GEO项目最容易被质疑的一句话是:"这些可见度到底带来了几个客户?"AI搜索的流量特征让这个问题比普通推广更难回答——用户在AI助手里得到答案后,很多人不带来源就离开了,不点链接就没有 referrer,点链接也常常是直接复制地址栏访问。更麻烦的是,同一个询盘可能先在AI里被影响,隔几天才通过电话找上门。把这条链路完整跑通、把每一次对话的痕迹留下,是GEO项目从"看起来有效"走到"能算清账"的分界线。
先把AI搜索的归因链路拆开看
一条来自AI搜索的询盘,通常经过这样几个环节:用户提问 → 模型生成答案 → 用户点击答案里的链接 → 落到某个页面 → 填表或打电话 → 进入CRM。每个环节都会丢信息,链路越长,末端能确认的信息越少。铭赞的做法是先评估这条链路上哪些环节能留痕、哪些环节天然留不下。
| 环节 | 能否直接留痕 | 可用的替代证据 |
|---|---|---|
| 用户提问 | 平台侧不提供 | 落地页参数中携带的问题标识、CRM中记录的问题原文 |
| 答案生成 | 平台侧不提供 | 提问内容匹配到自家内容页,间接说明被影响 |
| 点击链接 | 部分平台带referrer,多数为直接访问 | UTM参数、落地页独立入口、访问来源字段 |
| 落地页行为 | 可留痕 | 页面浏览时长、滚动深度、CTA点击 |
| 表单提交 | 可留痕 | 表单内来源字段、提交时的会话参数 |
| 电话咨询 | 可留痕但易断 | 销售按话术询问来源并回填CRM |
| 邮件询盘 | 可留痕但易断 | 邮件签名、首次来信内容、邮件来源询问字段 |
这张表说明了一件事:不要指望某一个环节给出完整答案。链路前半段(提问、答案)平台不给数据,只能靠后半段的埋点和人工询问去反推。所以埋点设计要从"最后一公里"开始设计,而不是等到有了流量再补。
表单字段设计:来源要问到能落地的粒度
表单里的"您从哪里了解到我们"这类单一字段,信息量几乎为零。铭赞建议把来源信息拆成三组字段,分别由系统和客户填写。
- 下拉字段(客户选):选项按渠道枚举——搜索引擎自然搜索、AI助手(再细分为具体平台)、社交媒体、行业平台目录、老客户推荐、广告投放、直接访问、其他。下拉里必须单独列出"AI助手"这一项,不要藏在"其他"里;如果客户选了AI助手,再通过下一层追问具体是哪个平台。
- 自由文本字段(客户填):"您在AI助手里问的问题是什么",或更宽泛的"您之前在哪里了解到我们"。这个字段的价值在于捕捉到具体意图,是后续内容优化的直接输入。
- 隐藏字段(系统写):落地页URL上的UTM参数、会话来源、首次访问时间戳、进入页面时携带的来源路径,由脚本自动写入,不给客户看也不需要客户操作。
再加一个字段,用来捕捉客户是否在别处看过竞品或者做过对比:"您此前还了解过哪些同类品牌(可选)"。这个字段对GEO的价值在于,它能直接告诉你AI答案里推荐了谁,以及你在候选名单中的位置。
UTM参数规范与独立入口页
UTM参数是这条链路上最经济的抓手,但很多企业用得混乱,导致后期无法聚合。铭赞的规范如下。
参数命名保持简短固定,便于在分析工具里批量识别:
utm_source=ai 固定值:所有AI来源都用 ai,不按平台拆
utm_medium=chatgpt 平台标识:chatgpt / doubao / kimi / deepseek / perplexity / yuanbao 等
utm_campaign=xx 场景标识:对应监测问题集中的问题分类,如 xuanxing / bijia / canshu
utm_content=cta01 页面内位置:区分CTA按钮、页脚入口等
utm_term=选型对比 问题关键词:便于按问题维度聚合
为什么要这么拆:utm_source固定成 ai,是因为你需要一条"AI总来源"的汇总口径;平台放在 utm_medium,是为了能按平台拆分看效果;campaign 承载问题分类,让你能回答"哪一类问题的流量带来了询盘";term 保留问题关键词,方便把内容选题和询盘量对上。这四层任意两层混用,后续分析都会失焦。
需要强调的是,AI来源的访问大多没有 referrer,参数必须挂在链接上随点击一起传递,而不是依赖 referrer 判断来源。做法是:在AI回答里被引用的每一个页面的链接、以及站点内所有可能被AI直接给出的URL,都统一挂上参数。这需要让参数在页面内跳转时不被轻易丢弃——同一会话内的站内跳转保留参数,跨会话或用户手动输入URL时则自然失去,此时靠落地页的独立入口和表单追问来补位。
与之配套的是为AI场景做独立入口页。如果一个客户在AI里问"某某牌和某某牌哪个好",落地页不该是首页,应该是一个专门回应这个对比问题的页面。做法是:为监测问题集中的高频问题建立对应的主题页,页面标题与首段直接对应那个问题,参数挂在这个页面的URL上,并让它成为站内链接网络的一个节点。这样做有两个收益:一是承接点击的转化率明显高于首页,二是页面的主题本身就在向模型表明"这个页面回答的是这个问题"。
电话、邮件与CRM:把对话痕迹问回来并落库
很多B端询盘的第一步是打电话,不是填表。电话归因靠的是销售在接听时按固定话术问两句。铭赞给客户的销售话术规范是这样的:
- 第一个问题:"您是通过什么渠道了解到我们的?"选项包含"AI助手""朋友介绍""搜索引擎""看到我们的文章"等。销售不需要判断,只需要照读选项并记录。
- 第二个问题:"您之前在AI助手上问过什么问题?"这个问题客户往往愿意回答,因为回答它就是在帮自己复述需求。这句话得到的信息,价值高于任何技术埋点。
- 落库要求:无论客户答不答,这两个问题的结果都要写进CRM的对应字段,不能只留在销售的脑子里。
邮件询盘的归因同样要靠约定:在收到询盘邮件后的首次回复中,加入一句"方便告知一下您是通过什么方式找到我们的吗",或者在邮件模板里保留一个来源字段。很多企业在第一次回复之后就丢失了机会——客户回复邮件时不会再说一遍自己从哪来。
把问回来的信息落到系统里,是整套追踪体系里最有价值、也最常被忽略的一环。铭赞建议在CRM里为每条线索增加下面这组字段:
| 字段 | 含义 | 填写方 |
|---|---|---|
| lead_ai_source | 线索是否来自AI助手,具体平台 | 销售 / 表单 |
| lead_ai_question | 客户在AI里提出的问题原文 | 销售 / 表单自由文本 |
| lead_ai_competitors | AI答案里提到的其他品牌 | 销售 |
| lead_first_touch | 首次触点渠道(可能是搜索引擎,后续才转到AI) | 系统 / 销售 |
| lead_first_touch_date | 首次触点时间 | 系统 |
| lead_touch_detail | 首次触点的具体内容或页面 | 系统 / 销售 |
这些字段不是给销售看的,是给内容团队看的。lead_ai_question 字段会自然形成一份高频问题清单——客户实际在AI里问的问题分布,与你在监测问题集里想象的问题分布,往往差别很大。前者是真实需求,后者是假设。把这张清单回灌到内容选题里,是整个闭环里投入产出比较高的一步。
lead_ai_competitors 字段同样有价值:它告诉你模型在什么问题上把你和谁放在一起比较。某个竞争对手反复出现在这几列里,说明在那个问题上它才是AI答案的默认答案。
无法归因时的估算口径
现实中总有一部分询盘说不清来源——客户不记得、不回答,或者压根没经过可识别的环节。这时不要硬编一个数字,用下面四种口径之一,并在报告里标明用的是哪一种。
- 自报口径。客户自己说的来源,填进CRM的 lead_ai_source 字段。这是主观数据,但成本可控、覆盖面较广,适合做趋势参考,不能当作精确归因。
- UTM口径。按参数聚合的AI来源会话与询盘。这是硬数据,但受限于用户直接输入URL或复制链接访问的情况,覆盖率有天然上限。
- 参数覆盖缺口修正口径。用站点分析工具看"直接访问/无来源"流量在AI场景问题页上的占比,判断有多少比例的AI访问没有被参数捕获,据此对UTM口径做区间估计,报告时给出下限与上限而不是单点。
- 增量对照口径。在内容改动或投放开启的前后做时间序列对照,观察总体询盘量的变化幅度,把变化视为AI来源的贡献上限。这个口径噪声大,只能在样本跨度足够长、且没有其他重大变量(促销、投放调整、季节因素)时才使用。
无论用哪种口径,报告里都要写明:这个数字是精确归因还是估算、估算基于什么假设、可能偏差方向、以及不能用来做什么(比如不能用来算单个页面的ROI)。透明的估算比勉强的精确更有说服力。
铭赞经验:铭赞在给客户搭这套追踪体系时,第一件事永远是先改销售话术——加两个问题、写进CRM字段。技术埋点可以两周上线,销售记录习惯要一个月才能养成,但恰恰是这两个问题带来的信息,能让整个GEO项目从"看起来有效"变成"说得清"。
下一步行动
想先看清自家从AI搜索到询盘的链路断在哪一环、目前能追踪到什么程度?可以申请铭赞网络的免费GEO基线诊断——用行业问题集跑一轮多平台采样,并输出一份涵盖参数规范、表单字段与CRM记录项的追踪方案清单。电话 13991172090,或访问 xamz.cn/geo/diagnosis.html 在线申请。
铭赞网络的服务范围覆盖GEO优化、SEO、网站建设和外贸营销,服务电话 13991172090。