GA4 追蹤 AI 流量完全攻略：一個篩選器搞定 ChatGPT、Claude、Gemini 來源數據
GA4（想先弄懂它到底是什麼，可看這篇 GA4 是什麼 的基礎介紹）可以追蹤 AI 流量，只是它預設不會分出獨立類別，ChatGPT、Claude、Gemini、Perplexit…
GA4 追蹤 AI 流量：把被埋掉的 ChatGPT、Claude、Gemini 流量獨立出來
GA4（想先弄懂它到底是什麼，可看這篇 GA4 是什麼 的基礎介紹）可以追蹤 AI 流量，只是它預設不會分出獨立類別，ChatGPT、Claude、Gemini、Perplexity 帶來的工作階段會被丟進 Referral、Direct 或 Unassigned 裡，所以你打開報表會以為沒有 AI 流量。不用買第三方工具，只要用探索報表加 AI 區隔條件，再搭配自訂管道群組兩步設定，就能把這些來源獨立看趨勢。根據 Google Analytics 官方對預設管道分組的說明，目前這份清單裡沒有任何 AI 類別，這是分類缺口，屬於流量分類層面而非流量本身的缺口。
重點先看：GA4 預設把 AI 平台流量併入 Referral 與 Direct，自訂管道群組設定後新資料即時生效但歷史資料不回溯，先設探索區隔試水再決定要不要永久分管道。
GA4 能追蹤 AI 流量嗎？為什麼你現在看不到
能追蹤，但 GA4 與 Search Console 目前都沒有內建的 AI 來源分類，所以要先動手設定才看得到。當使用者在 ChatGPT、Claude、Gemini 或 Perplexity 問問題時點了你的連結，這筆工作階段其實一直都在你的 GA4 裡，只是被埋進了預設的幾個大類別。流量有進站，只是分類被預設規則吃掉了。
說到底，AI 平台流量常見的落點有三個。想先搞清楚市面上有哪些 AI 搜尋引擎推薦，再回頭判斷每個平台的流量特性，會更有效率。來自瀏覽器的 chatgpt.com 通常走 Referral；部分 app 內連結因為帶不到完整 referer，會掉進 Direct；剛上線的新網域、或 GA4 還沒對應規則的來源，可能暫時落在 Unassigned。這三條路徑都不是錯誤，是 GA4 預設管道規則依既有邏輯分類的結果。你可以把它想成：流量有進站，只是沒被貼上 AI 的標籤。
在動手設定之前，我會建議你先做一件確認：網站到底有沒有真的被 AI 平台帶來流量。打開 GA4 流量開發（Traffic Acquisition）報表，在來源（source）欄位篩選 chatgpt 或 perplexity（如果你還不太熟悉 Perplexity，可先看 Perplexity AI 怎麼用 的介紹），如果跑出工作階段，代表值得正式追蹤；如果完全空白，可能是你的內容還沒被 AI 平台引用，這時候先顧好 AEO 與 GEO 的內容優化 比設定報表更實際。我遇過站長花了兩小時設管道群組，結果 AI 流量是零，順序錯了。
確認之後，解法有兩條路，各有利弊，下面分別拆解。一是探索報表建區隔，適合臨時分析、看趨勢；二是自訂管道群組，影響所有標準報表，適合長期監控。這兩條路對應的設定層級完全不同，一個在報表層、一個在管理員層，混淆的話會設了一堆卻看不到效果。
- 先確認再設定：在 GA4 流量開發報表篩選 source 有沒有 chatgpt / perplexity，沒有就先補內容。
- AI 流量三個常見落點：chatgpt.com 多走 Referral，app 內連結走 Direct，新網域走 Unassigned。
- 兩條解法：探索區隔看臨時趨勢，自訂管道群組做長期標準報表。
- 沒流量先補內容，再回頭設報表，順序不要顛倒。
方法一：用探索報表建立 AI 區隔，先看趨勢
想在 GA4 快速把 AI 平台流量獨立出來，最快的方式是進探索（Explorations）開一個空白報表，把工作階段來源當維度，再用區隔條件以 regex 比對 chatgpt、claude、gemini、perplexity 等網域，立刻就能看到 AI 流量的趨勢與行為，而且完全不會動到任何標準報表。這是給「還在評估 AI 流量值不值得追」的人的最佳入口，不用管理員權限，一般使用者也能開。
具體步驟其實很短。進到 GA4 左側選探索，建立一個空白探索，把「工作階段來源（Session source）」拖到維度欄並匯入，接著在區隔（Segments）區新增一個工作階段範圍的區隔，條件設成「工作階段來源 matches regex〈你的網域清單〉」。建議直接抓工作階段來源這個欄位，原因是 AI 平台的 medium 名稱並不統一，有的叫 referral、有的被吃成 none，抓 medium 或 source/medium 組合都會漏掉一部分，抓 source 反而最穩。如果你想先補強解讀報表的基本功，可以順著 GA 報表數據解讀技巧 把常用指標的邏輯摸熟，區隔設定會更上手。
regex 怎麼寫，這是最多人卡關的地方。以下是一份可直接套用的範例，重點是每一個都對應真實可驗證的網域，你必須依自己 GA4 實際出現的來源再擴充，這不是寫死就能用一輩子的清單：
| AI 平台 | 對應來源網域（regex 用） | 備註 |
|---|---|---|
| ChatGPT / OpenAI | chatgpt.com ｜ openai.com | 目前最大宗 AI 流量來源 |
| Claude / Anthropic | claude.ai ｜ anthropic.com | 新模型上線時網域可能變動 |
| Gemini | gemini.google.com | 部分來自 app 內會走 Direct |
| Perplexity | perplexity.ai | 常被誤算為一般 referral |
| 其他常見 | you.com ｜ poe.com ｜ copilot.microsoft.com | 依實際來源擴充 |
regex 字串組合起來大概是這樣：chatgpt\.com|openai\.com|claude\.ai|anthropic\.com|gemini\.google\.com|perplexity\.ai|you\.com|poe\.com。注意正規式裡的句點要用反斜線逸出，否則在 GA4 會被當成「任意字元」比對到一堆無關網域。這個細節很多人沒注意到，結果區隔出來的流量數字異常高，其實是誤抓。
建好區隔之後，你可以再疊加第二個維度，例如到達頁面（Landing page）或國家（Country），看 AI 使用者究竟讀了你哪些內容、從哪裡來。這層鑽取才是設定 AI 流量追蹤的真正價值，工作階段數只是起點。舉個情境：如果你發現 AI 流量九成都落在某一篇教學文，那篇就是你在 AEO 與 GEO 方向要加碼的資產。
這個方法有一個明確限制要先講：探索報表的資料不會出現在 GA4 的標準報表裡，也就是說你的團隊成員不會自動在他們的報表首頁看到「AI 流量」這一欄。要分享給同事，得靠分享連結、或把這個探索儲存成範本請他們複製。如果你只是自己看趨勢，這完全沒有問題；如果要當團隊 KPI，請直接看方法二。
探索區隔最常卡關的三個點
第一個卡關是區隔數字跑出來異常地大，通常是 regex 句點沒逸出、或條件寫太寬。檢查方式是把區隔暫時拆成單一網域，例如只比對 chatgpt.com，看數字合不合理，再逐條加回去找出是哪一條規則誤抓。第二個卡關是區隔跑出來是零，但你明明在流量開發報表看到 chatgpt.com 有工作階段。九成是維度拉錯，探索報表的來源欄位有「工作階段來源（Session source）」和「工作階段手動來源（Session manual source）」兩個長得很像的選項，要選前者，後者是給手動標記用的，會漏掉自然 referer 帶進來的資料。第三個卡關是同一個工作階段被同時算進 Organic Search 又算進 AI，原因是同一個來源命中了多條規則，這在探索區隔層不會發生（區隔是獨立比對），但在自訂管道群組層會發生，後面會講。
補一個進階用法：在探索報表裡把 AI 區隔設好之後，可以再拉一個「區隔比較（Segment comparison）」欄位，把 AI 流量與 Organic Search 流量並排顯示在同一張圖，直接比工作階段、參與度、單次工作階段價值這幾個指標。這層比較比單看 AI 流量數字有用得多，因為它能讓你判斷 AI 流量的品質到底是高於還是低於自然搜尋。判斷品質的邏輯很直接：如果 AI 流量的參與時間與轉換率接近自然搜尋，代表它是有效流量；如果明顯偏低，代表使用者只是被 AI 引過來看一眼就離開，這時候要回頭檢視被引用的那批內容能不能留住人。
方法二：自訂管道群組，讓 AI 流量在每張報表都獨立
想讓 AI 來源永久分到獨立管道、出現在 GA4 每一張標準報表，做法是到管理員後台的管道群組新增一組自訂管道群組，命名例如「AI 流量」，規則用工作階段來源 contains 逐一比對各 AI 網域，儲存後未來所有標準報表的預設管道分組就會多一欄 AI 流量，長期追蹤不用每次重設。這是設定一次、全站受惠的做法。
路徑在管理員（Admin）的資源層級，找到資料串流下方的「管道群組（Channel groups）」，點新增自訂管道群組。命名時建議直接用中文「AI 流量」或英文「AI Traffic」，後者方便未來跟 第三方分析工具 的數字對齊。規則不要用單一模糊條件，要逐一列出每一個網域，一條規則對應一個 contains，這是最關鍵的細節。
規則順序的影響比你想的大。根據 Google Analytics 官方對自訂管道群組比對邏輯的說明，比對是由上而下逐條進行，一個工作階段只要命中第一條就不再往下檢查。我建議把「AI 流量」這條放在 Organic Search 之後、Direct 之前。為什麼？因為如果你把它放在 Direct 前面但沒寫好，會把一般 referral 一起撈進來；放在最後面又會被 Direct 提前吃掉。位置卡在搜尋與直接之間，是最安全的槽位。
這裡有一個一定要承認的硬限制：根據官方對資料處理的說明，自訂管道群組設定日之後的新資料才會即時生效，設定日之前的歷史資料不會被回溯重新分類。換句話說，你今天設好，半年後回頭看報表，會發現「AI 流量」這一欄從設定日才開始有數字，之前完全空白。這不是 bug，是 GA4 的設計。做年同比、季同比時，務必要在簡報上標出這個斷點，否則同事會以為 AI 流量是突然暴增的。
- 適用情境：確定要長期監控 AI 流量，希望團隊每張報表都看得到。
- 規則逐一列網域：contains chatgpt.com、contains claude.ai、contains perplexity.ai，逐條寫。
- 順序放 Organic Search 之後、Direct 之前，避免誤抓或被吃掉。
- 新資料即時生效，歷史資料不回溯，同比分析要標斷點。
和方法一的關係是搭配使用，兩者各司其職。管道群組做長期報表，探索區隔做臨時鑽取，兩者並用最完整。如果你已經會用 GTM 串接 GA4 事件，自訂管道群組這層設定跟事件追蹤是平行的，不會互相干擾，可以放心一起做；想進一步追蹤按鈕點擊之類的互動，GTM 追蹤點擊事件 的設定邏輯可以一起套用。想知道工作階段本身怎麼被計算，可先補一下 GA4 工作階段定義 的觀念，會更清楚管道分組到底分到什麼。
自訂管道群組設完沒看到 AI 流量的排查路徑
設完管道群組卻在標準報表看不到 AI 流量這一欄，最常見的原因是規則命中順序被前面的管道提前攔截。自訂管道群組的比對是由上而下逐條進行，一個工作階段只要命中第一條就停止往下檢查。如果你的 chatgpt.com 同時帶有 organic 之類的 medium 標記，它可能在 Organic Search 那一條就被吃掉，永遠輪不到 AI 流量這一條。排查方式是回到流量開發報表，查 chatgpt.com 這個來源實際配到的 medium 是什麼，再把 AI 流量這條的條件改用來源（source）contains 來比對，避開 medium 干擾。
第二個常見原因是新舊資料斷點沒分清楚。自訂管道群組只從設定日起生效，設定日之前的歷史資料不會回溯重新分類。如果你設完當天立刻去翻過去三個月的報表找 AI 流量，自然找不到。正確的驗證方式是設完之後等 24 到 48 小時，再去最近一週的報表看 AI 流量有沒有數字。第三個原因是 GA4 資料處理延遲，標準報表的資料通常有幾小時到一天的延遲，即時生效指的是規則本身，不代表數字馬上就完整。
兩種方法怎麼選：管道群組 vs 探索區隔
決定很直接：想長期追蹤、讓全團隊每張報表都看得到，選自訂管道群組；只想臨時分析或還在評估 AI 流量值不值得追，選探索區隔。兩者不衝突，最務實的做法是先用探索區隔試水一兩週，確認來源網域清單穩定了，再把它固化成永久管道群組。先用低成本的測一遍，再花成本做永久設定，這個順序能幫你避開很多事後修改的麻煩。
兩者的差異可以用一張表說清楚，這也是評估時最常拿出的決策依據。重點在於你的情境需要哪一組特性，工具本身沒有絕對的強弱：
| 比較項目 | 自訂管道群組 | 探索區隔 |
|---|---|---|
| 設定層級 | 管理員（資源層） | 報表層（使用者層） |
| 影響範圍 | 所有標準報表 | 僅該探索報表 |
| 歷史資料回溯 | 不回溯（設定日起算） | 可回溯查歷史 |
| 團隊共享 | 自動出現在所有人報表 | 需分享連結或範本 |
| regex 測試彈性 | 低（改了影響全站） | 高（可反覆改不影響他人） |
| 適合情境 | 長期 KPI、月報 | 臨時分析、異常鑽取 |
決策變數其實就三個：你的團隊有幾個人要看報表、需不需要把 AI 流量當長期 KPI、在不在意歷史資料能不能回溯。如果是單人操作、只是想偶爾看一下 AI 流量長怎樣，探索區隔綽綽有餘，別沒事去動管理員設定。如果是要對主管簡報、或要跟 內容行銷 團隊一起檢討 AI 流量對哪幾篇內容有貢獻，那自訂管道群組的「自動出現」特性會省下你無數次手動開報表的時間。
進階一點的用法是兩者並用。管道群組做每個月的固定報表，探索區隔做異常流量的鑽取分析，例如某週 AI 流量突然翻倍，你可以立刻開一個探索報表，把工作階段來源拉進來看是哪個平台暴增、落在哪些到達頁面。這種「穩定報表加臨時鑽取」的雙層結構，是實務上最順手的工作方式。
AI 流量追蹤決策評分卡：你的網站現在該不該投資追蹤
並非每個網站都該立刻把 AI 流量追蹤架起來。資源有限時，追蹤的優先順序應該跟「這條流量對你的商業目標有沒有實質意義」掛鉤。評分卡用五個維度幫你判斷，每個維度給 0 到 2 分，總分 0 到 10 分。分數越高，代表越值得現在就動手把追蹤架構架起來。
| 評分維度 | 0 分 | 1 分 | 2 分 |
|---|---|---|---|
| 現有 AI 流量 | 流量開發報表完全查不到 chatgpt 或 perplexity | 偶爾出現零星工作階段 | 已有穩定可觀的 AI 來源工作階段 |
| 內容類型 | 純交易頁、無資訊內容 | 有少量教學或評論文 | 深度指南、解答型內容為主 |
| 團隊規模 | 單人操作 | 2 到 5 人 | 跨部門需共享報表 |
| 決策依賴數據 | 憑直覺決策 | 偶爾看數據 | 數據直接驅動內容與預算配置 |
| AEO 投入意願 | 暫無計畫 | 有興趣但未開始 | 已在做結構化資料與可引用性優化 |
判讀方式：總分 0 到 3 分，建議先補內容再談追蹤，這時候花時間設管道群組的投資回報很低，因為根本沒有流量可追；4 到 6 分，用探索區隔試水一兩個月就夠，把來源清單養穩，還不到動管理員設定的程度；7 到 10 分，直接上自訂管道群組做長期監控，並把 AI 流量納入月報。這套評分卡的核心假設是：追蹤本身不產生價值，產生價值的是你拿數字去調整內容與 SEO 策略，所以分數低的網站先把基礎補起來，比提早設報表更划算。
什麼情況不該急著追蹤 AI 流量
追蹤 AI 流量雖然門檻低，但確實有幾種情境應該先緩一緩。第一種是新站或內容量還很小的網站。Ahrefs 針對約 140 億頁面的研究發現，96.55% 的頁面從 Google 拿不到任何自然流量 [來源：Ahrefs〈96.55% of Content Gets No Traffic From Google. Here's How to Be in the Other 3.45%〉 https://ahrefs.com/blog/search-traffic-study/ 2023-12-01]，連傳統搜尋都還站不穩的站，AI 引用更是遙遠，這時候設追蹤只會看到一條零的曲線。第二種是純品牌活動站、或活動結束就下架的短期頁面，這類頁面缺乏被 AI 長期引用的條件，追蹤價值有限。
第三種是被錯誤 KPI 壓力驅動的情況。如果主管只因為「大家都在談 AI 流量」就要求每週報表，而你連 AI 流量到底代表什麼都還沒釐清，這時候先設追蹤反而會被數字綁架。先把觀測架構用探索區隔低調跑起來，累積一兩個月資料、確認趨勢與波動範圍，再決定要不要提升成正式 KPI。把還沒穩定的來源直接寫進考核，只會逼團隊去衝短期數字。第四種是連 GA4 基礎測量都還沒架好的站，底層資料收不全，上層再怎麼分組都失準，這時候優先順序是先把基礎量測補齊，再回頭分 AI 流量。
AI 流量追蹤月度健康度檢查清單
追蹤架構設好之後，最大的風險是「設完就忘」，半年後回頭看才發現來源清單早就過時、數字悄悄失真。一份固定的月度檢查清單，能讓追蹤品質維持在可信的水準。建議每個月初花十五分鐘照下面逐項跑一遍。
- 查流量開發報表，把來源欄位依工作階段排序，看前十名裡有沒有疑似 AI 但沒被區隔抓到的網域（例如新出現的 ai 相關網址）。
- 把發現的新網域補進探索區隔與自訂管道群組的來源清單，兩邊同步更新。
- 比對本月 AI 流量與上月、去年同期的數字，標註明顯的暴增或暴跌，並回頭確認是不是規則變更或設定日斷點造成的假象。
- 抽查 AI 流量的到達頁面前十名，確認這些頁面是不是你預期會被 AI 引用的內容，若出現意外頁面，代表 AI 引用方向偏了或內容結構需要調整。
- 把 AI 流量的參與時間、轉換率與 Organic Search 並排比，判斷 AI 流量品質有沒有惡化。
- 檢查區隔條件沒有被誤改成 contains ai 之類的寬鬆條件，避免數字被無關網域灌水。
這份清單的重點在於「定期回頭」，而非一次做完。AI 平台的網域與介面變動速度比傳統搜尋來源快得多，新版 app、新國家版本、新模型都可能帶來新的來源網域，唯有定期巡視才能避免數字慢慢失真。把這個習慣跟 SEO 年度內容更新 綁在同一個保養節奏裡，長期下來追蹤品質才會穩。
設定 AI 流量追蹤的 3 個地雷
設定過程裡有三個常見錯誤會讓你的數字失真，分別是高估、低估、以及誤判趨勢。設錯比沒設更危險，因為你會拿著錯的數字去做錯的決策，還自以為有根據。這三個地雷我都實際踩過或看過客戶踩，下面逐個拆。
第一個地雷是 regex 漏掉新的 AI 網域導致低估。AI 平台的網域一直在增加，新模型、新國家版本、新介面都會帶來新的來源網域，例如某平台推出獨立 app 後 referer 格式變了，你的 regex 沒跟著更新，那一批流量就會默默消失在 Direct 裡。這種定期回頭檢視來源清單的習慣，跟 SEO 年度內容更新 是同一種保養邏輯。建議每一季回頭檢視一次來源網域清單，把流量開發報表裡看起來像 AI 但沒被抓到的來源補進去。這件事很枯燥，但不做的代價是數字越來越失真。
第二個地雷，也是我最常看到的致命錯誤：用單一模糊條件。有人懶得列網域，直接寫一個 contains.ai 或 contains ai，結果把所有網址裡剛好有 ai 兩個字的來源都算成 AI 流量，例如 mail、aimediapress、或某個無關的 ai 開頭網域，AI 流量被嚴重高估。這種錯誤最危險的地方在於數字看起來很漂亮，你會很願意相信它，直到被同事質疑來源才發現。條件寫得越寬鬆，越該回頭檢查是不是撈了一堆無關網域。
第三個地雷是忘了自訂管道群組不回溯歷史資料，於是把設定日前後的空白誤判成「AI 流量突然暴增」。前面方法二提過，自訂管道群組只從設定日起算。如果你拿設定日前後的同一個管道做同比，會看到一個不存在的成長曲線，然後下出「AI 流量爆發」的錯誤結論。處理方式很簡單：設定日就是一個資料斷點，做同比時要在簡報上明確標出，前後數字不能直接比。
- 地雷一：regex 漏新網域，每季檢視一次來源清單。
- 地雷二：禁用 contains ai、contains.ai 這類單一模糊條件，否則高估。
- 地雷三：自訂管道群組不回溯，設定日是斷點，同比要標註。
說實在的，這三個地雷的共同源頭都是同一件事：來源定義沒設對。比起急著買 第三方 AI 分析工具，先把 GA4 的來源 regex 釐清楚，數字才會可信。
AI 流量數據要怎麼解讀、對 SEO 策略代表什麼
看到 AI 流量數字之後，重點不是有多少，而是讀哪一頁、停留多久、有沒有轉換。要把它跟自然搜尋擺在一起比，你也可以同時參考 Google Search Console 介紹 裡的查詢與曝光資料，兩邊對著看才看得出 AI 引用與搜尋排名的關係。把 AI 來源跟自然搜尋流量擺一起比，如果 AI 流量集中在某幾篇內容、而且互動指標不差，代表那批內容具備被 AI 引用的優勢，值得往 AEO 與 GEO 方向再優化。單看工作階段數字，意義其實很有限。
我會建議你看三個指標的組合：到達頁面、工作階段長度（或參與時間）、轉換率。工作階段數只能告訴你「有沒有人從 AI 來」，到達頁面告訴你「他們讀什麼」，工作階段長度告訴你「讀得深不深」，轉換率告訴你「值不值錢」。這三層疊起來，AI 流量對你的網站才有真正的意義。如果你只盯著工作階段數字做簡報，那只會得到一個好看的曲線，卻不知道曲線背後代表什麼。
一個常見的解讀情境：AI 流量明顯集中在某個主題的分類頁或某幾篇深度文，那代表這個主題在 AI 平台已經具備引用優勢，使用者會在 ChatGPT、Perplexity 問相關問題時被導到你的網站。要弄懂兩者定位的差別，可先看 GEO 與 SEO 有何差異。這時候該做的是加碼，把那批內容補上 結構化資料、強化權威性與可引用性，讓 AI 優先引用你的內容、把競品擠到後面；想讓 AI 主動引用你的內容，可參考 讓 AI 主動引用網站內容 的做法。這跟傳統 站內 SEO 重疊，但目標不同：傳統 SEO 爭的是搜尋結果排名，AEO 爭的是被 AI 答案引用。
但有一個觀念要先壓下來：別急著把 AI 流量當 KPI 主軸。它仍是新興來源，波動大、定義還在演進，不同 AI 平台的流量特性也不一樣。先把它當觀測指標，看個幾個月確認趨勢穩定，再考慮要不要納入考核指標。把一個還沒穩定的來源直接寫進 KPI，只會逼著團隊去衝短期數字，反而扭曲了內容策略。這跟看 跳出率 一樣，單一指標拿來考核都會出問題。
之所以現在就值得把觀測架構架起來，是因為 AI 對行銷流程的衝擊已經被多數從業者視為結構性轉變。HubSpot 2026 行銷現況報告指出，61% 的行銷人認為 AI 正帶來行銷領域 20 年來最大的變革 [來源：HubSpot〈2026 State of Marketing Report〉 https://www.hubspot.com/state-of-marketing 2026]。當使用者改去問 AI 而不是開搜尋引擎，流量入口的版圖跟著位移，這時候沒有獨立追蹤，等於在看一份漏掉一整條來源的報表。
這整件事也連動到 AI 搜尋時代的 SEO 策略。被 AI 引用的內容通常有三個共通點：結構清晰、有明確答案、具備來源可信度；想針對 AI 偏好調整內容，可以參考 AI 偏好內容規劃策略。這跟傳統 SEO 的最佳實踐有重疊，但並不完全相同。你可以把 AI 流量的數據，當成檢視自己內容在「可引用性」這個維度上表現如何的訊號，搭配 Google AI Overviews、AI Overviews 對 SEO 的衝擊、Google AI Mode、Google AI Mode SEO 應對策略 的曝光狀況一起看，會得到一張更完整的 AEO 健康度地圖。
退一步看，AI 流量對 SEO 的真正意義，是它提早告訴你哪些內容在「答案引擎」的世界裡有競爭力。這些新名詞容易讓人混淆，可以先讀 AI SEO 的別稱 把 GEO、AEO、LLMO 一次看懂。當 LLMO、GEO 生成式引擎優化 與 GEO 成為下一階段搜尋的主流，現在就把追蹤架好、把解讀能力養起來，半年後回頭看會比臨時補數據的人多一份對照基準；想從引用層面下手，AI Grounding 引用品牌內容 提供了另一個切入角度。
免費方案 vs 第三方 AI 分析工具
對多數中小網站來說，GA4 自訂管道群組加上探索區隔已經足夠看出 AI 流量的趨勢與行為。當「使用者是不是都不用 Google 了」成為熱門討論（可參考 SEO 生存報告），把 AI 流量獨立追蹤就更有必要。第三方工具的價值在於自動維護來源清單、跨站即時追蹤、以及更細的 AI 平台拆分，適合流量大、AI 來源複雜、或需要即時警報的大型站點。需不需要付費，取決於你的網站規模與維護成本。
免費的 GA4 方案夠用，有一個前提：你願意定期手動更新 regex 來源清單，而且不需要跨平台即時比對。若想把 GA4 數據彙整成可共享的報表，搭配 Looker Studio 分析儀表板 會更省事。如果你是單站經營、流量集中在幾個 AI 平台，每季花十分鐘檢視來源就夠了，這時候第三方工具的邊際效益不高。但如果你是多站矩陣、或 AI 流量佔比已經明顯成長，手動維護就會變成負擔，這時候第三方工具的自動同步新網域功能才真正值錢。
第三方工具的主要優勢可以歸納成三點：自動同步新出現的 AI 網域，省去手動維護；提供 AI 流量成長的即時警報，能在異常發生當下通知你；以及能拆分同一平台的不同介面，例如 web、app、瀏覽器擴充功能，這在 GA4 往往被併在同一個來源看不出差異。如果你關注的是品牌在 AI 答案裡的能見度，GEO 能見度監測工具 與 Ahrefs Brand Radar 是兩個常被拿來比較的選擇。這三點都是功能性描述，要不要付費換這些功能，完全取決於你的監控需求強度。
| 比較項目 | GA4 免費方案 | 第三方 AI 分析工具 |
|---|---|---|
| 成本 | 免費 | 多需付費訂閱 |
| 來源清單維護 | 手動定期更新 | 自動同步新網域 |
| 跨平台即時比對 | 需手動切換 | 支援即時追蹤與警報 |
| AI 平台拆分細度 | 依 regex 自訂 | 可分 web／app／擴充功能 |
| 歷史資料 | 探索區隔可回溯查 | 依工具而有差異 |
| 適合規模 | 中小網站、單站 | 大型站、多站矩陣 |
我的選擇建議是：先跑免費方案一到兩個月。如果你的站帶有交易屬性，例如要在 AI 流量暴增時即時調整活動，BEO 與 ChatGPT 購物 的思維會是接下來值得研究的方向。把探索區隔設好、累積一段 AI 流量數據，觀察它的佔比與成長曲線。如果 AI 流量佔比明顯成長、或你需要對 AI 來源做即時監控（例如電商要在 AI 流量暴增時即時調整活動），再評估付費工具。先用免費方案把「AI 流量到底長怎樣」搞清楚，再決定要不要花錢，這是最穩的決策路徑。
有一個前提不管用哪種方案都成立：來源定義（哪些網域算 AI）必須先在 GA4 釐清。除了 regex，近年也有人嘗試用 llms.txt 這類實驗性文件，主動告訴 AI 平台站內有哪些可引用的內容。如果你連 GA4 裡的 AI 來源有哪些都沒整理過，直接導入第三方工具，拿到的數字也無從對照、無從驗證。第三方工具不是黑箱，但它的數字要能被你檢驗，前提是你自己手裡有一份可信的 GA4 基準。所以順序永遠是：先 GA4 釐清定義，再第三方加值。
如果你的 GA4 還沒裝好，或想先把基礎測量架構補齊，可以從 WordPress 安裝 GA4、GTM 串接 GA4 事件 與 Google Analytics 四大報表 開始；想用一站式外掛搞定 GA4 與 GSC，Site Kit 整合 GA4 與 GSC 是省事的選擇。GA4 的 AI 流量追蹤是建立在「報表能正確收到資料」這個前提上，底層沒穩，上層怎麼分組都不會準，這跟 技術性 SEO 網站架構 講求底層穩固是同一個道理。會用 UTM 追蹤碼 標記來源的人，對這個邏輯應該不陌生，AI 流量追蹤只是把同樣的來源分類思維，應用到一個新的流量類型上。
最後補一個觀念：AI 流量追蹤的目的不是蒐集數字，而是讓你能對內容與 SEO 策略做出更準確的判斷。把 ChatGPT、Claude、Gemini、Perplexity 的流量獨立出來，搭配 關鍵字搜尋意圖、長尾關鍵字策略、Google 關鍵字研究工具、行銷成效指標 一起看，才看得出 AI 流量在你的整體行銷漏斗裡扮演什麼角色；如果 AI 流量數字讓你發現某些頁面表現變差，網站流量下滑找回排名 與 網站速度優化、Core Web Vitals 核心指標 都是接著要檢查的環節。
常見問題：GA4 追蹤 AI 流量
底下把設定過程中最常被問到的幾個問題整理出來，答案比正文更精煉，方便你快速對照。
GA4 預設會把 AI 流量算到哪裡？
多數會落在 Referral，部分 app 內連結因為帶不到完整 referer 會掉進 Direct，少數新網域暫時落在 Unassigned。GA4 目前沒有獨立的 AI 來源分類。
怎麼在 GA4 看到來自 ChatGPT 的流量？
最快是開探索報表，把工作階段來源當維度，用區隔條件 matches regex 比對 chatgpt.com 即可。想要長期出現在每張報表，就改用自訂管道群組設定。
自訂管道群組和探索區隔哪個比較好？
要長期、要團隊都看得到選自訂管道群組；只想臨時分析選探索區隔。建議先用區隔試水一兩週，再固化成管道群組。
GA4 追蹤 AI 流量需要付費工具嗎？
多數中小網站不用。GA4 自訂管道群組加探索區隔已能覆蓋主流 AI 來源，第三方工具的價值在自動維護來源清單與即時警報，適合大型或多站站點。
GA4 source 的 AI regex 要怎麼寫？
逐一列出網域並用管線符號串接，例如 chatgpt\.com|claude\.ai|perplexity\.ai，句點要加反斜線逸出。不要用 contains ai 這種單一模糊條件，會高估。
GA4 自訂管道群組設定後能改回來嗎？
可以修改或停用，但歷史資料不會回溯重新分類。修改只影響設定日之後的新資料，做同比要標出斷點。
GA4 追蹤 AI 流量後數據多久會生效？
自訂管道群組設定後新資料即時生效，探索區隔則是開報表當下就能查到歷史資料，兩者都不需要等待處理期。
AI 流量對 SEO 策略有什麼意義？
意義在指出哪些內容具備被 AI 引用的優勢。把 AI 流量跟自然搜尋擺一起比，找出 AI 集中的主題頁，往 AEO、GEO 方向強化結構化與可引用性。
GA4 如何比較 AI 流量與搜尋流量？
設好自訂管道群組後，標準報表的管道分組會同時列出 Organic Search 與 AI 流量兩欄，可直接比工作階段、參與時間與轉換率。
把 AI 流量獨立追蹤這件事，本質上是在為 SEO 與內容策略補上一個過去看不到的視角。當使用者越來越習慣直接問 AI 工具，把開 Google 搜尋這個動作逐漸取代掉，能看懂「到底是 ChatGPT 還是 Google 帶來流量」，就會成為站長與 數位行銷 操作者越來越需要的能力。先用 GA4 免費方案把基礎打好，把 Search Console、WordPress 提交 Search Console 與 GA4 的數據對齊，再透過 WordPress SEO 外掛 把可引用性補強，最後再決定要不要進一步投資第三方工具。
會把追蹤架構優先架在 GA4 上，不是因為偏好，而是因為它已是市場事實上的標準測量層。根據 W3Techs 的調查，Google Analytics 被 81.8% 已知流量分析工具的網站採用，涵蓋 46.6% 的全體網站 [來源：W3Techs〈Usage Statistics and Market Share of Google Analytics〉 https://w3techs.com/technologies/details/ta-googleanalytics 2026-06-29]。換句話說，多數站長手上本來就握有 GA4，真正的問題是有沒有把 AI 這條來源獨立分出來，重新採購一套系統反而是次要考量。