Measuring the unmeasurable: Attribution in the age of GenAI

摘要

随着ChatGPT、Gemini、Claude等大语言模型成为用户获取信息的主要渠道，营销人员正面临一片全新的有机（及潜在非有机）流量疆域——流量来源从搜索引擎结果页转向AI生成的回答。研究表明，通过LLM触达的用户具有更高的意图和变现价值，对话式交互更像是软推荐而非销售话术，驱动更强的用户动机。然而，这也带来了归因挑战：如何在这些环境中影响、衡量并优化发现路径？

行业影响已然显现：法律与金融服务、电商（OpenAI已推出站内结账流程可能减少网站流量）、医疗健康、SMB/SaaS及消费科技等领域，LLM正在成为比传统搜索更常见的入口。一些品牌已有5-10%的漏斗顶部流量由LLM驱动，但在分析工具中往往被归为“自然流量”而未被识别。

优化LLM可见性面临三大核心挑战：无法检查排名（如ChatGPT回复无排名可查）、链接不一致（部分模型直接链接，部分仅摘录不署名）、归因断裂（AI点击常混入自然流量）。为此，品牌需调整内容策略：为AI写作，使用简洁清晰的答案、问题列表、摘要和重复关键词；前瞻性使用UTM参数追踪可能在LLM中出现的URL；利用Web-to-App归因流程，将不可见点击转化为可衡量洞察；在自有及付费媒体中广泛使用深度链接（如Appsflyer的OneLink），确保LLM收录的链接能直接导向应用内体验，提升转化率。

技术实现上，结构化数据标记（如FAQPage、Product schema的JSON-LD格式）可帮助LLM正确理解并引用内容。OneLink作为深度链接与重定向解决方案，能抽象不同平台、浏览器、OS的复杂逻辑，确保链接始终工作，并测量用户旅程数据。通过在官网、社交媒体、影响者营销、联盟链接等渠道广泛布设OneLink，品牌可“买一份保险”，让不同来源的用户获得正确行为（已安装用户直接打开应用，新用户跳转应用商店）。最终，这些数据可在Appsflyer的原始数据报告中用于分析与优化，比较LLM与其他渠道的漏斗表现，实现理性资源投入。

结论：LLM正快速成为内容、应用和产品的新入口，但也带来了可见性、流量来源和用户意图的确定性降低。通过正确设置（内容适配、UTM追踪、结构化数据、深度链接与归因体系），品牌可以从猜测走向测量，优化这个关键业务环节，将AI驱动的流量转化为可衡量的增长。