Metrik Prestasi AI: Tujuh KPI Yang Perlu Dijejak Oleh Setiap Jenama
Mengapa AI Memerlukan Metriknya Sendiri
Perdagangan agen adalah saluran baru. Apabila pengguna bertanya kepada ChatGPT untuk cadangan produk atau Perplexity untuk perbandingan perkhidmatan, tiada “halaman pertama” untuk mendapat kedudukan. Yang ada hanyalah petikan, ringkasan, atau langsung tiada apa-apa. Jenama anda sama ada muncul dalam jawapan yang dijana oleh AI, atau ia tidak wujud dalam perbualan tersebut.
Saluran ini memerlukan laporan prestasi tersendiri - sama seperti anda mempunyai laporan untuk berbayar, organik, sosial dan e-mel.
Di WISLR, kami telah meluangkan banyak masa menyelidik dan membangunkan metrik yang penting untuk saluran baru ini. KPI yang menjejak penemuan dipacu AI pada asasnya berbeza daripada apa-apa dalam papan pemuka sedia ada anda. Ia mengukur sama ada sistem AI boleh mengakses kandungan anda, sama ada ia memetik kandungan anda, dan sama ada keterlihatan itu bertukar menjadi hasil.
Tujuh KPI di bawah mewakili rangka kerja kami untuk membina laporan saluran AI - dari saat bot merangkak laman anda hingga saat pelanggan menukar. Ini adalah laporan yang sepatutnya dibina oleh setiap jenama bersama laporan prestasi saluran sedia ada mereka.
Tujuh Petunjuk Prestasi Utama
Tujuh metrik ini membentuk pandangan corong penuh prestasi AI - dari infrastruktur hingga hasil. Mari kita pecahkan setiap satu.
1. Kadar Rangkak Bot AI
Apa yang diukur: Peratusan halaman anda yang berjaya diakses dan diproses oleh perangkak AI (GPTBot, ClaudeBot, PerplexityBot, dll.) untuk data latihan.
Ini adalah metrik asas. Jika bot AI tidak dapat merangkak kandungan anda, halaman anda tidak akan muncul dalam data latihan.
Cara menjejaknya:
- Pantau log pelayan untuk ejen pengguna khusus AI (GPTBot, anthropic-ai, PerplexityBot, Bytespider)
- Bandingkan jumlah halaman yang boleh dirangkak berbanding halaman yang benar-benar dirangkak bagi setiap bot
- Jejak trend kekerapan rangkakan dari masa ke masa
Apa yang kelihatan baik: Halaman bernilai tinggi (halaman produk, kandungan tiang, halaman kategori) sepatutnya menunjukkan aktiviti rangkakan yang konsisten daripada bot AI utama.
Isu biasa: Peraturan robots.txt yang terlalu ketat, kandungan yang dipaparkan melalui JavaScript yang tidak kelihatan kepada bot, kegagalan pemaparan sisi pelayan, dan masa respons halaman yang perlahan yang menyebabkan perangkak meninggalkan permintaan.
2. Kadar Ambilan AI
Apa yang diukur: Kekerapan jenama atau kandungan anda dipetik, dirujuk, atau dipaparkan dalam respons yang dijana oleh AI.
Rangkakan adalah perlu tetapi tidak mencukupi. Kadar ambilan menangkap sama ada sistem AI benar-benar menarik kandungan anda ke dalam jawapan mereka. Ini adalah setara AI bagi “bahagian impresi” - betapa kelihatannya anda apabila pertanyaan berkaitan ditanya.
Cara menjejaknya:
- Pantau log pelayan untuk ejen pengguna khusus ambilan AI, yang membawa tandatangan berbeza daripada bot yang digunakan untuk rangkakan dan latihan
- Bezakan antara permintaan rangkak (pengumpulan data latihan) dan permintaan ambilan (pengambilan kandungan masa nyata untuk menghasilkan jawapan)
- Jejak kekerapan ambilan dan halaman mana yang ditarik ke dalam respons AI secara langsung
Apa yang kelihatan baik: Mengekalkan atau meningkatkan permintaan ambilan daripada perbualan pengguna masa nyata dari masa ke masa, menunjukkan bahawa platform AI secara aktif menarik kandungan anda untuk menjawab pertanyaan langsung.
Isu biasa: Kandungan yang nipis yang tidak memberikan isyarat yang mencukupi untuk AI memetik, data berstruktur yang tiada yang menghalang atribusi yang tepat, dan kandungan pesaing yang lebih dioptimumkan untuk penggunaan AI.
3. Kadar Trafik Rujukan AI
Apa yang diukur: Jumlah dan peratusan pelawat laman web yang tiba dari platform AI.
Di sinilah keterlihatan AI mula diterjemahkan kepada kesan perniagaan. Apabila sistem AI memetik kandungan anda dengan pautan, pengguna mengklik untuk melawat. Menjejak trafik ini secara berasingan daripada carian organik memberi anda gambaran yang jelas tentang sumbangan langsung AI.
Cara menjejaknya:
- Analisis log pelayan dan pengepala rujukan HTTP untuk trafik yang berasal dari platform AI (chat.openai.com, perplexity.ai, gemini.google.com)
- Segmenkan trafik rujukan AI daripada carian organik dan trafik langsung menggunakan data perujuk
- Jejak jumlah rujukan AI sebagai peratusan jumlah trafik laman dari masa ke masa
Apa yang kelihatan baik: Bahagian trafik rujukan yang semakin meningkat daripada platform AI yang kelihatan dalam log pelayan dan data pengepala rujukan anda.
Isu biasa: Jurang atribusi apabila platform AI tidak menghantar data perujuk, dan trafik yang salah dikategorikan yang digabungkan ke dalam baldi “langsung” atau “lain” dalam log anda.
4. Kadar Penukaran AI
Apa yang diukur: Peratusan pelawat yang dirujuk oleh AI yang menyelesaikan pembelian atau tindakan yang diingini.
Alat analitik tingkah laku semasa mempunyai titik buta apabila berkaitan dengan trafik yang dirujuk oleh AI. Sesi mungkin tidak membawa data perujuk secara konsisten, dan model atribusi tradisional tidak dibina untuk saluran ini. Itulah sebabnya tempat terbaik untuk membangunkan metrik ini adalah dalam log pelayan anda sebagai penunjuk utama, kemudian rujuk silang dengan data transaksi daripada sistem pengurusan pesanan anda jika boleh.
Cara menjejaknya:
- Gunakan data log pelayan untuk mengenal pasti sesi yang berasal daripada pengepala rujukan AI
- Rujuk silang sesi yang dirujuk AI dengan rekod transaksi dalam sistem pesanan anda
- Bandingkan corak penukaran daripada trafik yang dirujuk AI dengan saluran lain menggunakan data log dan pesanan
Apa yang kelihatan baik: Bilangan transaksi yang semakin meningkat yang boleh dijejak kembali ke sesi rujukan AI dalam log anda, dengan data pesanan mengesahkan pembelian yang selesai.
Isu biasa: Data perujuk yang tidak lengkap menjadikan sukar untuk mengaitkan sesi dengan penukaran, jurang antara data log dan rekod sistem pesanan, dan kekurangan pandangan bersepadu merentas log pelayan dan sistem transaksi.
5. Kadar Troli-ke-Beli AI
Apa yang diukur: Kadar penyelesaian pembayaran khusus untuk pelawat yang tiba melalui rujukan AI.
Tiada alat analitik sedia ada yang membahagikan ini dengan pasti hari ini. Anda perlu membina penjejakan anda sendiri dengan menyambungkan data rujukan AI daripada log pelayan anda ke acara troli dan pembayaran dalam sistem pesanan anda. Ini memberi anda ketepatan dan keyakinan yang tidak dapat ditandingi oleh papan pemuka pra-bina sekarang.
Cara menjejaknya:
- Tandakan sesi yang dirujuk AI dalam log pelayan anda menggunakan data pengepala rujukan
- Padankan sesi tersebut dengan acara penciptaan troli dan penyelesaian pembayaran dalam sistem pesanan anda
- Kira nisbah troli-ke-beli untuk sesi yang dirujuk AI berbanding sumber trafik lain
Apa yang kelihatan baik: Sesi yang dirujuk AI menyelesaikan pembayaran pada kadar yang setanding dengan saluran terkuat anda, disahkan melalui saluran paip data log-ke-pesanan anda sendiri.
Isu biasa: Kesukaran mengekalkan kesinambungan sesi antara data log dan rekod pesanan, percanggahan harga atau ketersediaan antara apa yang dipetik oleh AI dan apa yang sebenarnya dalam troli, dan usaha manual yang diperlukan untuk membina dan mengekalkan penjejakan ini sebelum alat vendor menyusul.
6. Hasil daripada AI
Apa yang diukur: Jumlah hasil yang boleh dikaitkan dengan penemuan dipacu AI, termasuk atribusi langsung (klik terakhir) dan berbantuan (sentuhan pelbagai).
Ini adalah metrik barisan bawah. Ia menjawab soalan yang setiap eksekutif tanya: “Apakah nilai sebenar keterlihatan AI kepada kita dalam ringgit?”
Cara menjejaknya:
- Bina saluran paip yang menyambungkan log pelayan anda (aktiviti ambilan bot AI dan sesi rujukan AI) ke sistem pengurusan pesanan atau transaksi anda
- Padankan sesi yang dirujuk AI yang dikenal pasti dalam log dengan pembelian yang selesai dan nilai ringgitnya dalam data pesanan anda
- Segmenkan hasil mengikut sumber AI jika boleh (platform AI yang berbeza meninggalkan tandatangan rujukan yang berbeza)
Apa yang kelihatan baik: Nombor hasil yang semakin meningkat dan boleh disahkan yang dikaitkan secara langsung dengan sesi yang dirujuk AI, dirujuk silang dengan sistem pesanan anda supaya data tahan terhadap penelitian. Hasil setiap lawatan yang dirujuk AI yang bersaing dengan saluran lain.
Isu biasa: Infrastruktur untuk menyambungkan data log ke rekod transaksi tidak wujud secara sedia ada - anda perlu membinanya. Serah terima sesi antara pengenalpastian log dan penyelesaian pesanan boleh kehilangan data, dan tiada alat standard industri lagi. Ini adalah metrik yang akan anda perbaiki dari masa ke masa apabila penjejakan anda matang.
7. Jumlah Produk dengan Kandungan Pelbagai Modal
Apa yang diukur: Peratusan katalog produk anda yang mempunyai kandungan pelbagai modal yang komprehensif - video, imej, dan penerangan teks - yang dioptimumkan untuk penggunaan AI.
Metrik ini melangkaui asas teknikal. Platform AI semakin memihak kepada halaman produk yang kaya kandungan apabila membuat cadangan, tetapi untuk sampai ke sana memerlukan koordinasi rapat antara pasukan teknikal dan pasukan kandungan anda. Produk yang hanya mempunyai penerangan teks asas akan kalah kepada pesaing yang melabur dalam demo video, pelbagai sudut imej, jadual perbandingan, dan spesifikasi berstruktur. Ini adalah inisiatif strategi kandungan sama seperti ia adalah inisiatif teknikal - pasukan kandungan anda perlu menjadi sebahagian daripada perancangan, pengeluaran, dan penentuan keutamaan.
Cara menjejaknya:
- Audit katalog produk anda untuk kelengkapan kandungan merentas semua jenis kandungan: penerangan bertulis, imej produk, video, dan spesifikasi berstruktur
- Bina model pemarkahan dengan pasukan kandungan anda yang menilai kesediaan pelbagai modal setiap produk - ini memberi kedua-dua pemegang taruh teknikal dan kandungan bahasa bersama untuk penentuan keutamaan
- Jejak peratusan liputan dari masa ke masa dan kaitkan pencapaian penambahbaikan dengan kalendar pengeluaran kandungan
Apa yang kelihatan baik: SKU keutamaan (penjual tertinggi, margin tertinggi) mempunyai kandungan pelbagai modal yang lengkap dahulu, dengan peta hala tuju untuk mengembangkan liputan merentas katalog aktif. Pasukan kandungan dan teknikal sejajar tentang apa yang dimaksudkan dengan “lengkap” untuk setiap jenis produk.
Isu biasa: Import produk pukal dengan penerangan minimum yang tidak pernah diperkaya, pasukan kandungan yang tidak dimasukkan dalam matlamat keterlihatan AI, tiada aliran kerja bersama antara pasukan teknikal dan pengeluaran kandungan, teks alt yang tiada pada imej produk, dan tiada kandungan video untuk produk yang mendapat manfaat daripada demonstrasi.
Membina Rangka Kerja Pengukuran AI Anda
Tujuh metrik ini tidak dimaksudkan untuk dijejak secara berasingan. Ia membentuk satu corong:
- Infrastruktur (Kadar Rangkak Bot) - Bolehkah AI mengakses kandungan anda?
- Keterlihatan (Kadar Ambilan) - Adakah AI memetik kandungan anda?
- Trafik (Kadar Trafik Rujukan) - Adakah pengguna mengklik dari AI?
- Tindakan (Kadar Penukaran + Kadar Troli-ke-Beli) - Adakah pelawat menukar?
- Hasil (Hasil daripada AI) - Apakah kesan dalam ringgit?
- Kesediaan (Kandungan Pelbagai Modal) - Adakah anda bersedia untuk apa yang seterusnya?
Jika kadar rangkak bot anda rendah, memperbaiki pengoptimuman kadar penukaran tidak akan membantu. Jika kadar ambilan anda kuat tetapi trafik rujukan lemah, masalahnya berkemungkinan dalam cara platform AI memautkan kembali kepada anda. Corong ini memberitahu anda di mana untuk memberi tumpuan.
Mulakan Dengan Apa Yang Boleh Anda Ukur Hari Ini
Anda tidak memerlukan sistem atribusi yang sempurna untuk bermula. Mulakan dengan analisis log pelayan untuk kadar rangkak bot dan pembahagian sumber rujukan dalam analitik sedia ada anda. Dua metrik ini sahaja akan memberitahu anda sama ada platform AI mengakses kandungan anda dan menghantar trafik kepada anda.
Apabila pengukuran anda matang, tambahkan lapisan pemantauan kadar ambilan, pembahagian penukaran, dan atribusi hasil. Jenama yang mula mengukur sekarang akan mempunyai data garis asas berbulan-bulan apabila pesaing mereka masih memikirkan dari mana hendak bermula.
Metrik Ini Sukar Ditangkap Sendiri
Realitinya ialah kebanyakan KPI ini belum mempunyai alat sedia ada. Membina saluran paip log, menyambungkannya ke data pesanan, dan mengekalkan penjejakan memerlukan usaha kejuruteraan yang sebenar - dan kebanyakan jenama tidak mempunyai jalur lebar dalaman untuk memulakan dari kosong.
Pasukan WISLR telah membina sistem untuk mengaktifkan metrik ini bagi jenama, supaya anda tidak perlu bermula dari sifar. Jika anda mahu bantuan untuk menyediakan rangka kerja pengukuran ini, kami akan membincangkan apa yang mungkin untuk persediaan anda.
Ingin tahu jika bot AI benar-benar boleh merangkak laman anda? Panduan Kesediaan AEO kami mengaudit infrastruktur teknikal anda - pemaparan JavaScript, markup skema, halaman hantu, dan banyak lagi - supaya anda boleh membetulkan asas sebelum mengoptimumkan corong.
Soalan Lazim
Apakah metrik yang tidak dijejak oleh alat analitik standard untuk trafik yang dipacu AI?
Alat analitik standard seperti Google Analytics tidak membahagikan trafik yang dirujuk AI daripada lawatan organik atau langsung secara boleh dipercayai. Secara khusus, ia terlepas kadar rangkak bot AI (yang memerlukan analisis log pelayan untuk ejen pengguna seperti GPTBot, ClaudeBot dan PerplexityBot), kadar ambilan AI (yang menggunakan tandatangan ejen pengguna berbeza daripada perangkak latihan), dan kadar penukaran serta kadar troli-ke-beli khusus AI (yang memerlukan penyambungan data rujukan log pelayan dengan rekod sistem pengurusan pesanan). Tujuh KPI ini - kadar rangkak bot, kadar ambilan, kadar trafik rujukan, kadar penukaran, kadar troli-ke-beli, hasil daripada AI dan liputan kandungan pelbagai modal - perlu dibina daripada log pelayan dan data transaksi, bukan papan pemuka sedia ada.
Bagaimana kadar ambilan AI berbeza daripada kadar rangkak bot AI?
Kadar rangkak bot AI mengukur berapa banyak halaman anda yang berjaya diakses oleh perangkak AI untuk data latihan. Ini adalah metrik asas untuk menentukan sama ada kandungan anda memasuki pengetahuan LLM. Kadar ambilan AI mengukur kekerapan sistem AI mengambil kandungan anda secara masa nyata untuk menjana jawapan semasa perbualan pengguna langsung. Kedua-duanya menggunakan tandatangan ejen pengguna yang berbeza dalam log pelayan: permintaan rangkak mengumpul data latihan, manakala permintaan ambilan menarik kandungan ke dalam respons aktif. Kadar rangkak yang tinggi dengan kadar ambilan yang rendah bermakna kandungan anda berada dalam data latihan tetapi tidak dipetik apabila pengguna bertanya soalan yang berkaitan.
Bagaimana anda menjejak hasil daripada trafik rujukan AI apabila tiada alat sedia ada?
Anda membina saluran paip tersuai yang menyambungkan tiga sumber data: log pelayan (untuk mengenal pasti sesi yang dirujuk AI melalui pengepala rujukan HTTP daripada platform seperti chat.openai.com, perplexity.ai dan gemini.google.com), sistem pengurusan pesanan anda (untuk memadankan sesi tersebut dengan pembelian yang selesai dan nilai ringgitnya), dan pembahagian tandatangan rujukan (untuk mengaitkan hasil kepada platform AI tertentu). Saluran paip ini menggantikan peranan atribusi yang dimainkan oleh alat seperti Google Analytics untuk saluran berbayar dan organik. Infrastruktur ini tidak wujud secara sedia ada. Ia memerlukan usaha kejuruteraan untuk menyambungkan data log dengan rekod transaksi dan mengekalkan kesinambungan sesi melalui proses pembayaran.
Apakah susunan yang betul untuk membina laporan prestasi saluran AI?
Tujuh KPI ini membentuk corong yang perlu diukur secara berurutan: infrastruktur (kadar rangkak bot AI), keterlihatan (kadar ambilan AI), trafik (kadar trafik rujukan AI), tindakan (kadar penukaran AI dan kadar troli-ke-beli), hasil (hasil daripada AI), dan kesediaan (liputan kandungan pelbagai modal). Susunan ini penting kerana masalah di bahagian atas corong menjadikan metrik di bahagian bawah tidak relevan. Jika kadar rangkak bot anda rendah, mengoptimumkan kadar penukaran tidak akan membantu. Mulakan dengan analisis log pelayan untuk kadar rangkak bot dan pembahagian sumber rujukan, kemudian tambah pemantauan kadar ambilan, pembahagian penukaran dan atribusi hasil apabila pengukuran anda semakin matang.
Apakah yang membezakan trafik rujukan AI daripada trafik carian organik dalam log pelayan?
Trafik rujukan AI tiba daripada domain platform tertentu seperti chat.openai.com, perplexity.ai dan gemini.google.com dan dikenal pasti melalui pengepala rujukan HTTP dalam log pelayan anda, bukan melalui corak rujukan enjin carian tradisional. Berbeza dengan trafik carian organik, trafik rujukan AI sering dikategorikan secara salah sebagai “langsung” atau “lain” dalam analitik standard kerana platform AI tidak selalu menghantar data perujuk secara konsisten. Satu-satunya cara yang boleh dipercayai untuk membahagikan trafik rujukan AI adalah melalui analisis log pelayan bagi pengepala rujukan, itulah sebabnya metrik ini tidak boleh diukur dengan tepat menggunakan alat analitik tingkah laku sahaja.
Mengapa liputan kandungan pelbagai modal penting untuk keterlihatan AI?
Platform AI semakin memihak kepada halaman produk yang kaya kandungan apabila menjana cadangan. Produk yang hanya mempunyai penerangan teks asas akan kalah kepada pesaing yang mempunyai demo video, pelbagai sudut imej, jadual perbandingan dan spesifikasi berstruktur. Liputan kandungan pelbagai modal mengukur peratusan katalog produk anda yang mempunyai kandungan komprehensif - video, imej dan teks - yang dioptimumkan untuk penggunaan AI. Ini adalah metrik teknikal dan strategi kandungan sekaligus. Ia memerlukan koordinasi antara pasukan teknikal (untuk data berstruktur dan pemaparan) dan pasukan kandungan (untuk pengeluaran dan penentuan keutamaan), dengan keutamaan diberikan kepada SKU penjual tertinggi dan margin tertinggi dahulu.