Ruch z ChatGPT, Perplexity, Copilota i Gemini – jak oznaczać, analizować i oceniać jakość wejść z asystentów AI

Kliknięcie w link podany przez asystenta AI nie zawsze trafia w GA4 do jednego, łatwego do znalezienia wiersza. Ruch z ChatGPT, ruch z Perplexity, Copilota czy Gemini może zostać zapisany jako AI Assistant, zwykły Referral, Unassigned, a przy braku informacji o źródle nawet jako Direct.

Od 13 maja 2026 r. zadanie jest nieco prostsze. Google Analytics 4 ma domyślny kanał AI Assistant. Gdy referrer pasuje do rozpoznanego asystenta, GA4 automatycznie ustawia medium ai-assistant, kanał AI Assistant oraz kampanię (ai-assistant). To istotna zmiana, ale nie rozwiązuje całego problemu. Nie każde przejście zachowuje referrer, nie każdy link ma kompletne UTM-y, a wpływ odpowiedzi AI może zakończyć się późniejszym wejściem z wyszukiwarki lub wpisaniem nazwy marki bezpośrednio w przeglądarce.

Dlatego dobra analityka AI traffic nie polega na znalezieniu jednego raportu i przepisaniu liczby sesji. Trzeba połączyć trzy warstwy: rozpoznanie źródła, zachowanie użytkownika na stronie oraz rezultat biznesowy zapisany w systemie sprzedażowym.

Jak rozpoznać wejścia z asystentów AI w analityce

Pierwszym miejscem do kontroli jest Raporty → Pozyskiwanie → Pozyskiwanie ruchu. Nie zaczynam od raportu „Pozyskiwanie użytkowników”, ponieważ odpowiada on na inne pytanie: skąd użytkownik przyszedł po raz pierwszy. Do oceny bieżących wejść z asystentów potrzebne są wymiary sesyjne, takie jak Session source / medium i Session default channel group.

Procedura powinna wyglądać tak:

1. Ustaw zakres dat rozpoczynający się nie wcześniej niż 13 maja 2026 r.
2. Jako wymiar główny wybierz Session default channel group.
3. Odszukaj wiersz AI Assistant.
4. Dodaj wymiar dodatkowy Session source / medium.
5. Następnie dodaj Landing page + query string, aby sprawdzić, na które podstrony trafiali użytkownicy.

GA4 pozwala zestawić źródło sesji bezpośrednio ze stroną wejścia. Można to zrobić zarówno w raporcie landing page’y, dodając Session source / medium, jak i w raporcie pozyskiwania ruchu, dodając Landing page + query string.

Co dokładnie oznacza kanał AI Assistant

Domyślna definicja GA4 obejmuje źródła takie jak ChatGPT, Gemini, DeepSeek, Copilot i Grok. Kanał nie obejmuje natomiast Google AI Overviews ani AI Mode. Te wejścia pozostają częścią Organic Search. To ważna granica: analizowanie kanału AI Assistant nie zastępuje pomiaru widoczności i kliknięć z generatywnych funkcji wyszukiwarki Google.

Google nie pozwala edytować domyślnej grupy kanałów. Rozpoznanie zależy więc od listy referrerów utrzymywanej przez GA4. Jeśli źródło nie pasuje do tej listy albo referrer nie dotrze do strony, domyślny kanał go nie uratuje.

W surowych danych źródłowych szukam przede wszystkim następujących wartości:

• ChatGPT: chatgpt.com, a w starszych danych również chat.openai.com. OpenAI automatycznie dodaje utm_source=chatgpt.com do linków polecających z wyników ChatGPT Search. Nie oznacza to jednak, że identycznie oznaczony będzie każdy link wychodzący z każdej wersji produktu.
• Perplexity: perplexity.ai lub www.perplexity.ai. Perplexity buduje odpowiedzi z cytowaniami prowadzącymi do oryginalnych źródeł, ale finalna klasyfikacja w GA4 nadal zależy od informacji przekazanej przy kliknięciu.
• Microsoft Copilot: copilot.microsoft.com, a w środowiskach Microsoft 365 również copilot.cloud.microsoft.com lub m365.cloud.microsoft. Microsoft ma kilka powierzchni produktowych, więc wrzucenie wszystkich wejść do jednego worka „Copilot” wymaga sprawdzenia wartości występujących faktycznie w danej usłudze.
• Gemini: gemini.google.com. Gemini może pokazywać źródła i powiązane linki prowadzące do publicznych stron, ale nie każda odpowiedź zawiera taki link.

Własna grupa kanałów nadal jest potrzebna

Natywny kanał AI Assistant powinien być pierwszym punktem raportowania, ale nie jedynym. Dla starszych danych, niepełnych UTM-ów oraz referrerów, których GA4 jeszcze nie rozpoznaje, tworzę dodatkową niestandardową grupę kanałów.

Ścieżka to Administracja → Wyświetlanie danych → Grupy kanałów. W jednej grupie dodaj kanał „AI Assistants” i umieść go nad Referral. Kolejność ma znaczenie: ruch trafia do pierwszego kanału, którego warunki spełnia. Niestandardowe grupy działają retroaktywnie, więc można zastosować nową definicję do wcześniej zebranych danych. Standardowa usługa GA4 pozwala utworzyć tylko dwie takie grupy, dlatego nie ma sensu marnować osobnej grupy na każdego asystenta. Jedna grupa z kanałem AI i analiza po wymiarze Source wystarczą.

Praktyczna definicja kanału może zawierać dwa warunki połączone operatorem „LUB”:

• Medium dokładnie pasuje do ai-assistant;
• Source pasuje do listy rozpoznawanych wartości.

Przykładowy regex dla czterech omawianych platform:

^((www\.)?chatgpt\.com|chat\.openai\.com|(www\.)?perplexity\.ai|copilot\.microsoft\.com|copilot\.cloud\.microsoft\.com|m365\.cloud\.microsoft|gemini\.google\.com|chatgpt|perplexity|copilot|gemini)$

Ostatnie cztery wartości obsługują linki oznaczone własnymi UTM-ami, w których źródłem jest po prostu chatgpt, perplexity, copilot albo gemini.

Google pokazuje w dokumentacji znacznie szerszy przykład zaczynający się od ^.*ai. Nie kopiuję go bez zmian do produkcyjnej usługi. Taki zapis może złapać również źródła niezwiązane z asystentami, jeśli zawierają ciąg znaków ai. Zamknięta lista konkretnych domen daje mniej fałszywych przypisań, choć wymaga przeglądu raz na miesiąc i dopisywania nowych wartości znalezionych w Referral.

Nie zakładałbym również, że wprowadzenie natywnego kanału automatycznie uporządkuje całą historię usługi. Dokumentacja wprost gwarantuje retroaktywne stosowanie reguł dla grup niestandardowych, natomiast komunikat o nowym kanale nie zawiera takiej deklaracji. Starszy okres należy więc analizować oddzielnie, po źródłach i własnej grupie kanałów.

Jak stosować UTM-y w linkach z asystentów

UTM-y mają sens tylko tam, gdzie firma kontroluje link: w swoim GPT, firmowym agencie Copilot, Gemie, bocie obsługowym, przygotowanym zestawie promptów albo linku dodawanym przez własny system generujący odpowiedzi. Nie da się narzucić parametrów publicznemu cytowaniu wybranemu samodzielnie przez ChatGPT czy Perplexity.

Dla kontrolowanego linku użyłbym takiego schematu:

https://firma.pl/demo?utm_source=chatgpt&utm_medium=ai-assistant&utm_campaign=asystent_demo&utm_content=link_w_odpowiedzi

Najważniejsze reguły są proste:

• utm_source identyfikuje konkretną platformę, np. chatgpt albo copilot;
• utm_medium powinien mieć wartość ai-assistant, jeżeli ruch ma pasować do obecnej definicji domyślnego kanału GA4;
• utm_campaign opisuje konkretny projekt, agenta lub cel linku;
• utm_content rozróżnia miejsce albo wariant odnośnika;
• wszystkie wartości zapisuj małymi literami i bez przypadkowych wariantów typu ChatGPT, chat_gpt i chatgpt-ai.

Google zaleca, aby przy ręcznym tagowaniu stosować razem co najmniej utm_source, utm_medium i utm_campaign. Niepełne oznaczenie może prowadzić do wartości (not set) i rozbijania jednego źródła na kilka wierszy. Parametry są przy tym rozróżniane pod względem wielkości liter.

Jest tu jeden mało intuicyjny szczegół. Parametry UTM nie są pokazywane w wymiarze Landing page + query string; GA4 pomija je w tej kolumnie. Pełny adres z parametrami można znaleźć w Page location, a ich przetworzone wartości w wymiarach źródła, medium i kampanii. Brak UTM-u w nazwie landing page’a nie oznacza więc, że parametr został utracony.

Nie oznaczaj UTM-ami linków wewnętrznych. Nie dodawaj też sztucznie tagowanych adresów do treści artykułu w nadziei, że asystent skopiuje je do odpowiedzi. Takie działanie przerywa pierwotną atrybucję sesji, zaśmieca raporty kampanii i może generować niepotrzebne warianty adresów.

Trzy błędy techniczne, które najczęściej psują dane

Pierwszy: przekierowanie usuwa parametry. Link z odpowiedzi AI prowadzi najpierw przez skracacz, domenę śledzącą albo regułę przekierowania i dopiero potem na landing page. Jeżeli po drodze znikną UTM-y lub referrer, GA4 zobaczy Direct. Google wymienia przekierowania, skracacze adresów oraz blokery jako typowe przyczyny utraty informacji o źródle.

Drugi: domeny asystentów trafiają na listę niechcianych odesłań. To nie jest filtr do porządkowania referral AI. Dodanie domeny do List unwanted referrals powoduje ustawienie ignore_referrer=true, czyli świadome ukrycie referrera jako źródła. Funkcja jest przeznaczona przede wszystkim dla operatorów płatności, domen odzyskiwania hasła i elementów własnego procesu, a nie dla ChatGPT czy Perplexity.

Trzeci: tag GA4 uruchamia się za późno. Gdy brakuje prawidłowego session_start, wymiar Session source / medium może otrzymać (not set), a kanał trafić do Unassigned. Trzeba wtedy sprawdzić kolejność tagów w GTM, tryb zgód i to, czy zdarzenia niestandardowe nie uruchamiają się przed tagiem konfiguracyjnym.

Dodatkowym ograniczeniem w polskich i europejskich wdrożeniach jest mechanizm zgód. Przy analytics_storage=denied tag nie odczytuje ani nie zapisuje plików cookie Analytics. W rozszerzonym Consent Mode może wysyłać sygnały bez identyfikatorów, które później służą do modelowania. Widoczna liczba sesji z AI nie jest więc dokładnym spisem wszystkich kliknięć, tylko wynikiem konkretnej konfiguracji CMP, zgód i modelowania.

Dlaczego liczba sesji z AI nie wystarcza do oceny efektu

Sto sesji z ChatGPT i dziesięć sesji z Perplexity nie oznacza automatycznie, że ChatGPT jest dziesięć razy wartościowszym źródłem. Liczba sesji pokazuje skalę wykrytego ruchu, nie jakość intencji, dopasowanie strony ani rezultat sprzedażowy.

W przypadku wejść z asystentów szczególnie łatwo o błędną ocenę. Użytkownik może dostać w odpowiedzi AI sporą część potrzebnych informacji, a na stronę przejść dopiero po cennik, konkretny parametr techniczny, regulamin albo formularz. Taka sesja bywa krótka i obejmuje jedną podstronę, ale może prowadzić do dobrego leada. Z drugiej strony trzyminutowa lektura poradnika bez żadnego dalszego działania może być wartościowa dla wydawcy, lecz niewiele znaczyć dla firmy rozliczanej ze sprzedaży.

Engagement rate nie jest oceną jakości biznesowej

W GA4 sesja zaangażowana to domyślnie taka, która:

• trwa dłużej niż 10 sekund,
• zawiera co najmniej jedno zdarzenie kluczowe,
• albo obejmuje przynajmniej dwa wyświetlenia strony lub ekranu.

Engagement rate to udział takich sesji we wszystkich sesjach. Definicja jest użyteczna do diagnostyki, ale ma dość niski próg. Użytkownik może spędzić 11 sekund na źle dopasowanej stronie i zostać uznany za zaangażowanego.

Także średni czas zaangażowania trzeba czytać poprawnie. GA4 mierzy czas, w którym strona jest aktywna i znajduje się na pierwszym planie, a nie cały czas od otwarcia do zamknięcia karty. To lepszy sygnał od tradycyjnego czasu sesji, ale nadal nie mówi, czy użytkownik znalazł ofertę pasującą do jego problemu.

Oceniam ruch z asystentów w następującej kolejności:

1. Zakwalifikowane leady, sprzedaż i wartość pipeline’u.
2. Realizacja głównego zdarzenia, np. wysłanie poprawnego formularza, zakup, rezerwacja lub telefon.
3. Dopasowanie landing page’a do intencji użytkownika.
4. Dopiero później engagement rate, czas zaangażowania i liczba stron na sesję.

Odwrócenie tej kolejności prowadzi do optymalizacji pod ładne wskaźniki zamiast pod biznes.

Porównuj strony o podobnej intencji

Nie zestawiaj wszystkich wejść z AI z ogólną średnią serwisu. Artykuł poradnikowy, cennik, dokumentacja techniczna i strona „Umów demo” realizują inne zadania. Najpierw przypisz landing page’e do grup:

• informacyjne,
• porównawcze,
• komercyjne,
• transakcyjne,
• pomoc i dokumentacja.

Następnie porównuj ruch z ChatGPT z innymi źródłami na tych samych typach stron. Engagement rate na artykule może wynosić 80%, a na krótkim cenniku 45%, mimo że cennik generuje pięć razy więcej kwalifikowanych zapytań. Bez podziału według intencji raport sugerowałby błędną decyzję.

W Eksploracjach GA4 przygotuj widok z następującymi wymiarami:

• Session source / medium,
• Session default channel group,
• Landing page + query string,
• Device category.

Do niego dodaj:

• sesje,
• sesje zaangażowane,
• engagement rate,
• średni czas zaangażowania na sesję,
• wyświetlenia na sesję,
• zdarzenia kluczowe,
• session key event rate,
• przychód – jeżeli jest mierzony.

Session key event rate oznacza odsetek sesji, w których wystąpiło co najmniej jedno wybrane zdarzenie kluczowe. To lepsza miara niż sama liczba eventów, ponieważ jedna osoba może uruchomić to samo zdarzenie kilka razy.

Jak interpretować najczęstsze układy danych

Dużo sesji i niski engagement rate
Najpierw sprawdź dopasowanie obietnicy do landing page’a, prędkość na urządzeniach mobilnych oraz ewentualny ruch automatyczny. Nie zaczynaj od przebudowy całej treści. Problemem może być pojedyncza, często cytowana podstrona z nieaktualnym tytułem lub błędnym przekierowaniem.

Wysokie zaangażowanie i brak leadów
Treść prawdopodobnie odpowiada na pytanie, lecz nie prowadzi do kolejnego kroku. Sprawdź, czy po konkretnym wyjaśnieniu znajduje się adekwatne CTA, cennik, konfigurator, kontakt do specjalisty albo link do odpowiedniej usługi. Dodanie ogólnego przycisku „Skontaktuj się” na końcu długiego artykułu zwykle nie wystarcza.

Mało sesji i wysoki udział kwalifikowanych leadów
Nie odrzucaj źródła z powodu niskiego wolumenu. W B2B kilka wejść z odpowiedzi na precyzyjne pytanie techniczne może mieć większą wartość niż setki ogólnych wejść informacyjnych.

Dużo formularzy i słaba kwalifikacja
To sygnał, że odpowiedź AI albo landing page budują niewłaściwe oczekiwania. Typowym problemem jest brak jasnego progu cenowego, obsługiwanego rynku, minimalnej wielkości zamówienia lub informacji, że usługa jest kierowana wyłącznie do firm.

Mała próba potrafi całkowicie zmienić wniosek

Przy niewielkim ruchu procenty wyglądają bardziej wiarygodnie, niż są w rzeczywistości. Jeden lead z dziesięciu sesji daje współczynnik 10%. Przybliżony 95-procentowy przedział Wilsona dla takiej próby wynosi jednak około 1,8–40,4%. Na tej podstawie nie da się uczciwie stwierdzić, że dane źródło „konwertuje na poziomie 10%”.

Dopóki na asystenta przypada zero lub jeden lead, pokazuj przede wszystkim liczby bezwzględne, landing page’e i statusy kwalifikacji. Nie twórz rankingu ChatGPT kontra Perplexity na podstawie kilku kliknięć. Lepiej połączyć cztery–osiem tygodni danych niż wyciągać mocne wnioski z pojedynczego tygodnia.

Sesja przypisana do AI nie zawsze oznacza kolejne kliknięcie z AI

GA4 wykorzystuje dla sesji model non-direct last click. Jeśli użytkownik najpierw wszedł z rozpoznanego źródła, a później wrócił bezpośrednio, kolejna sesja może odziedziczyć poprzednie źródło. Domyślne okno dla „pozostałych zdarzeń konwersji” wynosi 90 dni. Google podaje przykład, w którym bezpośredni powrót po 68 dniach nadal zostaje przypisany do wcześniejszego źródła organicznego.

W praktyce liczba sesji w AI Assistant nie musi być równa liczbie dosłownych kliknięć w linki wewnątrz asystenta. Raport należy traktować jako wynik zasad atrybucji GA4, a nie licznik kliknięć udostępniony przez ChatGPT czy Copilota.

Równocześnie część faktycznego wpływu AI pozostanie niewidoczna. Użytkownik może przeczytać rekomendację, zapamiętać markę, a po godzinie wyszukać jej nazwę w Google. Taka sesja zostanie przypisana do Organic Search albo wcześniejszego znanego źródła. GA4 nie pozwala wiarygodnie odtworzyć tego wpływu na poziomie pojedynczej osoby.

Jak mierzyć leady, konwersje i jakość ruchu z odpowiedzi AI

Jeżeli raport kończy się na form_submit, firma nie mierzy leadów. Mierzy techniczne próby wysłania formularza.

Automatyczne zdarzenia form_start i form_submit są przydatne do analizy tarcia w formularzu. form_start rejestruje pierwszą interakcję z formularzem w sesji, a form_submit próbę jego wysłania. Nie potwierdzają jednak, że serwer zaakceptował dane, rekord trafił do CRM, nie wystąpił błąd walidacji ani zgłoszenie nie było spamem.

Zdarzenie generate_lead powinno oznaczać realny sukces

Dla głównego formularza wdrażam osobne zdarzenie generate_lead, uruchamiane dopiero wtedy, gdy:

• backend potwierdzi zapis zgłoszenia,
• użytkownik zobaczy prawidłowy komunikat sukcesu,
• albo CRM zwróci identyfikator utworzonego rekordu.

Nie uruchamiam go po samym kliknięciu przycisku „Wyślij”. W przeciwnym razie błędne formularze, duplikaty i walidacje podbijają konwersję.

Google zaleca dla procesu leadowego następujące zdarzenia:

• generate_lead – pozyskanie leada,
• qualify_lead – uznanie go za spełniającego kryteria,
• disqualify_lead – odrzucenie,
• working_lead – rozpoczęcie pracy handlowej,
• close_convert_lead – zakończenie procesu sprzedażą,
• close_unconvert_lead – zamknięcie bez sprzedaży.

Raport Lead acquisition wykorzystuje właśnie te zdarzenia do liczenia nowych, zakwalifikowanych i skonwertowanych leadów.

generate_lead powinien zostać oznaczony jako zdarzenie kluczowe. Zdarzenia takie GA4 pokazuje w raportach pozyskiwania i landing page’y oraz wykorzystuje do wyliczania session key event rate.

Po wdrożeniu zdarzenie sprawdź w DebugView lub raporcie czasu rzeczywistego. Pełne przetworzenie danych w standardowych raportach zwykle zajmuje 24–48 godzin, więc brak natychmiastowego wyniku w zwykłej tabeli nie oznacza jeszcze błędu.

GA4 powinno pokazać zachowanie, CRM – jakość i pieniądze

Analityka strony nie wie, czy firma podała prawdziwy numer telefonu, czy budżet wynosi 2 tys. czy 200 tys. zł, ani czy handlowiec zamknął sprzedaż po trzech miesiącach. Te informacje muszą pochodzić z CRM.

Przy tworzeniu rekordu leada zapisuj co najmniej:

• anonimowy, wewnętrzny lead_id,
• datę i godzinę zgłoszenia,
• landing page,
• pierwszy dostępny referrer,
• ostatni dostępny referrer przed zgłoszeniem,
• utm_source,
• utm_medium,
• utm_campaign,
• utm_content,
• nazwę formularza lub oferty,
• status kwalifikacji,
• powód odrzucenia,
• wartość szansy sprzedażowej,
• finalną wartość sprzedaży.

W przypadku źródeł AI pole source powinno przyjmować kontrolowane wartości, np. chatgpt, perplexity, copilot, gemini, ai_unknown oraz direct_unknown. Ostatnia wartość jest potrzebna, ponieważ części wejść bez referrera nie da się uczciwie przypisać do konkretnego asystenta.

Nie wysyłaj do GA4 adresu e-mail, numeru telefonu, imienia, nazwiska ani pełnych danych z formularza. Polityka Google Analytics zabrania przekazywania informacji, które Google mogłoby wykorzystać do bezpośredniej identyfikacji osoby. Do łączenia systemów używaj pseudonimowego identyfikatora, a dane kontaktowe pozostaw w CRM.

Cztery wskaźniki, które rzeczywiście pokazują jakość AI traffic

1. Współczynnik leadów

liczba sesji z generate_lead / wszystkie sesje z danego źródła AI

To wskaźnik skuteczności strony, nie jakości sprzedażowej. Wysoki wynik może oznaczać dobry ruch, ale również zbyt łatwy formularz i dużo przypadkowych zapytań.

2. Współczynnik kwalifikacji

liczba qualify_lead / liczba generate_lead

Dla firm B2B ten wskaźnik jest zwykle ważniejszy niż surowa liczba zgłoszeń. Pokazuje, czy użytkownicy przychodzą z problemem, który firma rzeczywiście rozwiązuje, mają odpowiedni budżet i mieszczą się w obsługiwanym segmencie.

3. Wartość pipeline’u na 100 sesji

wartość otwartych szans sprzedażowych / liczba sesji AI × 100

Ta miara pozwala porównać kanał o niewielkim wolumenie, ale wysokiej wartości zapytań, z kanałem generującym dużo tańszych lub słabszych leadów.

4. Przychód na sesję

wartość zamkniętej sprzedaży / liczba sesji AI

W e-commerce można użyć bezpośrednio purchase, przychodu całkowitego i przychodu na sesję. W długim procesie B2B wynik powinien być liczony przede wszystkim w CRM, ponieważ sprzedaż może zostać zamknięta wiele tygodni po pierwszym wejściu.

Dla każdego wskaźnika pokazuj równolegle licznik i mianownik. Samo „ChatGPT: 12% kwalifikacji” niewiele mówi. „3 zakwalifikowane leady na 25 zgłoszeń i 640 sesji” pozwala już ocenić skalę oraz jakość.

Długiego procesu sprzedaży nie należy odtwarzać po fakcie w GA4

Measurement Protocol umożliwia wysyłanie do GA4 zdarzeń serwerowych i offline, ale ma konkretne ograniczenia. Zdarzenie można cofnąć czasowo maksymalnie o 72 godziny. Aby zdarzenie odziedziczyło atrybuty wcześniejszej sesji, takie jak źródło, medium i kampania, musi zawierać session_id i zostać wysłane nie później niż 24 godziny od rozpoczęcia tej sesji.

Jeżeli lead został zakwalifikowany po tygodniu, a umowa podpisana po dwóch miesiącach, próba odtworzenia pełnej atrybucji wyłącznie w GA4 będzie zawodna. Źródło, UTM-y, referrer i landing page trzeba zapisać w CRM w momencie pozyskania leada. Późniejsze statusy można odesłać do GA4 jako sygnały analityczne, ale raport CRM pozostaje źródłem prawdy dla przychodu i kwalifikacji.

Dlaczego GA4 i CRM nie powinny zgadzać się co do jednego rekordu

Rozbieżność nie zawsze oznacza błąd. Użytkownik może:

• nie wyrazić zgody na Analytics,
• zablokować tag,
• wysłać formularz na innym urządzeniu,
• wrócić po kilku dniach innym kanałem,
• wysłać formularz kilka razy,
• zostać scalony z istniejącym kontaktem w CRM,
• zostać usunięty jako spam lub duplikat.

Przy analytics_storage=denied dane o użytkownikach i sesjach mogą być modelowane, podczas gdy liczby konkretnych zdarzeń, takich jak page_view czy session_start, nie są modelowane w ten sam sposób. Z tego powodu nie należy oczekiwać zgodności 1:1 między wszystkimi metrykami GA4 a rekordami w CRM.

Minimalny miesięczny raport dla każdego asystenta powinien zawierać:

• wykryte sesje,
• najważniejsze landing page’e,
• engagement rate,
• generate_lead,
• session key event rate,
• liczbę leadów zakwalifikowanych,
• współczynnik kwalifikacji,
• wartość pipeline’u na 100 sesji,
• zamknięty przychód.

Najpierw naprawiam pomiar generate_lead i zapis źródła w CRM. Następnie porządkuję kanał AI Assistant, referrery i UTM-y. Optymalizacja landing page’y ma sens dopiero wtedy, gdy wiadomo, które zgłoszenia były prawdziwe i co stało się z nimi po wysłaniu formularza.

FAQ: ruch z asystentów AI w GA4

Czy GA4 automatycznie rozpoznaje dziś ruch z ChatGPT?
Tak. Od 13 maja 2026 r. rozpoznane referrery asystentów trafiają do domyślnego kanału AI Assistant, z medium ai-assistant i kampanią (ai-assistant). Starsze dane i nierozpoznane źródła nadal trzeba kontrolować przez Session source / medium oraz niestandardową grupę kanałów.

Czy Perplexity zawsze pojawi się jako AI Assistant?
Nie ma takiej gwarancji. Sprawdzaj równolegle źródła zawierające perplexity.ai i utrzymuj własną regułę awaryjną. Google wymienia Perplexity w przykładzie budowania niestandardowego kanału AI.

Czy wszystkie linki z ChatGPT mają UTM?
OpenAI dodaje utm_source=chatgpt.com do linków polecających z wyników ChatGPT Search. Nie należy rozszerzać tej deklaracji na każdą powierzchnię produktu, aplikację i każdy typ wygenerowanego linku.

Czy trzeba samodzielnie dodawać UTM-y?
Tak, ale tylko w linkach, które firma kontroluje. Używaj razem utm_source, utm_medium=ai-assistant i utm_campaign. Publicznych cytowań generowanych samodzielnie przez zewnętrznego asystenta nie da się wiarygodnie oznaczać z poziomu własnej strony.

Czy można policzyć cały ruch i wpływ asystentów AI?
Nie. GA4 policzy tylko wejścia, dla których otrzyma dostateczną informację o źródle albo UTM-ach. Przejścia bez referrera, późniejsze wyszukiwania marki i część powrotów bezpośrednich pozostaną w innych kanałach. AI Assistant jest mierzalną częścią wpływu, a nie pełnym zasięgiem odpowiedzi AI.

Czy AI Overviews i AI Mode są częścią kanału AI Assistant?
Nie. GA4 zalicza je do Organic Search. Pomiar kanału AI Assistant należy prowadzić oddzielnie od analizy funkcji generatywnych w wynikach Google.

Co sprawdzić jako pierwsze?
Otwórz Traffic acquisition, ustaw okres od 13 maja 2026 r., odfiltruj AI Assistant, dodaj Session source / medium i Landing page + query string. Następnie zweryfikuj, czy generate_lead uruchamia się dopiero po prawidłowym utworzeniu zgłoszenia i czy CRM zapisuje UTM-y, referrer oraz landing page. Bez tych dwóch kontroli ranking ChatGPT, Perplexity, Copilota i Gemini będzie rankingiem jakości tagowania, a nie jakości ruchu.