Jak mierzyć wejścia i sprzedaż z narzędzi AI

Marcin Deręgowski

Rynek żyje dziś widocznością firm w AI. Sprawdzamy, czy ChatGPT nas poleca, tworzymy treści pod GEO i kupujemy narzędzia do monitorowania odpowiedzi. Po chwili pojawia się jednak znacznie trudniejsze pytanie: czy z tej widoczności przychodzą klienci i sprzedaż? To pytanie, na które chcielibyśmy znać odpowiedź. Pomiar takich rzeczy nie jest prosty. I właśnie o tym piszę poniżej.

W Google Analytics widzisz 47 wejść z narzędzi AI. W logach serwera masz 20 tysięcy odwiedzin GPTBota. Handlowiec z kolei mówi, że klient trafił do firmy po rekomendacji ChatGPT, choć w CRM-ie jako źródło zapisano Google.

Która z tych liczb mówi prawdę?

Wszystkie mogą być prawdziwe. Każda opisuje jednak coś zupełnie innego: pobranie strony przez automat, kliknięcie człowieka albo sprzedaż, na którą AI wpłynęło wcześniej i której standardowa analityka już z nim nie połączyła.

Dlatego pomiar ruchu z AI zaczyna się od rozdzielenia tych zdarzeń. Inaczej można zbudować bardzo efektowny raport, który nie odpowiada na żadne sensowne pytanie biznesowe.

Nie zobaczymy całego wpływu AI. Dobrze ustawiona analityka pokaże za to znacznie więcej niż sam licznik wejść: strony, od których zaczynają użytkownicy, wykonane działania, jakość leadów, zakupy i przychód. Właśnie temu poświęcony jest ten artykuł.

1. Co właściwie chcesz mierzyć

Pytanie „ile mamy ruchu z AI?” brzmi prosto. W praktyce może oznaczać co najmniej pięć różnych pytań:

• czy boty i agenci AI pobierają treści strony;
• czy firma albo jej materiały pojawiają się w odpowiedziach;
• ilu ludzi kliknęło link i weszło na stronę;
• ilu wykonało ważne działanie, na przykład wysłało formularz albo dodało produkt do koszyka;
• ilu zostało klientami i jaką wartość sprzedaży przynieśli.

Ja zacząłbym od ostatniego pytania. Zarządzającego interesuje przecież wynik biznesowy. Żeby go zrozumieć, trzeba jednak umieć przejść przez wszystkie wcześniejsze warstwy.

Duża liczba pobrań wykonanych przez crawler pokazuje, że system technicznie dociera do strony. Nie mówi, ilu ludzi zobaczyło markę. Z kolei mała liczba rozpoznanych sesji nie przesądza, że AI nie wpływa na sprzedaż. Klient mógł zobaczyć rekomendację, zapamiętać nazwę, wrócić przez Google i dopiero później kupić.

Każdy z tych wyników może pomóc w podjęciu decyzji. Trzeba tylko nazwać go zgodnie z tym, co naprawdę mierzy.

2. Bot, agent, odpowiedź i człowiek

Najwięcej zamieszania robi słowo „wejście”. Crawler pobiera stronę. Agent otwiera ją na polecenie użytkownika. Człowiek klika link w odpowiedzi. Technicznie w każdym przypadku serwer coś obsługuje, lecz z punktu widzenia firmy są to różne zdarzenia.

Automatyczne crawlery

OpenAI używa między innymi GPTBot do pobierania treści, które mogą służyć rozwojowi modeli, oraz OAI-SearchBot do obsługi wyszukiwania w ChatGPT. Anthropic rozdziela analogicznie ClaudeBot i Claude-SearchBot. Googlebot buduje indeks Google Search wykorzystywany również przez generatywne funkcje wyszukiwarki.

Takie boty potrafią pobrać tysiące podstron. Ich aktywność sprawdza się w logach serwera, CDN-ie, WAF-ie albo narzędziu do analizy botów. Nie dodawałbym jej do liczby użytkowników, leadów ani wizyt.

Agent uruchomiony przez użytkownika

Jest też druga sytuacja. Człowiek prosi asystenta, aby przeczytał stronę, porównał oferty lub wykonał jakieś działanie. Witrynę pobiera wtedy agent, na przykład ChatGPT-User, Claude-User lub Google-Agent.

Za takim żądaniem stoi konkretna potrzeba użytkownika, więc jest ono ciekawszym sygnałem niż masowy crawl. Nadal nie jest wizytą człowieka. Użytkownik może dostać odpowiedź w aplikacji i nigdy nie otworzyć Twojej strony.

Widoczność w odpowiedzi

Firma może pojawić się w odpowiedzi jako dostawca, źródło wiedzy albo przykład. Może też zostać pokazany link do konkretnej podstrony. W tym momencie powstaje widoczność, choć w GA4 nie ma jeszcze sesji.

Asystent nie musi pobierać strony na świeżo przy każdym pytaniu. Może korzystać z indeksu, wcześniejszych danych albo wyników dostawcy wyszukiwania. Z tego powodu logi serwera nie są kompletnym raportem widoczności firmy w AI.

Kliknięcie człowieka

Dopiero kliknięcie prowadzące do witryny tworzy sesję, którą może zobaczyć analityka internetowa. Piszę „może”, ponieważ źródło czasem ginie podczas przejścia między aplikacjami, przez przekierowanie lub z powodu ustawień prywatności.

Z tego wynika prosta zasada: boty sprawdzamy w logach, widoczność w raportach wyszukiwarek i monitoringu odpowiedzi, zachowanie ludzi w GA4, a sprzedaż w sklepie albo CRM-ie.

3. Co pokażą GA4, Search Console, logi i CRM

Nie ma jednego narzędzia, które pokaże całą drogę od odpowiedzi AI do przychodu. Trzeba połączyć kilka źródeł.

Od sierpnia 2026 roku Search Console udostępnia raport poświęcony generatywnym funkcjom Google. Pokazuje między innymi wyświetlenia, strony, kraje, urządzenia i zmiany w czasie. Jest przydatny do oceny widoczności w ekosystemie Google. Nie jest raportem całego rynku AI.

GA4 automatycznie wyklucza znane boty. To dobrze, bo raport użytkowników nie powinien rosnąć od działania crawlera. Google nie pokazuje przy tym osobnego licznika wszystkich odfiltrowanych żądań. Jeśli chcesz analizować aktywność botów, wróć do logów lub warstwy CDN.

CRM dopowiada to, co dla firmy najważniejsze: czy lead został zakwalifikowany, czy powstała szansa, czy zakończyła się sprzedażą i jaką miała wartość. W B2B sam formularz jest początkiem procesu, a nie jego wynikiem.

4. Jak sprawdzić wejścia z AI w GA4

W aktualnej klasyfikacji GA4 istnieje domyślna grupa kanałów AI Assistant. Trafiają do niej rozpoznane źródła takie jak ChatGPT, Gemini, DeepSeek, Copilot czy Grok. To dobry punkt wyjścia. Nie tworzyłbym od razu własnego, ogromnego wyrażenia regularnego skopiowanego ze starego poradnika.

W raporcie warto zestawić:

• Session default channel group;
• Session source / medium;
• stronę docelową;
• sesje i użytkowników;
• ważne zdarzenia oraz ich współczynnik;
• przychód, jeśli jest prawidłowo przesyłany.

Kanał pokazuje zbiorczy ruch z rozpoznanych asystentów. Źródło i medium pozwalają sprawdzić konkretne platformy, a strona docelowa mówi, od czego użytkownicy zaczęli wizytę.

Google AI Overviews i AI Mode są wyjątkiem

Wejścia z generatywnych funkcji Google trafiają do Organic Search, a nie do AI Assistant. W samym GA4 nie rozdzielisz więc precyzyjnie każdego klasycznego kliknięcia z Google od kliknięcia z AI Overview lub AI Mode.

Możesz zestawiać dane GA4 z raportem Search Console, patrzeć na strony i trendy w tym samym czasie. Będzie to analiza powiązań, a nie dokładne przypisanie każdego wyświetlenia odpowiedzi do każdej transakcji.

Jest jeszcze trzecia możliwość: asystent wysłał użytkownika na stronę, ale referrer nie dotarł. Taka wizyta może trafić do Direct albo (not set). Nie oznacza to, że cały ruch bezpośredni pochodzi z AI. Część wpływu po prostu pozostanie nierozpoznana.

Zrób własną próbę

Klasyfikację konkretnego narzędzia najlepiej sprawdzić na własnej stronie:

1. Otwórz nową rozmowę w wybranym asystencie.
2. Poproś o odnalezienie konkretnej podstrony, którą kontrolujesz.
3. Kliknij link pokazany w odpowiedzi.
4. Otwórz Realtime albo DebugView w GA4.
5. Sprawdź kanał, źródło, medium i stronę wejścia.
6. Powtórz próbę w przeglądarce i aplikacji, jeśli oba sposoby są istotne dla Twoich klientów.
7. Zajrzyj do logów i sprawdź, czy przed kliknięciem pojawiło się osobne pobranie wykonane przez bota lub agenta.

Ta próba daje dwie odpowiedzi: jak asystent pobiera stronę i jak GA4 klasyfikuje późniejsze kliknięcie człowieka. Wynik może się zmienić wraz z aplikacją, sposobem otwarcia linku i regułami usługi. Dlatego zapisałbym datę oraz warunki testu.

GA4 nie pokaże treści prywatnego promptu. Zobaczysz platformę, stronę wejścia i późniejsze działania, jeżeli sygnały zostały zachowane. Nie dowiesz się z tego raportu, o co dokładnie użytkownik zapytał ani jak brzmiała cała odpowiedź.

Kiedy zbudować własną grupę kanałów

Własna klasyfikacja ma sens, jeśli chcesz uwzględnić nowe źródło, kontrolować ruch wcześniej wpadający do Referral albo utrzymać w firmie jawną definicję kanału. Taka lista wymaga opieki. Zbyt szeroki wzorzec zacznie łapać przypadkowe domeny, a zbyt wąski szybko pominie nowe narzędzia.

Pilnuj też zakresu danych. First user source opisuje pierwsze rozpoznane pozyskanie użytkownika, a Session source źródło konkretnej sesji. Atrybucja konwersji odpowiada na jeszcze inne pytanie. Ten sam klient może pierwszy raz wejść z Google, później kliknąć link w ChatGPT, a kupić podczas wizyty bezpośredniej. Różne raporty pokażą wtedy różne źródła i każdy może być poprawny w ramach swojej definicji.

5. Jak połączyć ruch z wynikiem sklepu

W e-commerce większość drogi może zostać zmierzona w jednym środowisku. Kod GA4 na stronie nie wystarczy. Sklep musi prawidłowo wysyłać zdarzenia zakupowe.

Minimalny zestaw obejmuje:

• view_item, czyli obejrzenie produktu;
• add_to_cart;
• begin_checkout;
• add_shipping_info i add_payment_info, jeśli te etapy są mierzone;
• purchase z identyfikatorem transakcji, wartością, walutą i produktami;
• refund, jeśli chcesz uwzględniać zwroty.

Unikalny transaction_id pomaga uniknąć podwójnego liczenia zakupu. Wartość oraz waluta pozwalają liczyć przychód. Informacje o produktach pokazują, co faktycznie kupują użytkownicy przychodzący z danego źródła.

Raport ruchu z AI powinien zawierać liczbę sesji, obejrzane produkty, dodania do koszyka, rozpoczęte zakupy, transakcje, przychód, średnią wartość zamówienia i zwroty. Jeśli potrafisz połączyć dane z marżą, wynik będzie dużo bardziej użyteczny. Kanał może przecież przynosić wysoki przychód na produktach, na których firma prawie nie zarabia.

Załóżmy, że sklep widzi taki miesiąc:

To przykład hipotetyczny. Osiem transakcji jest małą próbą, a jedno większe zamówienie potrafi mocno zmienić procent i przychód. Nie ogłaszałbym więc, że AI jest ponad trzy razy lepszym kanałem niż ruch organiczny.

Sprawdziłbym produkty, wartość koszyków, zwroty i wynik w kolejnych miesiącach. Zobaczyłbym też, na jakie strony trafiali użytkownicy oraz czy wzrost pojawił się po publikacji konkretnego materiału. Dopiero powtarzalność daje podstawę do większej decyzji.

6. Jak zmierzyć sprzedaż B2B

W B2B formularz nie jest sprzedażą. Po nim są kwalifikacja, rozmowy, oferta, negocjacje, procedura zakupowa i czasem kilka miesięcy oczekiwania. Raport kończący się na generate_lead pokazuje tylko początek.

Do CRM-u warto przekazać:

• pierwsze rozpoznane źródło użytkownika;
• źródło i medium bieżącej sesji;
• grupę kanałów;
• stronę wejścia i stronę konwersji;
• kampanię, jeśli istnieje;
• datę i czas;
• pseudonimowy identyfikator potrzebny do połączenia danych.

Dane osobowe, takie jak e-mail, numer telefonu czy nazwisko, nie powinny trafiać do GA4. Nie umieszczaj ich także w adresie strony, UTM-ach, niestandardowym wymiarze ani user_id. CRM przechowuje dane potrzebne do prowadzenia relacji na właściwej podstawie. System analityczny powinien dostać identyfikator techniczny.

Minimalna karta źródła w CRM-ie może wyglądać tak:

Później CRM powinien zapisywać kwalifikację, powód odrzucenia, utworzenie szansy, jej etap i wartość, wynik oraz datę zamknięcia. Wtedy dowiesz się, ile leadów z rozpoznanego ruchu AI naprawdę pasowało do firmy, ile przeszło do oferty i jaka była wartość wygranych.

Pierwsze źródło, źródło bieżącej sesji i odpowiedź klienta mogą się różnić. Klient mógł zobaczyć firmę w ChatGPT, sprawdzić ją w Google, a formularz wysłać po bezpośrednim wejściu. Zachowałbym wszystkie trzy informacje zamiast wybierać jedną „prawdziwą”.

Przy małej liczbie leadów wystarczy raport w CRM-ie z dobrze zachowanym źródłem. Przy większej skali można przesyłać do GA4 dopuszczalne zdarzenia offline przez Measurement Protocol. Wdrożenie wymaga spójnych identyfikatorów, kontroli duplikatów, zgód i ustalenia, które dane pozostają wyłącznie w CRM-ie. Nie budowałbym tej integracji, dopóki firma nie ma porządku w podstawowych polach i etapach sprzedaży.

7. Wpływ AI, którego nie zobaczysz w raporcie

Załóżmy, że asystent polecił Twoją firmę. Użytkownik nie kliknął linku. Zapamiętał nazwę, a dwa dni później wyszukał ją w Google i zadzwonił. GA4 pokaże Organic Search albo w ogóle nie połączy telefonu z wcześniejszą wizytą. Rekomendacja zadziałała, lecz ślad się urwał.

Podobnie będzie, gdy użytkownik:

• przejdzie między aplikacjami i straci referrer;
• zobaczy odpowiedź na telefonie, a stronę otworzy na komputerze;
• skopiuje adres albo wróci bezpośrednio;
• nie wyrazi zgody na analitykę lub używa blokera;
• skontaktuje się kanałem, który nie przenosi informacji o wcześniejszej sesji.

Możesz ograniczyć tę niewiedzę. W formularzu dodaj opcjonalne pytanie „Skąd dowiedziałeś się o naszej firmie?” z odpowiedziami obejmującymi ChatGPT, Gemini, inne narzędzie AI, Google, polecenie i inne źródło. Handlowiec może zadać to samo pytanie podczas pierwszej rozmowy.

Odpowiedź klienta zapisz w osobnym polu CRM-u. Nie zastępuj nią źródła analitycznego. Ludzie czasem pamiętają pierwszy kontakt, czasem ostatni, a czasem najbardziej charakterystyczny. Rozbieżność sama w sobie jest informacją o drodze zakupowej.

Pomocniczo można obserwować wyszukiwania marki, ruch Direct, wejścia na strony często wskazywane przez asystentów, notatki handlowców i call tracking. Traktowałbym je jako sygnały wpływu, nie jako sprzedaż udowodnioną AI.

W raporcie rozdzieliłbym więc dwie wartości:

• sprzedaż rozpoznaną jako związaną z AI — opartą na zapisanym źródle, identyfikatorze i przyjętym modelu atrybucji;
• sygnały wpływu AI — deklaracje klientów, widoczność bez kliknięcia, wyszukiwania marki i inne przesłanki.

Nie sumowałbym ich. Pierwsza wartość wynika z konkretnej metody pomiaru. Druga pokazuje obszar, którego znaczenia jeszcze nie potrafimy dokładnie policzyć.

8. Jeden raport, cztery osobne widoki

Raport zarządczy powinien połączyć dane, zachowując ich różne znaczenie.

W części technicznej rozdziel crawler treningowy, crawler wyszukiwawczy i agenta działającego na polecenie użytkownika. W widoczności zapisz narzędzie, język, rynek, pytanie i datę. W GA4 pokazuj kanały, źródła, strony oraz działania. W CRM-ie lub sklepie kończ drogę rzeczywistą wartością.

Każdy widok powinien mieć właściciela. Administrator albo osoba techniczna może raz w miesiącu sprawdzać boty i problemy z dostępem. Marketing lub SEO analizuje widoczność. Marketing i analityka kontrolują wejścia oraz konwersje. Sprzedaż, e-commerce lub finanse odpowiadają za wynik handlowy.

Przy małej skali codzienne patrzenie na te liczby będzie produkowało szum. Ustawiłbym kontrolę operacyjną raz w tygodniu, wspólne podsumowanie miesięczne i decyzje kwartalne. Wyjątkiem jest awaria albo nagła zmiana dostępu do ważnych treści.

W raporcie zostawiłbym też krótką rubrykę „czego nie widzimy”. Wpiszesz tam rekomendacje bez kliknięcia, utracone źródła, telefony bez identyfikatora i przejścia między urządzeniami. Taka rubryka przypomina, gdzie kończy się pomiar, zanim ktoś zacznie wyciągać z niego zbyt dalekie wnioski.

9. Jak czytać wyniki i od czego zacząć

Ruch z asystentów może być mały i jednocześnie wartościowy. Użytkownik często zadaje dość konkretne pytanie, dostaje zawężoną odpowiedź i wchodzi na stronę odpowiadającą jego potrzebie. Tę jakość trzeba potwierdzić leadami, sprzedażą i wartością.

Sam wysoki współczynnik konwersji niewiele mówi przy małej próbie. Jeśli masz sto sesji i dwie transakcje, jedna kolejna zmienia wynik o połowę. Zawsze pokazuj obok procentu liczbę sesji, leadów i zakupów. Patrz na kilka okresów.

Rozdzielaj też udział w ruchu od udziału w sprzedaży. Kanał może stanowić 0,5% wizyt i przynieść 3% przychodu. Może również dostarczyć dużo wejść bez żadnej wartości. Te sytuacje prowadzą do zupełnie innych decyzji.

Na początek zrobiłbym dziewięć rzeczy:

1. Sprawdził działanie GA4 i zgód na całej ścieżce.
2. Otworzył kanał AI Assistant, poszczególne źródła i strony wejścia.
3. Wykonał kontrolowane kliknięcie z dwóch lub trzech istotnych narzędzi.
4. Zweryfikował zdarzenia leadowe albo pełne zdarzenia e-commerce.
5. Zapisał źródło przy zamówieniu lub rekordzie CRM.
6. Uruchomił raport generatywnych funkcji Search Console.
7. Osobno sprawdził logi crawlerów i agentów.
8. Zbudował cztery widoki raportu i przypisał ich właścicieli.
9. Po miesiącu ocenił trend, jakość i wartość, a nie jeden efektowny procent.

Jeśli masz dziś zrobić jedną rzecz, sprawdź, czy informacja o źródle dociera do końca procesu sprzedaży. GA4 może poprawnie rozpoznać wejście z ChatGPT, lecz ta wiedza nic nie da, jeśli znika przy formularzu albo zamówieniu. Z kolei dobrze uzupełniony CRM potrafi pokazać wartość nawet wtedy, gdy droga klienta trwa kilka miesięcy.

Nie zmierzymy całego wpływu AI jednym narzędziem. Możemy za to jasno oddzielić to, co pobrał bot, co pokazał asystent, co kliknął człowiek i co ostatecznie kupił klient. Wtedy liczby zaczynają pomagać w zarządzaniu, zamiast tylko dobrze wyglądać na slajdzie.