Ruch z ChatGPT, Perplexity i Gemini w GA4 – jak go mierzyć i oceniać jego wartość?

Ruch z ChatGPT w GA4 przestał być ciekawostką analityczną. Od maja 2026 roku Google Analytics 4 ma osobny kanał „AI Assistant”, który porządkuje część wejść z asystentów AI. To jednak nie oznacza, że problem atrybucji został rozwiązany. Część przejść nadal trafia do Referral albo Direct, a ruch z Google AI Overviews i AI Mode pozostaje w Organic Search. Dlatego skuteczny pomiar wymaga połączenia natywnego kanału GA4, własnej grupy kanałów, analizy stron lądowania i osobnego monitoringu widoczności przed kliknięciem.

TL;DR

• GA4 ma natywny kanał AI Assistant, który obejmuje ruch z asystentów takich jak ChatGPT, Gemini, DeepSeek, Copilot czy Grok, gdy spełnione są warunki klasyfikacji.
• AI Assistant nie obejmuje Google AI Overviews i AI Mode – ruch z tych modułów Google klasyfikuje jako Organic Search.
• Własna grupa kanałów nadal ma sens, bo pozwala szerzej wychwytywać ruch z LLM, np. z Perplexity, Claude, Copilota, DeepSeek czy innych źródeł, oraz analizować dane według własnych reguł.
• GA4 mierzy tylko warstwę po kliknięciu. Jeśli marka pojawia się w odpowiedzi AI, ale użytkownik nie klika linku, GA4 tego nie pokaże.
• Wartość ruchu z AI ocenia się po jakości sesji, czyli konwersjach, zaangażowaniu, stronach lądowania, typach zapytań i udziale tego kanału w ścieżkach użytkownika.

Dlaczego ruch z asystentów AI wymaga osobnego podejścia w GA4?

Ruch z ChatGPT, Perplexity, Gemini czy Claude nie jest ruchem botów. To realni użytkownicy, którzy klikają link wygenerowany lub przytoczony w odpowiedzi asystenta AI. Różnica polega na tym, że ich ścieżka wygląda inaczej niż klasyczne wejście z Google.

W tradycyjnym SEO użytkownik widzi listę wyników, porównuje tytuły i opisy, a następnie klika wybrany link. W wyszukiwaniu konwersacyjnym najpierw otrzymuje syntezę odpowiedzi. Dopiero później, jeśli chce zweryfikować źródło, sprawdzić ofertę lub przejść głębiej, klika link. Taki użytkownik często trafia na stronę z bardziej sprecyzowaną intencją niż osoba klikająca standardowy wynik organiczny.

Ruch z LLM to wejścia użytkowników, którzy trafili na stronę po kliknięciu linku w odpowiedzi modelu językowego lub asystenta AI. W GA4 może pojawić się jako AI Assistant, Referral, Organic Search albo Direct – zależnie od źródła, referrera i sposobu otwarcia linku.

Dla analityka oznacza to dwie rzeczy. Po pierwsze, ruch z AI należy wydzielić, bo inaczej ginie w raportach. Po drugie, nie należy oceniać go wyłącznie wolumenem. Małe liczby sesji mogą mieć dużą wartość, jeśli użytkownicy trafiają na strony produktowe, porównania, cenniki, formularze kontaktowe albo treści BOFU.

Jak GA4 klasyfikuje ruch z ChatGPT, Gemini i innych asystentów?

Google Analytics 4 wprowadził kanał AI Assistant w domyślnej grupie kanałów. Google opisuje go jako kanał, przez który użytkownicy trafiają na stronę ze źródeł takich jak ChatGPT, Gemini, DeepSeek, Copilot czy Grok. W definicji kanału medium sesji musi dokładnie pasować do wartości `ai-assistant`, a medium i kampania są ustawiane automatycznie, gdy referrer pasuje do listy rozpoznanych asystentów AI.

W praktyce proces wygląda tak:

1. Użytkownik klika link w odpowiedzi ChatGPT, Gemini, Claude, Copilot lub innego asystenta.

2. Przeglądarka przekazuje do strony nagłówek odsyłający, np. `chatgpt.com` albo `gemini.google.com`.

3. GA4 porównuje referrer z listą rozpoznanych źródeł.

4. Jeśli występuje dopasowanie, sesja może trafić do kanału AI Assistant, z medium `ai-assistant` i kampanią `(ai-assistant)`.

To dobry punkt startowy, ale nie pełny obraz. GA4 nie pozwala edytować domyślnej grupy kanałów. Można natomiast tworzyć własne grupy kanałów i stosować je w raportach pozyskiwania, eksploracjach oraz raportach niestandardowych. To nadal przydatne, bo źródła AI zmieniają się szybciej niż domyślne reguły GA4.

AI Assistant vs Organic Search vs Referral vs Direct

Najczęstszy błąd to traktowanie całego ruchu z AI jako jednego kanału. ChatGPT, Perplexity, Gemini i Google AI Overviews działają inaczej. Perplexity częściej pokazuje źródła jako przypisy. ChatGPT może generować kliknięcia z aplikacji i przeglądarki. Gemini i AI Mode są powiązane z ekosystemem Google, ale w GA4 ruch z modułów Google AI Overviews i AI Mode jest częścią Organic Search, a nie AI Assistant.

Jak skonfigurować własną grupę kanałów dla ruchu z AI?

Własna grupa kanałów pozwala utrzymać większą kontrolę nad raportowaniem. Przydaje się szczególnie wtedy, gdy część wejść z AI wpada do Referral albo gdy chcesz analizować szerszy zestaw źródeł niż te, które GA4 rozpoznaje natywnie.

Ścieżka w GA4:

1. Wejdź w Administracja.

2. Przejdź do Wyświetlanie danych → Grupy kanałów.

3. Utwórz nową grupę kanałów na podstawie domyślnej grupy.

4. Dodaj kanał, np. `AI Search & Chatbots`.

5. Ustaw warunek: Źródło sesji pasuje do wyrażenia regularnego.

6. Dodaj drugi warunek OR: Nośnik sesji dokładnie pasuje do `ai-assistant`.

7. Przenieś kanał AI nad Referral. W wielu konfiguracjach dobrze umieścić go również nad Organic Search, ale tu potrzebna jest kontrola, aby nie mieszać klasycznych wejść z Google z kliknięciami z modułów AI.

8. Zapisz grupę i używaj jej w raportach pozyskiwania oraz eksploracjach.

Przykładowy regex do testów:

.*chatgpt\.com.*|.*openai\.com.*|.*perplexity.*|.*gemini\.google\.com.*|

.*claude\.ai.*|.*copilot\.microsoft\.com.*|.*edgepilot.*|.*edgeservices.*|

.*deepseek\.com.*|.*grok\.x\.com.*|.*writesonic\.com.*|.*copy\.ai.*|

.*iask\.ai.*|.*nimble\.ai.*

Ten regex nie jest listą zamkniętą. Źródła AI zmieniają domeny, aplikacje, mechanizmy przekierowań i sposób przekazywania referrera. Dlatego raz w miesiącu dobrze sprawdzić raport Źródło / medium sesji i dodać nowe domeny, które wyglądają jak ruch z asystentów AI.

Custom Channel Group to własna, regułowa grupa kanałów w GA4. Pozwala tworzyć kategorie ruchu dopasowane do analizy firmy, np. osobny kanał dla ChatGPT, Perplexity, Gemini, Claude i innych asystentów.

Dlaczego nadal nie zobaczysz pełnego ruchu z AI?

GA4 mierzy kliknięcia, ale nie widzi całej ekspozycji marki w AI. To podstawowe ograniczenie. Jeśli użytkownik zapyta ChatGPT o najlepsze narzędzia, przeczyta odpowiedź i nie kliknie żadnego linku, GA4 nie zarejestruje tej interakcji. Podobnie, jeśli użytkownik skopiuje adres z odpowiedzi AI i wklei go ręcznie do przeglądarki, sesja może trafić do Direct.

Najważniejsze ograniczenia pomiaru:

• brak referrera – aplikacje mobilne i przeglądarki wbudowane mogą usuwać informację o źródle,
• brak danych o promptach – GA4 nie pokaże dokładnego pytania, które użytkownik wpisał w ChatGPT lub Perplexity,
• brak widoczności przed kliknięciem – GA4 nie mierzy, czy marka została wymieniona w odpowiedzi AI bez kliknięcia,
• różne klasyfikacje źródeł – to samo narzędzie może raz pojawić się jako AI Assistant, innym razem jako Referral albo Direct,
• Google AI Overviews i AI Mode – w GA4 są klasyfikowane jako Organic Search, więc wymagają interpretacji razem z Google Search Console.

To nie przekreśla GA4. Oznacza tylko, że GA4 pokazuje warstwę post-click, czyli zachowanie użytkownika po przejściu na stronę. Do pomiaru widoczności przed kliknięciem potrzebne są osobne narzędzia GEO/AEO albo ręczne testy promptów.

Jak przygotować raport ruchu z AI w GA4?

Najpraktyczniejszym miejscem do analizy jest Eksplorowanie. Standardowe raporty pokazują ogólny obraz, ale eksploracje pozwalają połączyć źródło, kanał, stronę lądowania i konwersje.

Konfiguracja raportu:

1. Wejdź w Eksplorowanie i utwórz raport typu Dowolny format.

2. Dodaj wymiary:

   – Domyślna grupa kanałów sesji,

   – własna grupa kanałów, np. `AI Search & Chatbots`,

   – Źródło / medium sesji,

   – Strona lądowania,

   – Kampania sesji.

3. Dodaj metryki:

   – Sesje,

   – Aktywne sesje,

   – Współczynnik zaangażowania,

   – Średni czas zaangażowania,

   – Kluczowe zdarzenia,

   – Współczynnik konwersji sesji,

   – Przychód, jeśli e-commerce jest wdrożony.

4. Ustaw filtr: grupa kanałów zawiera `AI Assistant` albo własny kanał `AI Search & Chatbots`.

5. Porównaj dane z Organic Search, Referral i Direct.

Warto dodać drugi widok oparty na stronach lądowania. To on pokaże, jakie treści asystenci AI najczęściej podają jako źródła: poradniki, definicje, rankingi, case studies, strony usługowe, kategorie produktowe czy wpisy blogowe.

Jak oceniać wartość biznesową ruchu z ChatGPT, Perplexity i Gemini?

Ruch z AI jest zwykle mniejszy niż ruch organiczny z Google, więc sama liczba sesji bywa myląca. Lepiej traktować go jak kanał jakościowy: mniej wejść, ale z często mocniejszą intencją. Ocena powinna łączyć dane o wolumenie, zaangażowaniu i konwersjach.

W praktyce dobry raport nie brzmi: „mamy 80 sesji z ChatGPT”. Lepszy raport brzmi: „ruch z AI odpowiada za 0,7% sesji, ale generuje 2,4% leadów, najczęściej prowadzi do trzech poradników BOFU i ma wyższy współczynnik zaangażowania niż standardowy Organic Search”.

Jak połączyć GA4 z pomiarem widoczności przed kliknięciem?

GA4 odpowiada na pytanie: co zrobił użytkownik po wejściu na stronę? Nie odpowiada na pytanie: jak często marka pojawia się w odpowiedziach ChatGPT, Gemini czy Perplexity. Do tego potrzebna jest druga warstwa pomiaru.

Możesz ją zbudować na trzy sposoby:

1. Manualny zestaw promptów – regularnie sprawdzaj 20-50 zapytań brandowych, porównawczych i komercyjnych. Zapisuj, czy marka się pojawia, na jakiej pozycji, z jakim kontekstem i z jakimi źródłami.

2. Narzędzia GEO/AEO – użyj rozwiązań monitorujących widoczność marki w AI, cytowania, udział w odpowiedziach i sentyment. Tę warstwę można później zestawić z danymi GA4.

3. Analiza logów serwera – sprawdzaj aktywność crawlerów i botów wyszukujących AI, odróżniając ruch botów od realnych sesji użytkowników.

Dopiero połączenie tych danych pokazuje pełniejszy obraz. Marka może mieć dobrą widoczność w odpowiedziach AI, ale niski CTR. Może też mieć mało cytowań, ale ruch z AI, który konwertuje bardzo dobrze. Każdy z tych scenariuszy wymaga innej reakcji.

Co optymalizować, jeśli ruch z AI ma rosnąć?

Pomiar jest tylko pierwszym krokiem. Jeśli z GA4 wynika, że asystenci AI kierują użytkowników do konkretnych tematów, warto rozbudować te podstrony. Jeśli ruch pochodzi głównie z jednego narzędzia, można sprawdzić, jakie źródła i typy treści ono cytuje. Jeśli ruch wpada do Direct, przydaje się wzmocnienie analizy pośredniej, np. przez landing pages, logi i porównania trendów.

Działania, które najczęściej poprawiają jakość ruchu z AI:

• tworzenie sekcji Q&A z jednoznacznymi odpowiedziami,
• aktualizacja dat, przykładów, cenników, danych i definicji,
• dodawanie tabel porównawczych i krótkich podsumowań,
• wzmacnianie autorstwa i wiarygodności treści,
• porządkowanie danych strukturalnych,
• poprawa dostępności najważniejszych podstron dla crawlerów,
• budowa zewnętrznych wzmianek i cytowań, które modele mogą traktować jako potwierdzenie.

Plik `llms.txt` można traktować jako dodatkową warstwę porządkowania informacji dla wybranych systemów AI, ale nie jako gwarancję wzrostu ruchu w GA4. Dla Google najważniejsze pozostają standardowe fundamenty: indeksowalność, jakość treści, struktura strony, dane uporządkowane i zgodność z intencją użytkownika.

Jak mierzyć skuteczność ruchu z AI?

Najlepiej stworzyć prosty dashboard miesięczny. Nie musi być rozbudowany. Ważne, aby konsekwentnie porównywał AI Assistant, własny kanał AI, Organic Search, Referral i Direct.

Raport powinien kończyć się decyzją, a nie samą tabelą. Przykład: „rozbudować trzy strony, które już generują ruch z Perplexity”, „sprawdzić spadek kliknięć mimo wzrostu cytowań”, „dodać osobny segment dla Copilota”, „porównać AI Assistant z ruchem Direct na stronach, które AI najczęściej rekomenduje”.

Najczęstsze błędy w pomiarze ruchu z AI

Pierwszy błąd to uznanie, że po wprowadzeniu kanału AI Assistant własne reguły nie są już potrzebne. Są potrzebne, bo domyślna klasyfikacja nie zawsze obejmuje wszystkie źródła i scenariusze.

Drugi błąd to mieszanie AI Overviews z ruchem z chatbotów. W GA4 AI Overviews i AI Mode należą do Organic Search, dlatego ich analiza wymaga także Google Search Console i obserwacji zapytań konwersacyjnych.

Trzeci błąd to ocenianie kanału wyłącznie po liczbie sesji. W ruchu z AI ważniejsza bywa jakość: konwersje, zaangażowanie i typ stron lądowania.

Czwarty błąd to brak aktualizacji regexu. Lista źródeł powinna żyć razem z rynkiem. Jeśli pojawia się nowe narzędzie, domena albo wariant referrera, reguły w GA4 wymagają uzupełnienia.

Piąty błąd to mylenie crawlerów AI z użytkownikami. `GPTBot`, `Google-Extended` czy inne boty nie są sesjami użytkowników w GA4. Widać je raczej w logach serwera. Ruch w GA4 pojawia się dopiero wtedy, gdy człowiek kliknie link i przejdzie na stronę.

Źródła

• Google Analytics Help – Default channel group: https://support.google.com/analytics/answer/9756891
• Google Analytics Help – Custom channel groups: https://support.google.com/analytics/answer/13051316
• Google Analytics Help – What’s new in Google Analytics, 13 maja 2026: https://support.google.com/analytics/answer/9164320
• Google Search Central – Optimizing your website for generative AI features on Google Search: https://developers.google.com/search/docs/fundamentals/ai-optimization-guide
• OpenAI Platform Docs – OpenAI crawlers and user agents: https://platform.openai.com/docs/bots