Måle besøkende fra KI-svar: Hva analysen gir

Det viktigste kort

KI-trafikk kjenner man igjen på henvisningskilden – domenene til chat- og svartjenestene dukker opp som egne henvisningssteder.
En del lar seg prinsipielt ikke registrere: den som leser svaret og deretter taster inn firmanavnet, framstår som direkte inntasting.
Serverloggen er den andre og ofte mer talende kilden: den viser om sidene deres i det hele tatt blir lest av KI-crawlere.
Tre tall bør rapporteres – besøkende per kilde, crawlertilgang per side, og oppholdstiden sammenlignet med resten.

Tallene er små. I de fleste små bedrifter ligger andelen på et lavt ensifret prosenttall. Interessant er den likevel, fordi den ser annerledes ut enn den øvrige trafikken – og fordi den vokser.

Hvordan man kjenner den igjen

Besøkende som kommer fra et generert svar, bærer som regel domenet til den aktuelle tjenesten som henvisningssted. I nettanalysen dukker de dermed opp som egen kilde – ofte under «henvisninger» eller «referral», ikke under «søk».

Framstår som	Opphav	Å merke seg
chatgpt.com	Lenke fra et ChatGPT-svar	som regel entydig
perplexity.ai	Kildeklikk i Perplexity	høyest volum av de tre
gemini.google.com	Lenke fra Gemini	lite, delvis ikke tilordnet
claude.ai	Lenke fra et Claude-svar	som regel entydig
copilot.microsoft.com	Lenke fra Copilot	delvis som Bing-henvisning
(direkte)	Svar lest, navn tastet etterpå	lar seg ikke tilordne

Merk Den siste raden er den viktigste og forties jevnlig i rapporteringen. En betydelig del av virkningen framstår som direkte inntasting – noen leser svaret, merker seg navnet og går inn på siden senere direkte. Denne kjeden lar seg prinsipielt ikke rekonstruere. Den som framstiller det målte tallet som fullstendig, undervurderer virkningen betydelig.

Oppsett i fire skritt

Opprett en egen kanalgruppe. Definer en gruppe «KI-svar» i nettanalysen som samler henvisningsstedene nevnt ovenfor. Ellers gjemmer de seg blant tjue andre henvisninger.
Ikke utelukk henvisningssteder. Noen analyseverktøy filtrerer ukjente henvisninger bort automatisk. Kontroller om disse domenene er berørt.
Skriv med landingssiden. Den viktigste tilleggsopplysningen: Hvilken side ble lenket som kilde? Av det følger hvilket innhold som faktisk er siterbart.
Analyser serverloggen. Filtrer på crawlerkjennetegnene: GPTBot, OAI-SearchBot, ChatGPT-User, PerplexityBot, Perplexity-User, ClaudeBot, Claude-User, Google-Extended, Bingbot.

Visste du at …?

Serverloggen er ved små tall den mer talende kilden. Den viser ikke hvor mange mennesker som kom – men den viser om sidene deres i det hele tatt blir lest, hvilke av dem, og hvor ofte.

Særlig nyttig er skillet etter kjennetegn: tilganger fra kjennetegn med «User» i navnet oppstår fordi noen nettopp har stilt et spørsmål siden deres kunne passe til. De er dermed et mer direkte signal enn de framoverskuende samlerne – også når det ikke følger et eneste klikk av dem.

Hvorfor disse besøkende ser annerledes ut

Tre mønstre viser seg nesten overalt der det foreligger nok data:

Tydelig lengre oppholdstid. Den som kommer fra et svar, har allerede et forvalg bak seg og leser målrettet videre.

Færre sider per besøk. De kommer på grunn av en bestemt påstand, ikke for å bla. Få sider er ikke noe dårlig tegn her.

Oftere direkte på dype sider. Ikke forsiden, men et enkelt innlegg eller et avsnitt derfra. Nettopp derfor må hver dyp side være forståelig for seg – den er ofte den første kontakten.

Fra praksis

Den nyttigste analysen er ikke totaltallet, men listen over landingssider. Den viser hvilket av innholdet deres som faktisk duger som belegg – og den overrasker jevnlig.

Ofte er det ikke de arbeidskrevende oversiktsinnleggene, men korte, tydelig besvarte enkeltspørsmål. Et avsnitt som besvarer et konkret spørsmål fullstendig på fire setninger, blir oftere sitert enn en 2000-ords guide om det samme temaet. Denne listen er derfor en bedre innholdsplanlegging enn enhver temasamling.

Hvor målingen slutter

Tre ting lar seg ikke måle, og det hører hjemme i hver rapport:

Omtaler uten klikk. Den som blir nevnt i et svar og ikke klikket på, etterlater ingen spor. Det er antakelig den største delen av virkningen.
Omtaler i systemer uten lenking. Noen svar nevner navn i brødteksten uten å lenke.
Forsinkelsen. Noen leser et svar i mars og tar kontakt i juni. Denne kjeden lar seg ikke rekonstruere.

Den eneste hjelpestørrelsen mot dette er spørsmålet i førstesamtalen: «Hvordan kom dere over oss?» Unøyaktig, men det fanger nøyaktig tilfellene ingen måling når.

Tips Suppler dette spørsmålet i henvendelsesskjemaet med svaralternativet «via et KI-svar (ChatGPT, Perplexity e.l.)». Andelen som krysser av for det, ligger erfaringsmessig tydelig over det nettanalysen viser – og det er det ærligere tallet.

Prompt

Hjelp meg å analysere trafikken fra KI-svar rent.

Datagrunnlag:
- Analyseverktøy: [NAVN]
- Tidsrom: [ANGIVELSE]
- Besøkende fra KI-henvisningssteder (per kilde og landingsside):
  [sett inn tabellen]
- Oppholdstid og sider per besøk, totalt og for denne gruppen:
  [verdier]
- Crawlertilgang fra serverloggen (kjennetegn, side, antall):
  [sett inn tabellen]

Oppgaver:
1. Nevn landingssidene som oftest ble lenket som kilde,
   og hva de har til felles – så langt det går fram av
   dataene.
2. Sammenlign oppholdstid og sider per besøk for denne gruppen
   med totalgjennomsnittet. Innplasser resultatet.
3. Nevn sider som ofte hentes av crawlere, men ikke
   skaper henvisningstrafikk – og hva det kan bety.
4. Formuler tre setninger til månedsrapporten vår som ærlig
   sier hva disse tallene viser og hva de ikke viser.

Ikke finn på verdier. Der data mangler, si hvilke.

Konklusjon

Målingen er ufullstendig og likevel verdt bryet – framfor alt fordi listen over siterte landingssider direkte viser hvilket innhold som duger som belegg.

Tre tall holder i rapporten: besøkende per KI-kilde, crawlertilgang per side, oppholdstid til sammenligning. Og en fjerde setning som sier fra om at en betydelig del av virkningen framstår som direkte inntasting og derfor ikke ligger i disse tallene.

Vanlige spørsmål

Hvordan måler man besøkende som kommer via KI-svar?

Via henvisningskilden i nettanalysen: domenene til chat- og svartjenestene framstår som egne henvisningssteder og lar seg samle til en kanalgruppe «KI-svar». I tillegg viser serverloggen hvilke KI-crawlere som har hentet hvilke sider – ved små tall ofte den mer talende kilden.

Hvorfor lar en del av KI-trafikken seg ikke måle?

Fordi mange mennesker leser svaret, merker seg navnet og går inn på siden senere direkte. Slike besøk framstår som direkte inntasting og lar seg ikke tilordne. Det samme gjelder omtaler uten lenking og henvendelser som kommer flere måneder senere.

Hvordan skiller denne trafikken seg fra den øvrige?

Gjennom tre mønstre: tydelig lengre oppholdstid, færre sider per besøk, og oftere inngang direkte på en dyp side i stedet for på forsiden. Få sider per besøk er ikke noe dårlig tegn her – disse besøkende kommer på grunn av en bestemt påstand, ikke for å bla.

Hvilke crawlerkjennetegn bør man analysere?

GPTBot, OAI-SearchBot og ChatGPT-User, PerplexityBot og Perplexity-User, ClaudeBot og Claude-User, Google-Extended samt Bingbot. Nyttig er skillet: kjennetegn med «User» i navnet henter en side fordi noen nettopp har stilt et passende spørsmål – et mer direkte signal enn de framoverskuende samlerne.

Hva gjør man med analysen?

Listen over landingssider som er lenket som kilde, er den nyttigste delen: den viser hvilket innhold som duger som belegg. Ofte er det ikke de omfangsrike guidene, men korte, tydelig besvarte enkeltspørsmål – noe som bør gå direkte inn i innholdsplanleggingen for neste kvartal.

Markedsføring som setter seg opp selv

Betaen for Studio Engine er åpen. Sikre deg en plass og bidra fra starten.

Bli med i betaen →

← Tilbake til oversikten