با ظهور ابزارهای هوش مصنوعی و مدلهای زبان بزرگ (LLM) مانند ChatGPT، درک و بخشبندی ترافیک از این منابع در Google Analytics 4 (GA4) مهمتر از همیشه است.
این راهنما شما را از طریق مراحل ساده ردیابی، تجزیه و تحلیل و استفاده از ترافیک مبتنی بر LLM برای اصلاح استراتژی های SEO خود راهنمایی می کند.
چقدر ترافیک از LLM دریافت می کنید؟
ابزارهای هوش مصنوعی و LLM به طور فزاینده ای آینده بازاریابی را شکل می دهند.
در طول سه ماه گذشته، من شاهد افزایش قابل توجهی در ترافیک از LLM به وب سایت های خود و وب سایت های مشتریانم بوده ام.
با این حال، ردیابی این ترافیک مستقیماً از مرورهای هوش مصنوعی گوگل هنوز یک چالش است. دادهها در حال حاضر با دادههای عملکرد معمولی در کنسول جستجوی Google ترکیب شدهاند.
چرا ترافیک LLM را تقسیم بندی کنید؟
یکی از بحث های فعلی در صنعت سئو بر این است که آیا ابزارهایی مانند ChatGPT و سایر LLM ها باید به عنوان موتورهای جستجو طبقه بندی شوند یا خیر.
این ابزارها به طور غیرقابل انکاری در حال تغییر نحوه دسترسی و تعامل کاربران با اطلاعات آنلاین هستند، اما نقش آنها در اکوسیستم جستجو همچنان سیال است.
با این حال، آنچه واضح است این است که رفتار کاربر به طور قابل توجهی در حال تغییر است.
خواه افراد به پلتفرم هایی مانند هوش مصنوعی متا روی آورند، با ابزارهای مبتنی بر LLM تعامل داشته باشند یا از طریق پلتفرم های مبتنی بر ویدئو مانند TikTok محتوا را مصرف کنند، رویکرد آنها برای یافتن و درگیر شدن با اطلاعات در حال تکامل است.
این تغییر مستلزم آن است که استراتژیهای سئو برای ملاقات با کاربران در جایی که هستند و همسو با ابزارها و پلتفرمهای مورد علاقهشان باشد.
دو روش برای تقسیمبندی ترافیک LLM و chatbot
روش هایی که برای تقسیم بندی ترافیک LLM و chatbot استفاده می کنید به اهداف شما و نیاز به دسترسی و تجزیه و تحلیل این داده ها بستگی دارد.
من از دو رویکرد اصلی استفاده می کنم که هر کدام اهداف متفاوتی را دنبال می کنند:
- گزارشات کاوش GA4: این تجسمها برای انتقال بینش به ذینفعان به طور معمول، مانند بهروزرسانیهای ماهانه، مفید هستند. آنها همچنین به مشتریان اجازه می دهند تا در صورت نیاز مستقیماً از طریق حساب Google Analytics خود به داده ها دسترسی داشته باشند.
- استودیو Looker: من از دو نوع گزارش Looker Studio استفاده می کنم:
- مشتری رو به رو. این بینشهای جزئی، مانند ردیابی صفحات فرود و رویدادهایی که توسط ترافیک LLM ایجاد میشوند، ارائه میکند. این گزارش ها با توجه به نیازهای خاص هر مشتری تنظیم می شوند.
- یک قالب داشبورد استاندارد. در حالی که کمتر سفارشی شده است، به من این امکان را می دهد که به سرعت در حساب های مختلف GA4 بچرخم و به داده ها برای تجزیه و تحلیل و نظارت موقت دسترسی داشته باشم.
تنظیم این گزارش ها ساده است. در زیر، دستورالعملهای گام به گام برای ایجاد گزارشهای اساسی در GA4 Explore و Looker Studio ارائه کردهام.
از آنجا، می توانید آنها را با طرح های رنگی دلخواه و نقاط داده اضافی در صورت نیاز سفارشی کنید.
گزارش عکس فوری کاوش GA4
سادهترین روشی که برای ردیابی ترافیک ابزارهای هوش مصنوعی در GA4 میدانم، استفاده از فرمول regex برای تجزیه و تحلیل دادههای منبع ترافیک در گزارش Explore است. برای انجام این کار سه مرحله وجود دارد:
- جدید ایجاد کنید اکتشاف گزارش دهید.
- ابعاد را به منبع/رسانه جلسه و استفاده کنید بازدیدها به عنوان متریک
- همچنین می توانید اضافه کنید جلسات درگیر و رویدادهای کلیدی در زمینه معیارها برای بینش دقیق تر در مورد اثربخشی ترافیک از LLMs.
- سپس در بخش ها، یک بخش جلسه جدید ایجاد کنید. نامی مربوط به هوش مصنوعی و LLM به آن بدهید و regex زیر را به عنوان فیلتر در منبع جلسه وارد کنید.
^.*ai|.*\.openai.*|.*copilot.*|.*chatgpt.*|.*gemini.*|.*gpt.*|.*neeva.*|.*writesonic.*|.*nimble.*|.*outrider.*|.*perplexity.*|.*google.*bard.*|.*bard.*google.*|.*bard.*|.*edgeservices.*|.*astastic.*|.*copy.ai.*|.*bnngpt.*|.*gemini.*google.*$(لازم به ذکر است که با ورود ابزارهای جدید LLM به بازار، باید این regex را به روز کنید.)
بخش را اعمال کنید و نمای مشابه زیر برای شما باقی خواهد ماند:
GA4 تجزیه و تحلیل ترافیک را کاوش کنید
حالا شما یک خط پایه دارید کاوش کنید، می توانید آن را کپی کنید و یک نمودار خط کلاسیک ایجاد کنید تا ترافیک LLM را در طول زمان نشان دهد.
برای انجام این کار، باید تجسم را به یک نمودار خطی تغییر دهید:
و مقادیر را به جلسات تغییر دهید:
سپس می توانید تنظیمات granularity را تغییر دهید تا نماهای مختلف را دریافت کنید.
هنگامی که این تغییرات را انجام دادید، باید گزارشی شبیه گزارش زیر داشته باشید.
دریافت خبرنامه که بازاریابان به آن اعتماد دارند.
گزارش در استودیو Looker
دو روش برای ایجاد گزارش Looker Studio وجود دارد.
- یکی نیاز به دسترسی به حساب Google Analytics در سطح مدیریت دارد.
- راه حل دیگر یک راه حل سبک وزن است که به شما امکان می دهد حساب های مختلف GA4 را در هر سطح دسترسی “اسکیم” کنید.
بیایید با ساختن گزارش عمیق تر شروع کنیم.
ابتدا، می خواهید یک گروه کانال جدید برای ابزارهای LLM و چت بات ها ایجاد کنید.
برای این کار باید به مدیر و انتخاب کنید گروه های کانال در نمایش داده ها بخش
نامی به آن بدهید (و اگر می خواهید توضیح دهید، اما اجباری نیست)، و سپس روی آن کلیک کنید افزودن کانال جدید.
با این کار صفحه جدیدی بارگیری می شود که در آن می توانید نام کانال را تعیین کنید.
من توصیه می کنم این را متفاوت از نام گروه تنظیم کنید و سپس شرایط کانال را تنظیم کنید تا منبع با regexی که قبلاً در مقاله استفاده کردیم مطابقت داشته باشد.
کاری که می خواهید انجام دهید این است که کلیک کنید دوباره سفارش دهید در لیست کانال قرار بگیرید و کانال هوش مصنوعی جدید خود را به بالای مرجع انتقال دهید:
سپس می خواهید کلیک کنید ذخیره گروه در سمت راست بالا
هنگامی که گروه کانال جدید شما زمان جمع آوری داده ها را داشته باشد، این را در قسمت مشاهده خواهید کرد کسب ترافیک گزارش در گزارش ها / اکتساب بخش GA4.
همچنین می توانید از این به عنوان گروه کانال در گزارش های Looker Studio خود استفاده کنید.
رویکرد سبک وزن به هر سطحی از دسترسی به Google Analytics نیاز دارد و شما باید برای هر نمودار و جدولی که میخواهید دادههای LLM را در آن نشان دهید، یک فیلتر تنظیم کنید.
این کار را با اعمال یک فیلتر و استفاده از همان regex قبلی انجام می دهید:
با استفاده از این، میتوانید در میان تفکیکهای ترافیک LLM برای بازه زمانی مشخص شده در Looker Studio چرخه بزنید:
شما همچنین می توانید کل ترافیک LLM را در طول زمان تجسم کنید:
آینده جستجو با هوش مصنوعی در هسته خود در حال تحول است. اکنون راهاندازی ردیابی تصمیمات مبتنی بر داده را تضمین میکند تا محتوای شما مرتبط و قابل کشف بماند.
نویسندگان مشارکت کننده برای ایجاد محتوا برای سرزمین موتورهای جستجو دعوت می شوند و به دلیل تخصص و کمک به جامعه جستجو انتخاب می شوند. همکاران ما تحت نظارت کارکنان تحریریه کار می کنند و مشارکت ها از نظر کیفیت و ارتباط با خوانندگان ما بررسی می شوند. نظراتی که بیان می کنند، نظر خودشان است.