Måle besøgende fra AI-svar: Hvad analysen giver

Det vigtigste kort

AI-trafik genkendes på henvisningskilden – chat- og svartjenesternes domæner dukker op som egne henvisningssteder.
En del kan grundlæggende ikke registreres: den, der læser svaret og derefter taster firmanavnet, optræder som direkte indtastning.
Serverloggen er den anden, ofte mere sigende kilde: den viser, om jeres sider overhovedet bliver læst af AI-crawlere.
Der bør rapporteres tre tal – besøgende pr. kilde, crawleradgange pr. side, og opholdstiden sammenlignet med resten.

Tallene er små. I de fleste små virksomheder ligger andelen i det lave encifrede procentområde. Den er alligevel interessant, fordi den ser anderledes ud end den øvrige trafik – og fordi den vokser.

Hvordan man genkender den

Besøgende, der kommer fra et genereret svar, bærer som regel den pågældende tjenestes domæne som henvisningssted. I webanalysen dukker de dermed op som en egen kilde – ofte under «henvisninger» eller «referral», ikke under «søgning».

Optræder som	Oprindelse	Vær opmærksom på
chatgpt.com	Link fra et ChatGPT-svar	som regel entydigt
perplexity.ai	Kildeklik i Perplexity	størst omfang af de tre
gemini.google.com	Link fra Gemini	lille, delvis ikke henført
claude.ai	Link fra et Claude-svar	som regel entydigt
copilot.microsoft.com	Link fra Copilot	delvis som Bing-henvisning
(direkte)	Svar læst, navn tastet bagefter	kan ikke henføres

Bemærk Den sidste række er den vigtigste og bliver regelmæssigt fortiet ved rapporteringen. En betydelig del af virkningen optræder som direkte indtastning – nogen læser svaret, husker navnet og kalder siden frem senere direkte. Den kæde kan grundlæggende ikke rekonstrueres. Den, der fremstiller det målte tal som fuldstændigt, undervurderer virkningen betydeligt.

Opsætning i fire trin

Opret en egen kanalgruppe. Definér i webanalysen en gruppe «AI-svar», der samler de ovenfor nævnte henvisningssteder. Ellers gemmer de sig mellem tyve andre henvisninger.
Udeluk ikke henvisningssteder. Nogle analyseværktøjer filtrerer ukendte henvisninger automatisk fra. Kontrollér, om disse domæner er berørt.
Skriv landingssiden med. Den vigtigste ekstra oplysning: hvilken side blev linket som kilde? Deraf følger, hvilket indhold der faktisk kan citeres.
Gør serverloggen op. Filtrér på crawlerkendetegnene: GPTBot, OAI-SearchBot, ChatGPT-User, PerplexityBot, Perplexity-User, ClaudeBot, Claude-User, Google-Extended, Bingbot.

Vidste du det?

Serverloggen er ved små tal den mest sigende kilde. Den viser ikke, hvor mange mennesker der kom – men den viser, om jeres sider overhovedet bliver læst, hvilke af dem, og hvor ofte.

Særligt nyttig er skelnen efter kendetegn: adgange fra kendetegn med «User» i navnet opstår, fordi nogen netop har stillet et spørgsmål, som jeres side kunne passe til. De er dermed et mere direkte signal end de forudsamlende – også når der ikke følger et eneste klik af det.

Hvorfor disse besøgende ser anderledes ud

Tre mønstre viser sig næsten overalt, hvor der foreligger nok data:

Tydeligt længere opholdstid. Den, der kommer fra et svar, har allerede et forvalg bag sig og læser målrettet videre.

Færre sider pr. besøg. De kommer på grund af et bestemt udsagn, ikke for at kigge rundt. Få sider er her ikke et dårligt tegn.

Hyppigere direkte på dybe sider. Ikke forsiden, men et enkelt indlæg eller et afsnit deraf. Netop derfor skal hver dyb side være forståelig for sig – den er ofte den første kontakt.

Fra praksis

Den mest nyttige opgørelse er ikke det samlede tal, men listen over landingssider. Den viser, hvilke af jeres indhold der faktisk dur som belæg – og den overrasker regelmæssigt.

Ofte er det ikke de omfattende oversigtsindlæg, men korte, klart besvarede enkeltspørgsmål. Et afsnit, der på fire sætninger besvarer et konkret spørgsmål fuldstændigt, bliver hyppigere citeret end en guide på 2.000 ord om det samme emne. Denne liste er derfor en bedre indholdsplanlægning end enhver emnesamling.

Hvor målingen slutter

Tre ting lader sig ikke måle, og det hører med i enhver rapport:

Omtaler uden klik. Den, der nævnes i et svar og ikke bliver klikket på, efterlader ingen spor. Det er formentlig den største del af virkningen.
Omtaler i systemer uden link. Nogle svar nævner navne i brødteksten uden at linke.
Forsinkelsen. Nogen læser et svar i marts og henvender sig i juni. Den kæde kan ikke rekonstrueres.

Den eneste hjælpestørrelse mod det er spørgsmålet i den første samtale: «Hvordan er I kommet frem til os?» Upræcist, men det opfanger netop de tilfælde, ingen måling når.

Tip Suppler dette spørgsmål i henvendelsesformularen med svarmuligheden «via et AI-svar (ChatGPT, Perplexity el. lign.)». Andelen, der sætter kryds dér, ligger erfaringsmæssigt tydeligt over det, webanalysen viser – og det er det ærligere tal.

Prompt

Hjælp mig med at gøre trafikken fra AI-svar rent op.

Datagrundlag:
- Analyseværktøj: [NAVN]
- Periode: [angivelse]
- Besøgende fra AI-henvisningssteder (pr. kilde og landingsside):
  [indsæt tabellen]
- Opholdstid og sider pr. besøg, samlet og for denne gruppe:
  [værdier]
- Crawleradgange fra serverloggen (kendetegn, side, antal):
  [indsæt tabellen]

Opgaver:
1. Nævn de landingssider, der hyppigst blev linket som kilde,
   og hvad de har til fælles – så vidt det kan ses af
   dataene.
2. Sammenlign opholdstid og sider pr. besøg for denne gruppe
   med det samlede gennemsnit. Indplacér resultatet.
3. Nævn sider, som crawlere ofte henter, men som
   ikke frembringer henvisningstrafik – og hvad det kan betyde.
4. Formulér tre sætninger til vores månedsrapport, der ærligt
   siger, hvad disse tal viser, og hvad de ikke viser.

Opfind ingen værdier. Hvor der mangler data, så sig hvilke.

Konklusion

Målingen er ufuldstændig og alligevel værd at gøre – frem for alt, fordi listen over citerede landingssider direkte viser, hvilket indhold der dur som belæg.

Tre tal rækker i rapporten: besøgende pr. AI-kilde, crawleradgange pr. side, opholdstid til sammenligning. Og en fjerde sætning, der siger med, at en betydelig del af virkningen optræder som direkte indtastning og derfor ikke ligger i disse tal.

Ofte stillede spørgsmål

Hvordan måler man besøgende, der kommer via AI-svar?

Via henvisningskilden i webanalysen: chat- og svartjenesternes domæner optræder som egne henvisningssteder og lader sig samle i en kanalgruppe «AI-svar». Supplerende viser serverloggen, hvilke AI-crawlere der har hentet hvilke sider – ved små tal ofte den mest sigende kilde.

Hvorfor kan en del af AI-trafikken ikke måles?

Fordi mange mennesker læser svaret, husker navnet og kalder siden frem direkte senere. Sådanne besøg optræder som direkte indtastning og lader sig ikke henføre. Det samme gælder omtaler uden link og henvendelser, der sker måneder senere.

Hvordan adskiller denne trafik sig fra den øvrige?

Gennem tre mønstre: tydeligt længere opholdstid, færre sider pr. besøg, og hyppigere indgang direkte på en dyb side i stedet for på forsiden. Få sider pr. besøg er her ikke et dårligt tegn – disse besøgende kommer på grund af et bestemt udsagn, ikke for at kigge rundt.

Hvilke crawlerkendetegn bør man gøre op?

GPTBot, OAI-SearchBot og ChatGPT-User, PerplexityBot og Perplexity-User, ClaudeBot og Claude-User, Google-Extended samt Bingbot. Nyttig er skelnen: kendetegn med «User» i navnet henter en side, fordi nogen netop har stillet et passende spørgsmål – et mere direkte signal end de forudsamlende.

Hvad gør man med opgørelsen?

Listen over landingssider, der er linket som kilde, er den mest nyttige del: den viser, hvilket indhold der dur som belæg. Ofte er det ikke de omfangsrige guider, men korte, klart besvarede enkeltspørgsmål – hvilket bør indgå direkte i næste kvartals indholdsplanlægning.