowe często uczą się przez „czytanie” źródeł, więc będą wtedy bardziej skłonne stosować podobną praktykę dla Twojej strony.

Jakiego ruchu pochodzącego z AI nie da się zmierzyć w GA4?

Choć może się to wydawać nieintuicyjne, nie każdy ruch rozpoczęty przez narzędzia AI da się jednoznacznie zidentyfikować w Google Analytics 4. W rzeczywistości wiele z tych wizyt na dzień dzisiejszy pozostaje wtopione w inne kanały. 

Przez konfigurację pomiaru LLM  w GA4 opisanego w tym artykule nie zmierzysz więc:

• AI Overview od Google (AIO): mimo że AIO może skłaniać użytkownika do kliknięcia w link źródłowy, sama wizyta nie zawiera referrera ani UTM-u
• Ruchu z agentów AI poza chatbotów LLM: część AI może odwiedzać Twoją stronę jako podstawę swojej funkcjonalności. Tego typu wizyty nie są wykonywane przez człowieka, ale przez boty — a Google Analytics automatycznie je filtruje. Ruchu z tego typu narzędzi nie sprawdzimy więc bez analizy logów.

Ruch z LLM-ów w Google Analytics 4: podsumowanie i najważniejsze wnioski do zapamiętania

Szczegółowo omówiliśmy zagadnienie tego, jak ma się ruch pochodzący z LLM do pomiarów w Google Analytics 4. Kilka kluczowych punktów do zapamiętania:

• ruch ze źródłem w LLM to realni użytkownicy klikający w linki z chatbotów takich jak ChatGPT, Deepseek czy Gemini.
• domyślnie LLM nie ma własnego kanału pomiarowego w GA4, dlatego musisz utworzyć nową grupę kanałów.
• dzięki obecności kanału poświęconego LLM obserwuj, jak Twoje treści są cytowane przez AI i czy Twój brand zachęca do wejścia na stronę.
• pamiętaj o „dark traffic” – część ruchu z LLM może wpadać do kanału Direct lub Unassigned.
• na ten moment nie wszystko się da zmierzyć – AI Overviews i agenci AI spoza LLM nie są widoczni w GA4.

Źródła

https://kpplaybook.com/resources/how-to-track-traffic-from-aio-featured-snippets-paa-results-ga4/
https://piestrzynski.pl/sledzenie-ruchu-llmow-ai-na-twojej-stronie-internetowej-w-google-analytics/
https://twooctobers.com/blog/tracking-ai-traffic-in-ga4-a-step-by-step-guide/
https://www.maciejlewinski.pl/pimpmyanalytics/