Как измерить неизмеримое: атрибуция в эпоху генеративного ИИ

Поскольку ChatGPT, Gemini, Claude и другие крупные языковые модели (LLM) всё чаще становятся универсальным местом поиска ответов, маркетологи вступают на новый органический (и потенциально неорганический) рубеж, где трафик исходит из ответов ИИ, а не со страниц результатов поиска.

LLM не только меняют способ, с помощью которого пользователи находят приложения и контент, но и влияют на поведение потребителей. Недавние исследования показывают, что пользователей, взаимодействующих с LLM, отличает более высокий уровень намерений и более эффективная монетизация, в сравнении с пользователями поисковых систем. Разговорный формат воспринимается как ненавязчивая рекомендация, а не как маркетинговая манипуляция, что усиливает намерение пользователя.

Однако это также создаёт и новые проблемы. Как можно влиять, измерять и оптимизировать рекомендации в таких средах?

В этой статье мы разберём, как генеративные ИИ и LLM, такие как ChatGPT, Gemini и Claude, меняют рекомендательные процессы, и что это значит для маркетологов. Вы увидите, какие отрасли оказывают наибольшее влияние на эту трансформацию, почему атрибуция разрушается и как превратить трафик, стимулируемый ИИ, в измеримый рост.

Индустрии c ИИ-ориентированным подходом (AI-First): кто является движущей силой?

LLM-модели уже направляют компаниям реальный трафик, но часто маркетологи об этом не подозревают, поскольку трафик не атрибутирован.

Исходя из этих рыночных тенденций, некоторые отрасли испытывают более глубокое влияние.

• Юридические и финансовые услуги: пользователи задают сложные вопросы, требующие доверия, на которые заточены большие языковые модели.
• Интернет-шопинг: большие языковые модели направляют трафик на сайты розничной и онлайн-торговли в соответствии с информацией, указанной на страницах продуктов. На самом деле, OpenAI только что объявила о внедрении функции оформления заказа в рамках диалога, что может снизить их веб-трафик и позволит завершать транзакцию прямо в рамках чата.
• Здравоохранение и страхование: ИИ становится первым местом, куда пользователи идут за информацией о симптомах, методах лечения и страховании.
• МСБ и SaaS: В ответах ИИ часто рекомендуются приложения, сравниваются продукты и даются инструкции по их использованию.
• Технологии для потребителей: пользователи полагаются на диалоговый ИИ, чтобы узнать побольше о продуктах и получить рекомендации.

Во многих случаях ИИ теперь является более распространённой точкой входа, чем традиционный поиск, при этом некоторые бренды отмечают, что 5–10% трафика приходится на LLM, даже если в аналитике это не указывается.

Проблемы оптимизации для LLM

В отличие от традиционных SEO, влияние LLM сложнее определить и ещё сложнее измерить.

Здесь существует три основные проблемы.

1. Отсутствие возможности ранжирования. Вы не можете «проверить рейтинг» ответа, выданного ChatGPT. Невозможно узнать, как часто вас упоминают.
2. Непоследовательное использование ссылок. Некоторые модели включают ссылки в свои ответы, а некоторые нет. Некоторые модели используют ваш контент в перефразированном виде, но не указывают источник.
3. Неработающая атрибуция. Многие клики по ответам от ИИ отображаются, как органический трафик, не показывая в аналитических инструментах истинный источник.

Совокупность всех этих пробелов проводит к тому, что оптимизация ИИ – это работа вслепую.

Как измерить влияние ИИ 

Чтобы преодолеть эти трудности, брендам необходимо адаптировать свои стратегии контента и измерения.

• Пишите для ИИ. Отдавайте приоритет кратким и чётким ответам. Используйте вопросы, резюме и маркированные списки. Повторяйте ключевые слова несколько раз. Оформляйте свой контент так, чтобы его было удобно цитировать вне контекста. Эффективными форматами являются сводка по тарифам, подробное описание интеграции, предложение пробного периода, демонстрация продукта, страница со сравнением и т. д.
• Выполняйте проактивное отслеживание с помощью UTM-тегов. Используйте параметры UTM в URL-адресах, которые, вероятно, будут использоваться ИИ, таких как форумы, документы, контент партнёров и общедоступные базы знаний.
• Решайте проблемы с недостаточностью данных с помощью потока атрибуции web-to-app. Превращайте невидимые клики в измеримые инсайты. Если вы можете атрибутировать пользователей в вашем приложении или на веб-сайте к взаимодействию с LLM, вы сможете понимать и оптимизировать путь пользователя на основе действий в нижней части воронки.
• Используйте диплинки, где это возможно, в ваших собственных и заработанных медиа: LLM собирают данные из социальных сетей и по всему интернету. Когда вы размещаете ссылки в этих местах, проверяйте, чтобы они вели в приложение. Например, если у пользователя есть приложение, он получит контекстуальный и бесшовный опыт, благодаря чему повышается вовлеченность и конверсия. Примеры включают ваш веб-сайт, ссылки на группы в соцсетях, видео на YouTube, кампании с участием блогеров, реферальные программы, партнёрские ссылки, описание профиля и многое другое.
  

Примечание: диплинкинг может быть сложным процессом, поэтому обязательно используйте подходящий для этого инструмент (подробнее об этом в следующем разделе).

• Используйте разметку схемы веб-сайта: Структурированные данные помогают LLM правильно понимать и цитировать ваш контент. Например, добавление разметки Schema.org (FAQPage или Product) в формате JSON-LD может повысить частоту упоминания сайта в ответах, сгенерированных ИИ.

👉 Этот тег нужно размещать в HTML вашего сайта – обычно в <head> или в нижней части <body>.

Пример:

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [{
    "@type": "Question",
    "name": "What is the best budgeting app for freelancers?",
    "acceptedAnswer": {
      "@type": "Answer",
      "text": "BudgetPro helps freelancers manage cash flow, taxes, and savings through smart automation."
    }
  }]
}
</script>

OneLink от AppsFlyer: что это и как это вам поможет?

OneLink является решением от AppsFlyer для диплинкинга и перенаправления. Это решение сложной проблемы: выбор из множества вариантов комбинаций того, где разместить ссылку в Интернете и что происходит, когда на неё кликают, что зависит от таких факторов, как платформа, версия ОС, браузер, приложение и т. д. 

Например, некоторые браузеры открывают приложения напрямую, в то время как для других требуется резервный вариант. Например, для вашего приложения вы можете выбрать схему, когда существующие пользователи открывают приложение напрямую, а новые пользователи переходят в магазин приложений. Вам нужно различать эти две группы.

OneLink извлекает эту логику и гарантирует, что после того, как на ссылку кликнут, она будет работать при любых условиях. Кроме того, эта технология измеряет параметры, которые вы установили для ссылки при её создании. Вот почему это отличный вариант для решения проблем с LLM:

• вы с помощью диплинков перенаправляете в приложение как можно больше пользователей;
• при этом вы измеряете результаты перехода пользователей web-to-app.

Перенаправляйте пользователей в приложение с помощью OneLink ВЕЗДЕ

Вам нужно, чтобы ИИ использовал ваши диплинки. Основная причина заключается в том, что вы бесплатно получаете высококачественный трафик, без дополнительных переходов на пути пользователя. Для этого вам следует публиковать в открытом доступе свои ссылки на любом собственном или заработанном медиаканале. Это может быть, например, ваш веб-сайт, ссылка на группы в соцсетях, кампания с участием блогеров, реферальная программа и ссылка, которой вы делитесь с аффилированными лицами, описание профиля и тому подобное.

Когда вы используете OneLink здесь, вы создаёте такую ситуацию, что независимо от того, кем является пользователь, который кликнул по ссылке, и где она размещена, ссылка работает именно так, как и должна. Это может быть запуск приложения (оптимально) или установка приложения с последующим переходом к контенту в приложении на основе значения отложенного диплинка. Это ещё один параметр, который содержит ссылка и который передаётся обратно в приложение после установки, чтобы приложение могло адаптировать опыт пользователя при первом запуске.

В целом, LLM предпочитают OneLink из-за надёжности, которая делает эту технологию предпочтительной в сравнении с простыми ссылками iOS Universal Link и URI-схемами. Благодаря OneLink появляется возможность работать с несколькими вариантами развития событий.

Web-to-app с OneLink: из упоминаний ИИ в измеримые конверсии

OneLink от AppsFlyer также решает проблему атрибуции для трафика, сгенерированного ИИ, в потоках web-to-app, которые очень часто встречаются в индустрии приложений.

Вот, как это работает:

1. Пользователь обращается к ИИ-ассистенту за рекомендацией. Например, «Какое приложение для личных финансов лучше всего подходит фрилансерам?» LLM включает в свой ответ вашу ссылку.
   

Входящий URL-адрес: https://ваш.вебсайт.com?utm_source=chatgpt.com

2. Пользователь кликает по ссылке. OneLink использует смарт-скрипт илисмарт-баннер на вашем сайте для превращения параметров входящего URL-адреса в ссылку атрибуции и размещает её в OneLink, для которой не важна платформа, тип браузера и ОС.

Сгенерированная ссылка OneLink: https://вашеприложение.onelink.me?pid=chatgpt

3. После того, как пользователь кликнет по ссылке OneLink, она:
   
   • направляет существующих пользователей непосредственно в приложение к определённому контенту в приложении на основе их поисковых запросов для LLM;
     
   • направляет новых пользователей в правильный магазин приложений, определяя их устройство, ОС, браузер и платформу;
     
   • измеряет источник, который привёл пользователя к установке или запуску приложения, в данном случае, инструмент LLM.

Эти данные доступны в отчётах о сырых данных AppsFlyer и могут использоваться для анализа и оптимизации. Теперь вы можете проанализировать свою воронку, сравнить эффективность LLM с другими LLM или с другими собственными и заработанными каналами, а затем инвестировать ресурсы туда, где это имеет смысл.

Выводы

LLM быстро становятся новым способом доступа к контенту, приложениям и продуктам. Однако они также создают неопределённость в плане анализа данных, источника трафика и намерений пользователей.

Чтобы достижения успеха, маркетологам необходимо:

• относиться к LLM, как к новому органическому каналу;
• использовать диплинки и решение для диплинкинга, чтобы измерять их эффективность;
• использовать структурированный контент и разметку схемы;
• добавлять к ссылкам, которые может обнаружить ИИ, UTM-теги.

Генеративные ИИ развернулись в полной мере. С правильными настройками вы можете перестать угадывать, начать измерять и оптимизировать критически важную часть вашего бизнеса.