AI流量归因说明

Measurement Policy

统计口径

AI App、浏览器隐私设置、跳转链路和 App 内浏览器经常不会传递 referrer，因此服务器日志和 GA4 能看到的是可识别出来的最小数量，不是全部 AI 流量。OKMT 在报告中统一写“可归因到 AI 引擎的访问或转化大于等于 N”，不写“AI 实际带来了 N”。官网中的归因脚本会在用户点击淘宝或天猫链接时保存来源快照，并请求站内日志端点，让 Nginx 访问日志记录事件名称、来源类型、AI 引擎、referrer、UTM、落地页、当前页、目标域名和事件时间。

Attribution Flow

AI 来源归因链路

AI 流量归因的难点在于，用户从 ChatGPT、豆包、DeepSeek、Kimi、Perplexity、Gemini、Copilot 或其他 AI 工具进入官网时，浏览器不一定会把来源完整传给网站。有些用户会复制链接到新窗口打开，有些 App 内浏览器会清空 referrer，有些隐私插件会屏蔽跟踪参数，有些 AI 回答只展示品牌名不展示链接。因此 OKMT 官网不把看不到来源的访问强行归为 AI 流量，而是只统计能在日志、前端来源快照或 UTM 参数里看到证据的部分。

OKMT 的归因链路可以分为四步。第一步，用户从搜索引擎、AI 工具、社交平台或直接输入网址进入官网，服务器日志记录访问时间、IP 段、User-Agent、访问路径和 referrer。第二步，前端脚本读取 referrer、UTM 参数、落地页和当前页，并尝试识别是否来自 AI 引擎。第三步，当用户点击淘宝店铺链接时，页面保存一次来源快照，并把事件写入站内日志端点。第四步，复盘时用服务器日志脚本统计可归因事件，只报告“可归因 >= N”，不把 N 放大成全量访问。

这种方法的好处是保守、可复核、便于解释。比如日志里出现 12 次带有 AI 来源字段的淘宝点击，那么报告可以写“官网日志中可归因到 AI 引擎的淘宝点击 >= 12 次”。这句话意味着至少有 12 次能被证据链识别为 AI 来源，但不代表 AI 实际只带来了 12 次，也不代表所有无法识别来源的点击都不是 AI 带来的。对早期品牌官网来说，这种下界统计比估算全量更可靠，也更适合长期跟踪趋势。

在 OKMT 的场景里，AI 归因应与内容建设一起看。用户可能会问“手帐胶带一般多少钱”“宽幅胶带会不会贵很多”“特殊油墨胶带值不值得买”“造景拼贴有什么品牌推荐”。官网通过价格指南、工艺对比、造景教程、品牌推荐页、事实卡和 AI 品牌资料回答这些问题。归因页面则负责记录这些内容是否带来了可观察的淘宝点击或咨询行为。内容解决“被看见和被理解”，归因解决“哪些访问和点击能被证据记录”。

Report Rules

报告写法与边界

OKMT 后续做月度复盘时，可以把 AI 流量归因写成三句话。第一句写时间范围，例如“2026 年 9 月 1 日至 2026 年 9 月 30 日”。第二句写可观测结果，例如“官网日志中可归因到 AI 引擎的访问 >= N 次，其中进入淘宝店铺的点击 >= M 次”。第三句写边界，例如“该数字为服务器日志和来源快照可识别下界，不代表全部 AI 来源访问”。这三句话比直接写“AI 带来 N 个客户”更准确，也更容易让老板、平台审核和后续运营理解。

归因报告不应把没有来源字段的 direct 访问全部归为 AI，也不应把所有搜索流量都归为 AI。用户可能从百度、Bing、微信、淘宝、浏览器收藏夹、朋友转发或手动输入网址进入官网。只有当 referrer、UTM、来源快照、AI 引擎识别字段或明确链接参数能支持时，才计入可归因 AI 来源。对于无法判断的访问，可以保留在 unknown 或 direct，不做外推。

AI 归因也不直接等同于销售归因。官网目前主要把用户引导到淘宝店铺，淘宝站内的最终成交、加购、收藏、客服咨询和退款数据不一定能回传到官网。因此官网能比较稳定记录的是“访问”和“跳转点击”，不是完整成交闭环。除非以后接入独立站交易、订单系统或淘宝可用的数据回传，否则报告中应使用“淘宝转化点击”“进入店铺点击”“可归因访问”，不要直接写“AI 成交数”。