AI-трафик: как измерять переходы из ChatGPT, Алисы и Perplexity на сайт и не считать ботов за клиентов

Новый канал уже приносит визиты на сайты, но половина маркетологов его либо не видит, либо считает неправильно
Еще в мае 2026 года Google тихо признал то, что рынок чувствовал уже год: переходы из нейросетей стали отдельным каналом трафика. В Google Analytics 4 появилась категория AI Assistant, куда автоматически попадают визиты из ChatGPT, Gemini, Claude и других ассистентов, раньше растворявшиеся в общем реферальном трафике. Для маркетолога это сигнал: канал из «эксперимента» официально перешёл в разряд тех, что надо измерять наравне с органикой и рекламой.

Проблема в том, что измерять его сложнее, чем кажется. AI-трафик плохо размечается стандартными инструментами, а часть переходов «из нейросетей» на деле оказывается не людьми. Разберём, откуда берётся этот трафик, почему его трудно поймать в аналитике и как не принять ботов за результат GEO-работы.

Что такое AI-трафик и почему его не видно в Метрике без настройки

AI-трафик это переходы на сайт, которые пользователь совершает из ответа нейросети. Человек спросил у ChatGPT или «Поиска с Алисой», какой сервис выбрать, получил ответ со ссылкой на бренд и кликнул. Технически это реферальный переход, но с важной особенностью: он приходит не из поисковой выдачи и не из соцсети, а из диалогового интерфейса.

Раньше такой визит в аналитике было почти не отличить от прочего реферального трафика. По данным Ahrefs, уже около 63% сайтов в их выборке фиксируют трафик из ИИ-сервисов, причём ChatGPT стал крупнейшим источником реферальных переходов среди чат-ботов. Но пока маркетолог не настроит распознавание источников вручную, эти визиты сливаются в общую кучу, и понять их вклад невозможно.

Майское обновление Google частично решило задачу: канал AI Assistant маркирует переходы из ИИ автоматически, без ручных фильтров и UTM. Однако у этого решения есть существенное ограничение, о котором стоит знать.

Главная ловушка: трафик, который теряется по дороге

Google распознаёт переход из нейросети по реферер-заголовку, то есть по информации о том, с какой страницы пришёл пользователь. 

Если ИИ-ассистент открывает ссылку во встроенном браузере приложения или пользователь просто копирует адрес и вставляет его в строку, реферер теряется. Такой визит попадает в «Прямой» трафик и в статистике AI Assistant не учитывается. На мобильных устройствах, где большинство и пользуется голосовыми и чат-ассистентами, это происходит постоянно. Вывод неприятный: реальный объём AI-трафика почти всегда выше того, что показывает аналитика, и судить о канале только по автоматическому каналу GA значит систематически его недооценивать.

Для российского рынка добавляется ещё один слой. Канал AI Assistant в Google Analytics ориентирован на западные сервисы, а «Поиск с Алисой», «Чат с Алисой AI» и GigaChat в эту логику не вписываются. Чтобы видеть переходы из российских нейросетей, нужна либо ручная настройка распознавания источников, либо инструмент, который умеет это делать из коробки. 

Три способа разметить AI-трафик

На практике у маркетолога есть три подхода, и у каждого свои ограничения.

UTM-метки. Самый очевидный путь: помечать ссылки, которые вы сами размещаете, UTM-параметрами. Работает только для тех ссылок, которые вы контролируете, то есть для собственных публикаций и каналов. Когда нейросеть цитирует ваш сайт сама, UTM там не будет. Плюс важная оговорка: некоторые площадки публикации запрещают UTM-метки в ссылках, так что этот способ не универсален.

Распознавание по реферерам. Настройка кастомной группировки каналов, когда вы вручную перечисляете домены ИИ-сервисов (chatgpt.com, perplexity.ai, gemini.google.com и так далее) и собираете их в отдельный сегмент. Гибче, чем UTM, и не зависит от того, ваша это ссылка или нет. Но список приходится поддерживать руками, и он не закрывает проблему потерянного реферера, описанную выше.

Специализированные платформы. Инструменты, которые изначально заточены под AI-трафик: они распознают переходы из нейросетей, включая российские, ведут собственный список источников и достраивают картину там, где GA теряет данные. Это самый полный путь, но к нему есть отдельное требование, без которого все цифры теряют смысл, и о нём дальше.

Проблема, о которой молчат: не весь трафик настоящий

Допустим, вы наладили разметку и видите красивый рост переходов из нейросетей. Прежде чем радоваться, стоит задать неудобный вопрос: а сколько из этих визитов вообще люди?

Фон такой. По отчётам Thales и Cloudflare, в 2025 году автоматизированный трафик впервые превысил человеческий и составил больше половины всего веба, а заметная доля ботов классифицируется как вредоносная. Интернет в целом сильно засорён автоматикой, и канал переходов из ИИ не исключение: среди них встречаются индексаторы, парсеры, поведенческие краулеры и прочая синтетика, которая внешне выглядит как визит из нейросети.

Если считать такой трафик результатом GEO-работы, маркетолог обманывает сам себя: отчёт показывает рост, премии выписываются, а живых клиентов за цифрами нет. Особенно обидно это в новом канале, где база ещё мала и каждый бот сильнее искажает процент. По UTM-меткам без дополнительной фильтрации эффект легко переоценить в разы.

Антифрод как стандарт, а не как опция

Отсюда практический вывод: фильтрация ботов и синтетики должна быть не приятным дополнением к инструменту аналитики AI-трафика, а обязательным требованием, наравне с самой разметкой переходов.

Хороший фильтр смотрит на поведенческие признаки сессии: сколько времени визит длился, сколько страниц просмотрено, по какому пути шёл пользователь, не повторяется ли подозрительно один и тот же сценарий, совпадает ли география с заявленным источником. Сессии с признаками автоматизированного поведения помечаются как синтетика и выводятся из отчётности. Только после такой очистки цифра «переходы из нейросетей» начинает отражать реальных людей, а не сумму людей и ботов.

Это и есть зрелый подход к новому каналу: сначала отделить живой трафик от автоматического, и только потом строить на нём выводы об эффективности контента и GEO-стратегии.

Как brandfound строит воронку от упоминания до конверсии

Из российских платформ задачу измерения AI-трафика целиком закрывает brandfound, и здесь стоит показать, как это устроено, потому что подход иллюстрирует ровно те принципы, о которых шла речь выше.

После подключения счётчика Яндекс.Метрики платформа строит воронку: от упоминания бренда в ответе нейросети к реальному визиту на сайт и далее к конверсии. Отдельный модуль AI-трафика показывает, какие нейросети приводят живых посетителей, сколько времени те проводят на сайте, какая доля доходит до целевого действия, и всё это в разрезе девяти систем, включая «Поиск с Алисой», «Чат с Алисой AI» и GigaChat, которые западные инструменты не видят.

Ключевой элемент здесь именно антифрод-детектор. Он отделяет реальные визиты от синтетики по нескольким поведенческим признакам сразу и присваивает каждому визиту вердикт с уровнем уверенности. Без такой проверки, как уже сказано, эффект AI-трафика по UTM-меткам легко переоценить вдвое. На момент написания материала это одна из немногих на российском рынке реализаций антифрода именно для трафика из нейросетей.

Стоит отметить, что такой производственный контур нужен не каждому. Если задача бренда только понять, упоминают ли его нейросети, достаточно аналитики видимости. Модуль трафика с антифродом полезен тем, кто хочет связать присутствие в ответах ИИ с реальными визитами и деньгами, то есть довести GEO от метрики до бизнес-результата.

FAQ

Чем AI-трафик отличается от обычного реферального?

Технически это тоже реферальный переход, но источник у него особый: пользователь приходит не из поисковой выдачи или соцсети, а из ответа нейросети. С мая 2026 года Google Analytics выделяет такие переходы в отдельный канал AI Assistant, но только для западных сервисов и только когда сохраняется реферер.

Почему часть AI-трафика не видна в Google Analytics?

GA распознаёт переход по реферер-заголовку. Если ассистент открывает ссылку во встроенном браузере или пользователь копирует адрес вручную, реферер теряется, и визит попадает в «Прямой» трафик. На мобильных это происходит часто, поэтому реальный объём канала обычно выше того, что показывает аналитика.

Как отслеживать переходы из Алисы и GigaChat?

Канал AI Assistant в GA ориентирован на западные сервисы и российские нейросети отдельно не выделяет. Нужна либо ручная настройка распознавания их доменов, либо специализированный инструмент, который умеет видеть «Поиск с Алисой», «Чат с Алисой AI» и GigaChat из коробки.

Что такое синтетический AI-трафик и почему он опасен?

Это автоматические заходы (индексаторы, парсеры, краулеры), которые внешне похожи на переход из нейросети, но за ними нет живого человека. На фоне того, что больше половины всего веб-трафика сегодня создают боты, такие визиты легко завышают отчётность и создают иллюзию эффекта GEO там, где его нет.

С чего начать измерение AI-трафика?

С минимальной разметки: выделить переходы из нейросетей в отдельный сегмент, хотя бы через кастомную группировку каналов и UTM на собственных ссылках. Следующий шаг это фильтрация ботов, без неё любые выводы о канале будут завышены. А дальше уже можно связывать AI-трафик с конверсиями и оценивать реальную отдачу.

Что в итоге

Переходы из нейросетей перестали быть погрешностью и стали отдельным каналом, который Google официально признал в 2026 году. Но новизна канала оборачивается двумя методологическими ямами: часть трафика теряется по дороге и недооценивается, а часть видимого трафика на деле приходится на ботов и переоценивается. Маркетолог, который замеряет AI-трафик без поправки на оба эффекта, работает с цифрой, оторванной от реальности.

Поэтому требований к измерению канала ровно два: научиться видеть переходы из всех нейросетей, включая российские, и честно отделять живых людей от синтетики. Только после этого рост AI-трафика можно считать тем, чем он и должен быть, новым источником реальных клиентов, а не красивым графиком, за которым стоят боты.