Зачем связывать цитирование с поведением на сайте
Доля цитирования отвечает на вопрос «показывают ли нас». Она не отвечает на вопрос, ради которого всё затевалось: приходят ли из этих ответов люди и оставляют ли заявки. Между этими двумя вопросами лежит разрыв, и закрывать его надо отдельно - в системе аналитики.
Разрыв бывает большим. Нейросетевой ответ по своей природе снимает часть вопросов прямо в выдаче: человек получил объяснение и никуда не пошёл. Поэтому рост цитирования может сопровождаться скромным ростом переходов - и это нормальная картина, а не провал. Но знать реальное соотношение нужно, иначе отчёт строится на половине данных.
Сразу о границе: переходы из нейроответов отслеживаются неполно, и обещать здесь точную цифру нельзя. Часть движков передаёт распознаваемый источник перехода, часть - нет, часть ответов вообще не содержит кликабельной ссылки. Задача сегмента - не посчитать всё до единицы, а получить нижнюю оценку и следить за её направлением.
Пошаговая инструкция
Настройка занимает около часа. Дальше сегмент работает сам, его достаточно открывать при подготовке отчёта.
- Шаг 1 - в Метрике откройте отчёт по источникам и посмотрите список переходов за последние три месяца. Выпишите домены, относящиеся к нейросетевым сервисам и ассистентам. Список у каждого проекта свой, универсального набора нет.
- Шаг 2 - создайте сегмент по условию «источник перехода входит в этот список». Назовите его понятно, например «Переходы из ИИ-ответов», и сохраните - сегмент должен быть общим, а не разовой выборкой.
- Шаг 3 - там, где вы сами размещаете ссылки на площадках, попадающих в нейроответы, размечайте их метками. Это единственная часть трафика, которую вы можете атрибутировать точно.
- Шаг 4 - наложите на сегмент существующие цели по заявкам. Смотреть нужно на подтверждённые обращения, а не на все срабатывания подряд - иначе в отчёт попадут роботы и незавершённые отправки.
- Шаг 5 - зафиксируйте базовые значения на дату настройки: визиты, глубина просмотра, конверсия в заявку по сегменту. Это точка отсчёта, аналогичная базовому замеру цитирования.
- Шаг 6 - при каждом цикле замера снимайте эти же показатели и кладите их в таблицу рядом с долей цитирования. Со временем видно, движутся ли обе величины вместе.
- Шаг 7 - в отчёте всегда указывайте, что данные по этому источнику неполные, и приводите их как нижнюю оценку. Это честнее и защищает от вопроса «почему цифры не сходятся».
Не стройте на этом сегменте решения, пока в нём мало визитов. На малых числах конверсия скачет в разы, и вывод «из ИИ приходят отличные лиды» на десяти визитах не стоит ничего.
Типичные ошибки
- Требуют от сегмента полноты - считают, что он ловит все переходы из нейросетей, и строят на этом расчёт окупаемости. Исправление: всегда подавать как нижнюю оценку, границу проговаривать в отчёте.
- Берут все срабатывания целей подряд - в конверсию попадают роботы и незавершённые отправки, цифра завышается. Исправление: считать по подтверждённым обращениям.
- Выводы на десятке визитов - конверсия по малой выборке скачет случайно и ничего не показывает. Исправление: дождаться накопления, до этого показатель только фиксировать.
- Сегмент создан разовой выборкой - фильтр применили, отчёт посмотрели, ничего не сохранили. В следующий раз условия воспроизводятся заново и уже иначе. Исправление: сохранённый сегмент с фиксированным условием.
- Ждут роста переходов пропорционально росту цитирования - и расстраиваются, когда его нет. Часть ответов закрывает вопрос без перехода, это устройство канала, а не ошибка. Исправление: заранее объяснить это себе и клиенту.
Что проверить в итоге
- Список источников, относящихся к нейросетевым сервисам, собран по своим данным
- Сегмент создан и сохранён, а не применён разовым фильтром
- Свои ссылки на внешних площадках размечены метками
- На сегмент наложены цели по подтверждённым обращениям
- Базовые значения зафиксированы на дату настройки
- Показатели сегмента снимаются в один цикл с замером цитирования
- В отчёте прописано, что данные неполные и приводятся как нижняя оценка
