AI 渠道归因实操
90 天路线图的贯穿主线里定了双轨 KPI 的原则：品牌层看趋势、业绩层只认硬归因。本页讲落表——分析工具里建什么分组、UTM 怎么约定、CRM 里加什么字段、没有流量记录的转化怎么归、报表按什么口径出。目标只有一个：让“AI 渠道到底值不值”不再靠体感和争论，而是靠一张可对账的表。
双轨为什么必须分开记：三个数字拼出的图景
单轨必错的原因是三条证据同时成立。第一，点击侧在漏：有 AI 摘要时自然结果点击率 8%、无摘要 15%，点摘要内链接的仅约 1%，约 26% 的访问看到摘要直接结束会话（Pew 2025-07 实测口径，数据卡）——信息类查询的点击链路被摘要接管。第二，回流的质量高：AI 引荐流量的转化价值约为自然搜索的 4.4 倍、转化率约 15.9%（Seer 服务商单源口径，数据卡）。第三，盘子小且在涨：Similarweb 监测 AI 平台引荐访问超 11 亿次/月、同比 +357%，而 Ahrefs 测算 AI 工具仅占网站总引荐流量约 0.1%（厂商监测与测算口径，数据卡）。
三件事合起来的管理结论：用访问量考核 AI 渠道，会因为它绝对量小而错杀；只看品牌层可见度，又说不清投入产出。所以分两轨记账——品牌层记提及率、引用率、AI SOV 的月度曲线（可见度即资产，机制见零点击卡）；业绩层只认可对账的硬动作：引荐会话、询盘、留资、订单。两本账各自有报表位，不互相冒领功劳。两轨各答一个管理层的问题：品牌层答“AI 的答案世界里有没有我们、占多大声音”，业绩层答“这套投入换回了多少可对账的生意”——前者是先行指标，后者是滞后验证，中间隔着引擎重抓与用户决策的时滞。
引用 4.4 倍这条证据时预埋三道护栏：它不是收入预测的基数——倍数是结构判断，拿它乘现有自然搜索规模画增长曲线，等于假设了一个不存在的等比关系；它不是全渠道的平均质量——引荐质量随来源场景分化，从“如何挑选”类答案进来的用户与顺手点进来的用户意图完全不同，分组到来源产品层看自家数据的分化，比跨渠道平均更有管理价值；它也不能反过来否定点击侧的损失——补偿不等于替代，这个前提在下一节展开。
流量侧归因：渠道分组、UTM、落地承接
渠道分组是业绩层的第一步：在分析工具里把各家 AI 平台的引荐从 direct 与杂项里拆出来，分组细到“来源产品”这一层——不同 AI 产品、不同问法带来的引荐意图差异很大，自家数据内部的分化比跨渠道平均更有管理价值。分组落地后给 AI 渠道配独立的转化目标与归因窗口，跑出自家的转化率与价值倍数：自证的数据哪怕样本小，说服力也高于转述的外部单源数字。
UTM 是分组之内的第二层刻度，用于分清“哪个内容动作带来了这次引荐”。约定一套并写死：utm_source 记平台名，utm_medium 统一为 ai-referral 一类的固定值，utm_campaign 记活动或选题。纪律只有一条——约定一经执行就是口径，中途变更等于断代，规则变更要像提示词集变更一样留版本记录。落表字段清单汇总如下：
| 层 | 字段或分组 | 取值约定 | 常见错误 |
|---|---|---|---|
| 分析工具 | AI 渠道分组 | 按来源产品拆分，从 direct／杂项中独立 | 混在“其他”里不可拆 |
| 出站链接 | utm_source／medium／campaign | 平台名／ai-referral 固定值／活动或选题 | 各渠道自由发挥，规则漂移 |
| 表单与到店 | 来源选项字段 | 枚举含主流 AI 平台名 | 选项只有“搜索引擎／朋友推荐” |
| CRM／工单 | 首触来源字段 | 录入规范写入销售与客服流程 | 字段存在但无人填写 |
| 报表 | 声称列与复验列 | 并排呈现、永不合并 | 调研数冲抵分组数 |
要诚实标出 UTM 这条手段的边界：UTM 只能标注你发出去的链接，用户在 AI 答案里看到的引用链接不受你控制，referrer 缺失是常态而非异常——所以流量侧记账永远只覆盖业绩层的一部分，剩下的靠下一节兜底。
落地承接决定转化率的读数成色。排查 AI 渠道转化异常时的顺序是固定的：先查归因配置与渠道分组有没有漏记，再查落地页与用户问题的对位程度，最后才怀疑渠道本身——前两项的出错频率在实践中远高于第三项。报表上把“AI 引荐占比”与“AI 引荐转化率”两条线并排画：前者看盘子、后者看质量，任何一条单独走高走低，先回配置上找原因再解读；周级别的转化数字噪声很大，看月度趋势。
无流量归因：CRM 源字段与订单调研
零点击环境下，大量转化绕过链接发生：用户在答案里被点拨，转头直接搜品牌名、直接输域名、直接到店——这些动作在流量报表里全部记不到 AI 头上。硬归因漏记的部分，用三个兜底动作接住：
- CRM 与工单加首触来源字段：枚举值里加“AI 助手”并细到主流产品名；录入规范写进销售与客服流程——问一句“你从哪里了解到我们”并如实选填。
- 询盘表单与到店登记加来源选项：表单里“您如何得知本店／本产品”的选项清单补上 AI 平台；到店场景由前台或导购在登记时勾选。
- 订单调研抽样：对成单客户做来源问卷，按季度滚动；中间信号另配一条——品牌搜索量的变化（品牌搜索量与 AI 引用的相关性约 0.33-0.47，Ahrefs 厂商研究口径，数据卡），不能当因果，可当 AI 曝光之后的行为回声。
兜底动作再多，也替代不了品牌层的上游建设：补偿成立的前提是引荐与提及发生，可见度做不好，高质量的回流根本没有入口——两轨是上下游关系，不是二选一，这也是“用业绩层好读取消品牌层投入”是误用的原因。到店类业务的完整落表过程见案例栏的到店归因案例（案例栏同期上线）。要立一条呈现纪律：表单与调研拿到的是“用户声称”，渠道分组拿到的是“系统复验”——声称率天然高于复验率，两列并排放、永远不合并成一个数；选项措辞会显著影响声称率，措辞变更同样留版本记录。
报表口径：null≠0、声称与复验分列、月度对账
业绩层报表沿用AI 监测报表模板的固定结构与三条规范，翻译到归因场景：
- null≠0：某渠道当月没有记录到引荐，写”—（未记到）“，不写 0——没记到可能是分组漏配或 referrer 缺失，不是”没有引荐”；把缺失写成零，报表会自己制造趋势。
- 声称与复验分列：调研列与分组列并排，差异本身是有用信息——声称远高于复验，说明 referrer 缺口大，兜底动作要加码。
- 归因模型写死：最后点击还是参与归因、窗口设多长，在建表之初定死并全年不动——模型一换，倍数可以差出数倍，前后数字失去可比性。
- 月度对账：业绩层数字进月度复盘的归因表，与品牌层曲线同场过；考核 AI 渠道用转化效率与线索质量，不用访问量——这是 4.4 倍那条证据唯一正确的用法：框架校准器，不是业绩承诺书。
限制自曝
- AT-01：本页为站方方法组织，分组与字段设计为站方演绎，无独立实验数据支撑；各家分析工具的具体配置路径以工具文档为准；
- AT-02：4.4 倍与 15.9% 为 Seer 服务商单源口径（代理商自报、无第三方证实），仅用于框架校准，不做收入预测基数；
- AT-03：8% 对 15% 为 Pew 2025-07 的全样本平均，自有品类的冲击幅度需用自家搜索后台数据重估；
- AT-04：表单与调研来源属用户声称口径，存在回忆偏差与社会期许偏差，本页只给分列纪律，不试图消除偏差；
- AT-05：UTM 与 referrer 机制随 AI 产品形态演变（如应用内跳转、深链），本页约定需按年复核。
如何引用本页
引用本页配置方案时，文中数字请连同数据卡口径限定一起引用；本页 URL：https://www.showhoo.net/library/playbook/ai-attribution/