آیا تا به حال برای تشخیص دقیق بازدیدهای ناشی از ابزارهای هوش مصنوعی مانند ChatGPT یا Perplexity در گزارشهای GA4 دچار سردرگمی شدهاید؟ در این مقاله قدم به قدم شما را با روشهای عملی تنظیم پارامترهای منبع ارجاع و فیلترهای پیشرفته آشنا میکنیم. با استفاده از تنظیمات دقیق UTM، تنظیمات فیلتر دادهها و ترکیب گزارشهای زمان واقعی، میتوانید هر بازدید AI را بهصورت واضح شناسایی کنید. ما بهصورت تخصصی نکات کلیدی برای جداسازی ترافیک چتباتها از کاربران واقعی و بهینهسازی تجزیهوتحلیلها را توضیح میدهیم. نتیجهگیری این راهنما این است که شما نه تنها دادههای خود را پاکسازی میکنید، بلکه میتوانید تصمیمات استراتژیک بهدست آمده را با اطمینان بیشتری اتخاذ کنید.
فهرست مطالب
- درک مفهوم ارجاع هوش مصنوعی
- فعالسازی جریان دادههای گوگل آنالیتیکس چهار
- شناسایی دامنههای ChatGPT و پرپلکسیتی
- تنظیم پارامترهای UTM برای ردیابی
- ساخت گزارش سفارشی ارجاع هوش مصنوعی
- تحلیل عملکرد و بهینهسازی استراتژی
- سوالات متداول
درک مفهوم ارجاع هوش مصنوعی
در مفهوم «ارجاع هوش مصنوعی» منظور این است که کاربری پس از تعامل با یک مدل زبانی یا موتور جستجوی هوشمند (مانند ChatGPT، Perplexity یا Claude) بر روی لینکهای ارائهشده کلیک میکند و از این طریق به وبسایت شما میآید. این نوع بازدیدها معمولاً بهصورت «referral» (ارجاع) ثبت میشوند، چرا که مرورگر کاربر اطلاعات «document.referrer» را بهسرور مقصد میفرستد. در GA4 (Google Analytics 4) این دادهها تحت فیلدهای source و medium ظاهر میشوند و میتوانند بهعنوان یک منبع ترافیک جدید شناسایی شوند.
اگرچه اکثر ابزارهای AI قابلیت افزودن پارامترهای UTM (مثلاً utm_source=chatgpt) را ندارند، اما برخی پلتفرمها دامنهٔ ارجاعی خود را در هدر HTTP ارسال میکنند. برای مثال، وقتی یک کاربر در ChatGPT لینک را میبیند و روی آن میکلید، مرورگر chat.openai.com را بهعنوان referrer میفرستد؛ در Perplexity این مقدار میتواند www.perplexity.ai باشد. در GA4 میتوانید با تنظیم فیلترهای «Source / Medium» این بازدیدها را شناسایی و تحلیل کنید.
بهعنوان یک مثال عملی: یک وبسایت فروشگاهی بهدنبال افزایش فروش لوازم آرایشی است. تیم محتوا یک مطلب آموزشی درباره «نحوهٔ انتخاب رژ لب مناسب» را در ChatGPT بارگذاری میکند و در پاسخ به سؤال کاربر، لینک محصول را به همراه یک UTM ساده (اگر امکانپذیر باشد) مینویسد. کاربر پس از خواندن پاسخ، بر روی لینک کلیک میکند؛ در گزارش GA4 این بازدید بهصورت Source: chat.openai.com, Medium: referral ظاهر میشود و میتوانید نرخ تبدیل این مسیر را بهدقت پیگیری کنید.
| پلتفرم AI | دامنهٔ ارجاعی معمولی | Medium پیشفرض | نکته مهم |
|---|---|---|---|
| ChatGPT (OpenAI) | chat.openai.com | referral | UTM معمولاً حذف میشود؛ از پارامترهای _gl برای ردیابی استفاده کنید. |
| Perplexity AI | www.perplexity.ai | referral | در صورت امکان، لینکها را بهصورت کوتاهشده (bit.ly) با UTM بپوشانید. |
| Claude (Anthropic) | claude.ai | referral | محدودیتهای CORS ممکن است باعث از دست رفتن referrer شود؛ از event tagging در سمت سرور استفاده کنید. |
یک نکتهٔ کاربردی برای بهبود دقت ردیابی این است که بهجای تکیه صرف بر referrer، یک پارامتر سفارشی مانند ai_source=chatgpt را در URLهای مقصد اضافه کنید (مثلاً با استفاده از URL Builder گوگل). سپس در GA4 میتوانید این پارامتر را بهعنوان «User‑property» ذخیره کنید و گزارشهای مخصوص به ترافیک هوش مصنوعی تهیه کنید. این کار نهتنها شفافیت بیشتری در تحلیل میدهد، بلکه امکان مقایسهٔ عملکرد بین پلتفرمهای مختلف AI را فراهم میسازد.
فعالسازی جریان دادههای گوگل آنالیتیکس چهار
در گوگل آنالیتیکس 4 (GA4) هر منبع داده بهصورت «جریان داده» (Data Stream) تعریف میشود. برای اینکه بتوانید ترافیک ارجاعی از ابزارهای هوش مصنوعی مانند ChatGPT یا Perplexity را شناسایی کنید، ابتدا باید یک جریان وبسایت جدید یا یک جریان برنامهٔ موبایلی ایجاد کنید و پارامترهای تشخیص منبع را بهدقت تنظیم نمایید. این کار باعث میشود که هر بازدیدی که از یک URL حاوی پارامترهای UTM یا Referrer خاص میآید، بهصورت دقیق در گزارشها ثبت شود.
مراحل اولیهٔ فعالسازی یک جریان دادهٔ وب به شکل زیر هستند:
- به حساب گوگل آنالیتیکس وارد شوید و از منوی سمت چپ «جریانهای داده» را انتخاب کنید.
- دکمهٔ «ایجاد جریان» را فشار داده و گزینهٔ «وب» را برگزینید.
- آدرس وبسایت خود را وارد کنید (بهعنوان مثال
https://example.com) و یک نام توصیفی برای جریان انتخاب کنید؛ مثلاً «AI Referral – سایت من». - در بخش «پیکربندی پیشرفته» گزینهٔ «تشخیص خودکار پارامترهای منبع» را فعال کنید تا UTM‑ها و referrerهای سفارشی بهسرعت شناسایی شوند.
- کد رهگیری (Measurement ID) را کپی کرده و در تمام صفحات سایت یا در قالب CMS خود (مانند وردپرس) قرار دهید.
پس از نصب کد، برای جداسازی ترافیک هوش مصنوعی میتوانید یک سری پارامترهای سفارشی در لینکهای خروجی تنظیم کنید؛ بهعنوان مثال افزودن utm_source=chatgpt یا utm_medium=referral به URLهای مقصد. این پارامترها در گزارش «منابع/کانالها» ظاهر میشوند و میتوانید از فیلترهای پیشرفته برای نمایش فقط بازدیدهای مرتبط استفاده کنید.
| نام جریان | پلتفرم | شناسهٔ اندازهگیری |
|---|---|---|
| AI Referral – وبسایت | وب | G-XXXXXXXXXX |
| AI Referral – اپلیکیشن iOS | iOS | G-YYYYYYYYYY |
یک نکتهٔ عملی: اگر از CMS وردپرس استفاده میکنید، افزونهٔ «Google Site Kit» بهصورت خودکار کد رهگیری را وارد میکند، اما برای افزودن پارامترهای UTM باید یک فیلتر «Custom Header» یا یک اسکریپت کوتاه در functions.php اضافه کنید تا هنگام تولید لینکهای خروجی، این پارامترها بهصورت خودکار الصاق شوند. این کار بهدستانداختن دادههای دقیقتری از ترافیک هوش مصنوعی کمک میکند و تحلیل رفتار کاربران را در GA4 قابلاعتمادتر میسازد.
شناسایی دامنههای ChatGPT و پرپلکسیتی
برای شناسایی ترافیک ارجاعی که از سرویسهای ChatGPT و Perplexity میآید، ابتدا باید دامنههای مرجع این دو ابزار را بهدست آورید. این سرویسها معمولاً از زیر دامنههای openai.com (مانند chat.openai.com) و دامنههای سابدومین perplexity.ai استفاده میکنند. در GA4، این دامنهها بهصورت referral source ظاهر میشوند، بنابراین میتوانید با افزودن فیلترهای مناسب، دادههای مرتبط را جدا کنید.
بهترین روش برای جمعآوری این دامنهها، مرور لاگهای سرور یا استفاده از ابزارهای تحلیل مسیر (path analysis) در GA4 است. در لاگها به دنبال عناوینی مانند Referer بگردید و دامنههای chat.openai.com، api.openai.com یا perplexity.ai را استخراج کنید. سپس این مقادیر را در یک فیلتر سفارشی (custom dimension) یا یک تعریف رویداد (event) ذخیره کنید تا بتوانید گزارشهای دقیقتری دریافت کنید.
برای راحتی بیشتر، میتوانید یک جدول مروری ساده تهیه کنید که دامنههای رایج را به همراه مثالهای URL نشان دهد. این جدول میتواند بهصورت زیر در داشبورد GA4 اضافه شود:
| سرویس | دامنه مرجع | مثال URL |
|---|---|---|
| ChatGPT | chat.openai.com | https://chat.openai.com/?q=بهینهسازی%20SEO |
| ChatGPT (API) | api.openai.com | https://api.openai.com/v1/chat/completions |
| Perplexity | perplexity.ai | https://www.perplexity.ai/search?q=GA4%20referral |
یک نکته عملی: در GA4 یک exploration جدید با فیلتر “Include only traffic from chat.openai.com OR perplexity.ai” بسازید. سپس ستون “Session source / medium” را اضافه کنید تا بهسرعت متوجه شوید چه نسبتی از بازدیدها از این دو سرویس میآید و چه رفتارهایی (مانند زمان متوسط بازدید یا نرخ خروج) دارند. این کار به شما امکان میدهد تا اثر محتواهای تولیدشده توسط هوش مصنوعی را بر عملکرد سایتتان ارزیابی کنید.
در نهایت، برای جلوگیری از ثبت ترافیکهای داخلی یا تستی بهعنوان ارجاعی، میتوانید آدرسهای IP یا شناسههای کاربری داخلی را در فیلترهای استثنا (exclusion) GA4 اضافه کنید. این کار تضمین میکند که فقط بازدیدهای واقعی کاربران نهایی، که از ChatGPT یا Perplexity به سایت شما هدایت شدهاند، در گزارشهای شما ظاهر شوند.
تنظیم پارامترهای UTM برای ردیابی
برای اینکه بتوانید دقیقاً بفهمید بازدیدکنندگان از کدام ابزار هوش مصنوعی (مثل ChatGPT، Perplexity یا دیگر سرویسها) به سایت شما میآیند، باید پارامترهای UTM را به URLهای خود اضافه کنید. این پارامترها بهصورت کلید‑مقدار در آدرس صفحه قرار میگیرند و در GA4 بهعنوان بُعدهای سفارشی ثبت میشوند، به طوری که میتوانید منبع، نوع، و هدف هر بازدید را شناسایی کنید.
پنج پارامتر استاندارد وجود دارد که تقریباً در تمام استراتژیهای ردیابی استفاده میشوند:
utm_source– منبع ترافیک (مثلاً chatgpt یا perplexity).utm_medium– نوع واسط (معمولاً referral یا organic).utm_campaign– نام کمپین یا هدف (مثلاً ai‑content‑promo).utm_term– کلیدواژه یا عبارت جستجو (در صورت نیاز، برای آزمایش A/B).utm_content– تفاوت میان نسخههای مختلف یک لینک (مانند button‑vs‑link).
بهکارگیری این پارامترها باید یکنواخت باشد؛ از حروف کوچک و خط زیر (_) استفاده کنید و از فاصله یا کاراکترهای خاص پرهیز کنید. برای مثال، اگر میخواهید یک پست وبلاگی را از داخل ChatGPT به صفحهٔ محصول خود ارجاع دهید، URL میتواند به شکل زیر باشد:
https://example.com/product?utm_source=chatgpt&utm_medium=referral&utm_campaign=ai-content-promo&utm_content=button
در GA4 میتوانید این پارامترها را در گزارش «Acquisition > Traffic acquisition» بهصورت ستون اضافه کنید و ترکیبی از source / medium و campaign را فیلتر کنید تا دقیقاً ببینید چه مقدار ترافیک از هر ابزار هوش مصنوعی میآید. در ادامه یک جدول کوتاه برای مرور سریع مقادیر پیشنهادی آورده شده است:
| پارامتر | مقدار پیشنهادی | توضیح |
|---|---|---|
| utm_source | chatgpt | منبع اصلی ترافیک (نام سرویس AI) |
| utm_medium | referral | نوع ارجاع (معمولاً referral یا organic) |
| utm_campaign | ai-content-promo | نام کمپین یا هدف بازاریابی |
| utm_term | – | اختیاری، برای کلیدواژههای تست A/B |
| utm_content | button | تشخیص نسخههای مختلف لینک (دکمه vs متن) |
ساخت گزارش سفارشی ارجاع هوش مصنوعی
در GA4، دادههای ارجاع هوش مصنوعی (ChatGPT، Perplexity و سایر سرویسها) در ستون source/medium به صورت عمومی جمعآوری میشوند، اما برای بررسی دقیقتر نیاز به گزارشی است که فقط این منابع را فیلتر کند. این گزارش میتواند به شما نشان دهد چه میزان ترافیک، زمان حضور و نرخ تبدیل از هر مدل هوش مصنوعی میآید و به بهینهسازی استراتژی محتوا کمک میکند.
برای ساخت گزارش سفارشی ابتدا به بخش Explore در GA4 بروید و گزینه Free form را انتخاب کنید. سپس در بخش Dimensions، فیلد source / medium و session default channel grouping را اضافه کنید؛ این فیلدها به شناسایی دقیق ارجاعها اجازه میدهند. در Metrics، معیارهای کلیدی مانند Sessions، Engaged sessions و Conversions را بکشید.
بعد از افزودن فیلدها، یک فیلتر جدید ایجاد کنید: source / medium شامل chatgpt، perplexity.ai یا هر دامنهٔ مرتبط دیگر باشد. میتوانید از عملگر contains استفاده کنید تا تمام زیر دامنهها نیز پوشش داده شوند. بهعنوان مثال، اگر source / medium برابر «referral:chat.openai.com» باشد، این بازدیدها بهصورت خودکار در گزارش نمایش داده میشوند.
| مرحله | عمل انجامشده | نکته کلیدی |
|---|---|---|
| 1 | باز کردن بخش Explore | از قالب Free form استفاده کنید |
| 2 | افزودن Dimensions: source/medium، session default channel grouping | بهصورت Drag‑and‑Drop بکشید |
| 3 | انتخاب Metrics: Sessions, Engaged sessions, Conversions | مقادیر را بر حسب «User‑type» تنظیم کنید |
| 4 | ایجاد فیلتر شامل کلمات کلیدی AI (chatgpt, perplexity) | از عملگر “contains” برای پوشش تمام زیر دامنهها استفاده کنید |
| 5 | ذخیره گزارش با نام مناسب (مثلاً “AI Referral Overview”) | در آینده میتوانید بهسرعت به آن دسترسی داشته باشید |
نکتهٔ کاربردی: برای مقایسهٔ عملکرد بین مدلهای مختلف، یک Segment جداگانه برای هر منبع AI بسازید و آنها را در یک داشبورد ترکیبی نمایش دهید. این کار به شما اجازه میدهد تا بهسرعت تشخیص دهید کدام سرویس بیشترین نرخ تبدیل را دارد و آیا زمان حضور کاربران بین آنها تفاوت معناداری دارد یا نه. با این رویکرد، گزارش سفارشی شما تبدیل به یک ابزار تصمیمگیری استراتژیک میشود.
تحلیل عملکرد و بهینهسازی استراتژی
بعد از اینکه ترافیک ارجاعی هوش مصنوعی را در GA4 شناسایی کردید، قدم بعدی ارزیابی دقیق عملکرد این منابع است. گزارش «Acquisition > Traffic acquisition» بهصورت خودکار دادههای مربوط به منبع (مثلاً chatgpt.com یا perplexity.ai) را نمایش میدهد، اما برای درک عمیقتر باید به معیارهای مشارکت و تبدیل نگاهی بیندازید. این کار به شما کمک میکند تا بفهمید کدام پلتفرم واقعی ارزش تجاری بیشتری برای سایت شما دارد.
برای هر منبع AI، معیارهای کلیدی زیر را دنبال کنید:
- Sessions: تعداد بازدیدهای آغاز شده توسط کاربران ارجاعی.
- Engaged users: کاربران فعال که حداقل 10 ثانیه یا یک تعامل (مانند کلیک) داشتند.
- Conversion rate: نسبت بازدیدهای موفق به اهداف تعریفشده (مانند ثبتنام یا خرید).
- Revenue per session: متوسط درآمد حاصل از هر جلسهٔ ارجاعی.
یک روش مؤثر برای مقایسهٔ عملکرد این منابع، ایجاد یک جدول مقایسگی سفارشی در GA4 با استفاده از پارامترهای UTM اختصاصی است. مثال زیر نشان میدهد که در یک دورهٔ یک ماهه، چه اختلافی بین ChatGPT و Perplexity وجود دارد:
| منبع | Sessions | Engaged users | Conversion % | Revenue / session |
|---|---|---|---|---|
| ChatGPT | ≈ 4,200 | ≈ 2,500 | ≈ 3.2 % | ≈ $0.45 |
| Perplexity | ≈ 2,800 | ≈ 1,600 | ≈ 2.5 % | ≈ $0.38 |
| سایر منابع | ≈ 5,600 | ≈ 3,200 | ≈ 2.9 % | ≈ $0.42 |
برای بهینهسازی استراتژی، ابتدا UTM ها را با نام دقیق منبع و کمپین تنظیم کنید تا در GA4 قابل فیلتر باشند. سپس صفحهٔ ورود (landing page) مرتبط با هر منبع را آزمایش A/B کنید؛ برای مثال، یک صفحهٔ توضیحمحور برای کاربران ChatGPT میتواند نرخ تبدیل را تا ۱۵٪ افزایش دهد. همچنین میتوانید با تنظیم «Audiences» در GA4، کاربرانی که از AIها میآیند را برای کمپینهای ریتارگتینگ سفارشی کنید و محتوای شخصیسازیشده ارائه دهید. این کار نه تنها مشارکت را بهبود میبخشد، بلکه هزینهٔ جذب جدید را بهصورت قابلتوجهی کاهش میدهد.
سوالات متداول
چطور میتوانم منبع ارجاع ChatGPT را در GA4 شناسایی کنم؟
ابتدا در URL لینک خروجی از ChatGPT پارامترهای utm_source=chatgpt و utm_medium=referral اضافه کنید. سپس در GA4 به بخش Acquisition > Traffic acquisition رفته و فیلتر source/medium را روی chatgpt / referral تنظیم کنید. گزارشهای مربوط به این ترکیب بهصورت خودکار ظاهر میشوند.
پارامترهای UTM برای ردیابی Perplexity چه باید باشد؟
برای Perplexity میتوانید از utm_source=perplexity، utm_medium=referral و utm_campaign=ai_traffic استفاده کنید. این مقادیر را در لینکهای خروجی از ربات یا صفحه نتایج اضافه کنید. پس از انتشار، GA4 آنها را در ستون source/medium و campaign نمایش میدهد.
آیا میتوانم ترافیک هوش مصنوعی را از طریق فیلترهای پیشفرض GA4 جدا کنم؟
بله؛ در تنظیمات Data Streams گزینه ‘Define internal traffic’ را غیرفعال کنید و سپس یک custom dimension برای source=chatgpt یا perplexity بسازید. سپس در گزارشها از این dimension بهعنوان فیلتر استفاده کنید تا ترافیک AI بهصورت جداگانه دیده شود.
چرا گزارش Referral در GA4 ترافیک AI را نشان نمیدهد؟
زیرا برخی سرویسهای AI لینکها را به شکل redirect یا no‑referrer میفرستند، که GA4 نمیتواند منبع را تشخیص دهد. افزودن پارامترهای UTM به لینکهای خروجی این مشکل را رفع میکند. همچنین بررسی Event parameters برای مقدار traffic_source میتواند کمککننده باشد.
چک لیست سریع
- درک کلی ردیابی ارجاع هوش مصنوعی
- راهاندازی جریان داده GA4 برای دریافت اطلاعات AI
- شناسایی دامنههای مرتبط با سرویسهای ChatGPT و Perplexity
- تنظیم دقیق پارامترهای UTM برای منبع AI
- ساخت گزارش سفارشی ارجاع هوش مصنوعی در GA4
- تحلیل نتایج و بهینهسازی استراتژی بازاریابی
- نظارت مستمر بر تغییرات دامنهها و رفتار کاربران AI
با اجرای این گامها میتوانید ترافیک ارجاعی هوش مصنوعی را بهدقت در GA4 دنبال کنید و تصمیمات بهینهسازی را بر پایه دادههای واقعی بگیرید. این روش به وضوح تأثیر ابزارهای نوین مانند ChatGPT و Perplexity را روی عملکرد سایت نشان میدهد. اگر سؤال یا نظری دارید، خوشحال میشویم با ما بهاشتراک بگذارید.