הלקוח הגיע מ-AI? מדריך מעשי למעקב המרות מצ'אט GPT

לקוח חדש השלים רכישה בחנות השופיפיי שלכם. הצצה מהירה בגוגל אנליטיקס מראה שהוא הגיע דרך ערוץ “Direct”. האם הוא באמת הקליד את כתובת המוצר ישירות בדפדפן? אולי, אבל יותר ויותר סביר שהוא פשוט לחץ על קישור שהמליץ לו ג׳מיני או צ’אט GPT.

מדריך Attribution למכירות מג׳מיני ומצ’אט GPT מסביר כיצד לייחס המרות המגיעות משיחות עם AI, אשר לרוב אינן שולחות נתוני הפניה (Referral) ומופיעות כטראפיק “ישיר” (Direct) באנליטיקס. המפתח הוא שילוב שיטות עקיפות: הטמעת פרמטרים של UTM בתוכן האתר, שימוש בקודי הנחה ייעודיים, ניתוח קורלציות בתנועה ישירה, והפעלת סקרים לאחר רכישה.

אם אתם מרגישים שהנתונים שלכם לא מספרים את כל הסיפור, אתם לא לבד. זהו אחד האתגרים הגדולים ביותר בשיווק כיום, אבל עם הכלים הנכונים, אפשר בהחלט לפצח אותו.

למה מכירות מצ’אט GPT הן ‘חור שחור’ באנליטיקס?

התשובה מתחילה במושג שנקרא “טראפיק אפל” (Dark Traffic). זהו כינוי לכל תנועה לאתר שמגיעה ללא מקור ברור. זה קורה כשמישהו שולח לחבר קישור בוואטסאפ, במייל או ב-SMS. חלק ניכר מהשיתופים של תוכן אונליין מתבצעים בערוצים “אפלים” כאלה.

תנועה מצ’אטבוטים של AI היא הגרסה החדשה והמשמעותית של התופעה הזו. כשהמשתמש מקבל המלצה מג׳מיני ולוחץ על קישור לחנות שלכם, השיחה מתנהלת בתוך סביבה סגורה. לכן, כשהוא נוחת באתר, אין “מידע מפנה” (Referrer) שגוגל אנליטיקס יכול לקרוא. התוצאה: התנועה האיכותית הזו, שלקוח שאל עליה באופן אקטיבי, מתויגת כ-”Direct”, בדיוק כמו מישהו שהקליד את הכתובת ידנית.

האתגר הטכני: איך תנועה מ-AI נראית בגוגל אנליטיקס 4?

זה נראה כמו עלייה לא מוסברת בתנועה הישירה, לעיתים קרובות לדפי מוצר או מאמרים ספציפיים ולא רק לדף הבית. אם אתם רואים דף מוצר זניח שפתאום מקבל עלייה חדה בכניסות “ישירות”, יש סיכוי טוב שהוא צוטט בתשובה של AI.

היעדר ה-Referrer Header הוא בעיה טכנית מובנית. בעוד שבעבר מודל כמו Last-Click (ייחוס ההמרה למקור האחרון שהביא את הלקוח) היה יכול לתת תמונה חלקית, בעידן ה-AI הוא הופך כמעט לחסר תועלת. הגיע הזמן לחשוב אחרת ולאמץ שיטות פרואקטיביות.

שיטה #1 (פרואקטיבית): בניית ‘פירורי לחם’ עם פרמטרים של UTM

איך עושים את זה? הדרך הטכנית הכי קרובה למעקב “אמיתי” היא להכין את הקרקע מראש. הרעיון הוא להוסיף תגיות UTM לקישורים בתוך התוכן שלכם. כן, גם לקישורים פנימיים.

כאשר מנוע AI סורק את האתר שלכם כדי ללמוד ממנו, הוא עשוי לאסוף את הקישור עם תגית ה-UTM שהטמעתם. אם הוא יציג את הקישור הזה למשתמש, תראו את התנועה מסומנת כמו שצריך באנליטיקס. כדי להפוך את התוכן שלכם לאטרקטיבי למנועים אלו, חשוב להבין את המעבר מ-SEO ל-AEO: כך תהפכו את חנות השופיפיי שלכם למקור מידע עבור AI.

מבנה UTM מומלץ: utm_source=gemini&utm_medium=ai-citation&utm_campaign=product-description-links

• החיסרון? אין לכם שליטה איזה קישור ה-AI יבחר. הוא עלול לבחור בקישור “נקי” מאותו עמוד או להציג קישור ללא הפרמטרים. זו לא שיטה הרמטית, אבל היא השקעה חכמה לעתיד.

שיטה #2 (יצירתית): שימוש בקודי הנחה ודפי נחיתה ייעודיים

זו שיטה יצירתית שעוקפת את המגבלה הטכנית ומודדת המרות באופן ישיר דרך מערכת שופיפיי.

איך עושים את זה? פשוט מאוד:

1. צרו קוד הנחה ייחודי: למשל, AI-10 או GEMINI-GIFT.
2. שלבו אותו בתוכן: הזכירו את קוד ההנחה באופן טבעי במאמרים, בתיאורי מוצרים ובמדריכים באתר שלכם, במקומות שסביר ש-AI יצטט. למשל: “מתלבטים? קוראי המדריך יכולים להשתמש בקוד AI-10 ולקבל 10% הנחה על הקנייה הראשונה”.

אפשרות נוספת היא יצירת דף נחיתה ייעודי, כמו yourstore.com/ai-offer, ולהפנות אליו מהתוכן שלכם. כל תנועה והמרה מהדף הזה תהיה משויכת באופן ברור.

• היתרון: מעקב מדויק ברמת ההמרה.
• החיסרון: מודד רק את הלקוחות שהשתמשו בקוד, לא את כלל התנועה שהגיעה מהמלצת AI.

איך למדוד את מה שאי אפשר לספור? סקרים לאחר רכישה

אם אי אפשר לקבל את המידע מהמכונה, לפעמים הכי פשוט לשאול את הלקוח. סקרים קצרים לאחר רכישה הם כלי אדיר לאיסוף מידע איכותני.

איך עושים את זה? הוסיפו שאלה פשוטה בעמוד התודה שמופיע אחרי התשלום, או שלחו אותה באימייל אוטומטי ראשון. אפשר להשתמש באפליקציות סקרים לשופיפיי או בכלים כמו Make מול Zapier לאוטומציית AEO בשופיפיי כדי להפוך את התהליך לאוטומטי.

שאלה לדוגמה: “צעד אחרון, איך שמעת עלינו?”

• פייסבוק / אינסטגרם
• חיפוש בגוגל
• המלצה מחבר/ה
• בהמלצת AI (כמו צ’אט GPT / ג׳מיני)
• אחר

העובדה שקונים רבים רוכשים מוצרים בעקבות המלצת AI מדגישה כמה הערוץ הזה קריטי. סקר כזה יעזור לכם לכמת את התופעה בחנות שלכם.

ניתוח מתקדם: איך לזהות טראפיק AI שמסתתר בתוך ה-Direct Traffic?

זו עבודת בילוש קטנה, אבל היא יכולה לחשוף תובנות משמעותיות. המטרה היא לא למצוא הוכחה חד-משמעית, אלא קורלציה חזקה.

איך עושים את זה? בצעו ניתוח תקופתי (שבועי או חודשי) ב-GA4.

1. סננו את דוחות התנועה והתמקדו בערוץ Direct.
2. התעלמו מדף הבית. חפשו עליות חריגות בתנועה ישירה לדפי מוצר, קטגוריה או מאמרים ספציפיים.
3. הצליבו נתונים: האם העלייה בתנועה לדף מסוים מתרחשת במקביל לאזכורים שלו ברשת? האם התחלתם לקדם אותו במיוחד? אם אין סיבה ברורה אחרת לעלייה, יש סבירות גבוהה שמקור התנועה הוא AI.

למה זה כל כך חשוב? כי לא מדובר בתנועה זניחה. בנוסף, ישנם נתונים המראים ששיעור ההמרה מתנועה כזו יכול להיות גבוה משמעותית מחיפוש אורגני רגיל. זו תנועה סופר-איכותית שממש לא כדאי להתעלם ממנה.

שיטת המעקב (Attribution Method)	איך זה עובד ומה היתרונות/חסרונות?
פרמטרים של UTM בתוכן	איך: מוסיפים תגיות UTM לקישורים פנימיים וחיצוניים בתוך תוכן האתר (מאמרים, דפי מוצר). כשה-AI סורק ומצטט את הקישור, התגית נשמרת. יתרון: הדרך הטכנית הכי קרובה למעקב “אמיתי”. חיסרון: אין שליטה איזה קישור ה-AI יבחר, וייתכן שיציג קישור “נקי” ללא התגית.
קודי הנחה ייעודיים	איך: יוצרים קוד הנחה ייחודי (למשל, “CHAT10”) ומזכירים אותו בתוכן שעשוי להיות מצוטט על ידי AI. יתרון: מעקב מדויק ברמת ההמרה, קל ליישום בשופיפיי. חיסרון: מודד רק לקוחות שהשתמשו בקוד, לא את כלל התנועה.
סקרים לאחר רכישה	איך: מוסיפים שאלה קצרה בעמוד התודה לאחר הרכישה: “איך שמעת עלינו?” וכוללים אופציה כמו “בהמלצת AI / צ’אט GPT”. יתרון: נותן תמונה איכותנית על כוונת הלקוח. חיסרון: תלוי בנכונות הלקוח לענות, הנתונים אינם מלאים.
ניתוח תנועה ישירה (Direct Traffic)	איך: מנתחים עליות חריגות בתנועה ישירה לדפי מוצר או מאמרים ספציפיים, ומצליבים אותן עם אזכורים ידועים ב-AI. יתרון: לא דורש הטמעה טכנית מורכבת. חיסרון: זוהי קורלציה בלבד, לא הוכחה חד-משמעית.

מעבר ל-Last Click: איזה מודל אטריביושן מתאים לעידן ה-AI?

האתגר של “טראפיק אפל” מדגיש את המגבלות של מודלי ייחוס מסורתיים. הגיע הזמן לחשוב בצורה הוליסטית יותר. במקום לנסות לשייך כל מכירה לנקודת מגע אחת, המטרה היא להבין את התרומה של כל ערוץ למסע הלקוח הכולל.

זה המקום שבו נכנסת לתמונה אסטרטגיית GEO (Generative Engine Optimization), שמטרתה להכניס את המותג שלכם לתוך התשובות שה-AI מייצר, בניגוד ל-SEO קלאסי שמטרתו לדרג עמודים. ההבנה הזו היא קריטית, כפי שהסברנו במדריך SEO מול GEO: המדריך המלא לחנויות שופיפיי. מודלים מתקדמים יותר כמו מודלים מבוססי נתונים (Data-Driven Attribution) ב-GA4 או גישות כמו Media Mix Modeling (MMM) מנסים לתת משקל לכל נקודת מגע, גם כאלה שלא נמדדות ישירות.

מה חשוב לזכור

• אין פתרון קסם אחד: המפתח הוא לשלב בין 3-4 השיטות שתיארנו כדי לבנות תמונה רחבה. כל שיטה נותנת זווית אחרת על התרומה של AI למכירות שלכם.
• היו פרואקטיביים: התחילו להטמיע UTM וקודי הנחה בתוכן חדש שאתם יוצרים. זה לא יעזור למדוד את העבר, אבל יבנה לכם בסיס נתונים יציב לעתיד.
• חשבו על קורלציה, לא רק על סיבתיות: גם אם אינכם יכולים להוכיח ב-100% שהמרה הגיעה מ-AI, הצלבה בין עלייה בתנועה ישירה לבין אזכורים יכולה לתת לכם אינדיקציה חזקה מאוד.
• הסתכלו על התמונה הגדולה: המטרה היא לא למדוד כל קליק, אלא להבין את התפקיד ההולך וגדל של AI במסע הלקוח ולהתאים את אסטרטגיית השיווק שלכם בהתאם.

בסופו של יום, המדידה אינה המטרה, אלא האמצעי. הבנה טובה יותר של מקורות התנועה שלכם תאפשר לכם להשקיע את המשאבים במקומות הנכונים, לייצר תוכן מדויק יותר, ובסופו של דבר, למכור יותר.

---

רוצים לראות איפה החנות שלכם עומדת? Scayla מודדת את הנראות של החנות בגוגל ובמנועי ה-AI, מאבחנת פערים, ובונה את התוכן שסוגר אותם. כך זה עובד