Besucherzugriffe aus ChatGPT, Perplexity und Gemini in GA4 und BigQuery auswerten
Wer über Sichtbarkeit in KI-Assistenten nachdenkt, will auch wissen, ob daraus Traffic entsteht. Ein Großteil der Zugriffe steckt bisher versteckt im Referral-Kanal, lässt sich aber mit einem Custom-Channel gezielt trennen.
AI-Sichtbarkeitsmetriken zeigen, wie oft Assistenten Sie erwähnen und zitieren. Frueher oder später stellt jemand die Anschlussfrage: Wird daraus eigentlich Traffic?
Ein Teil der Antwort liegt bereits in Ihrem Analytics, vermischt unter "Referral" mit allen anderen Websites. Dieser Beitrag trennt das heraus:
Zudem behandelt er den grossen Anteil des KI-beeinflussten Traffic, den Sie auf diese Weise nicht sehen koennen, denn diese Einschraenkung sollte Ihre Berichterstattung ueber die Zahlen mitbestimmen.
Wenn ein Nutzer innerhalb einer KI-Antwort auf einen Quellenlink klickt, trifft der Besuch auf einem von drei Wegen ein:
Zu beruecksichtigende Referrer-Hosts (bewahren Sie diese Liste an einem Ort auf, sie aendert sich):
chatgpt.com, chat.openai.com perplexity.ai, www.perplexity.ai gemini.google.com copilot.microsoft.com claude.ai chat.deepseek.com Klicks ueber Googles AI Overviews und AI Mode erscheinen in der Regel als gewoehnlicher organischer Google-Traffic und tauchen daher hier nicht auf.
Unter Admin → Data display → Channel groups kopieren Sie die Standardgruppe und fuegen einen Kanal namens AI assistants mit dieser Bedingung hinzu:
^(chatgpt\.com|chat\.openai\.com|(www\.)?perplexity\.ai|gemini\.google\.com|copilot\.microsoft\.com|claude\.ai|chat\.deepseek\.com)$ Anschliessend ziehen Sie den neuen Kanal ueber "Referral". Kanaelle werden in Reihenfolge ausgewertet, und der erste Treffer gewinnt. Steht Referral darueber, wird der KI-Traffic weiterhin von Referral erfasst.
Da die Regel auf die Quelle abhebt, erfasst sie sowohl Referrer-basierte Besuche als auch Besuche mit utm_source=chatgpt.com. Eigene Channel Groups wirken in GA4-Berichten zudem rueckwirkend, sodass Sie von Anfang an die Historie erhalten.
Die Benutzeroberflaeche reicht fuer Trends. Fuer Landing Pages, Joins und eigene Logik nutzen Sie den BigQuery-Export. Diese Abfrage findet den ersten page_view jeder Session, der von einem KI-Assistenten kam, ueber den Referrer oder die UTM-Quelle:
DECLARE ai_re STRING DEFAULT r '(chatgpt \. com|chat \. openai \. com|perplexity \. ai|gemini \. google \. com|copilot \. microsoft \. com|claude \. ai|chat \. deepseek \. com)'; WITH pv AS ( SELECT PARSE_DATE ( '%Y%m%d', event_date ) AS day, user_pseudo_id, ( SELECT value. int_value FROM UNNEST ( event_params ) WHERE key = 'ga_session_id' ) AS session_id, ( SELECT value. string_value FROM UNNEST ( event_params ) WHERE key = 'page_location' ) AS page_location, ( SELECT value. string_value FROM UNNEST ( event_params ) WHERE key = 'page_referrer' ) AS page_referrer, collected_traffic_source. manual_source AS utm_source, event_timestamp FROM `my-project.analytics_123456789.events_*` WHERE _TABLE_SUFFIX BETWEEN FORMAT_DATE ( '%Y%m%d', DATE_SUB ( CURRENT_DATE (), INTERVAL 28 DAY )) AND FORMAT_DATE ( '%Y%m%d', CURRENT_DATE ()) AND event_name = 'page_view' ), landing AS ( SELECT *, ROW_NUMBER () OVER ( PARTITION BY user_pseudo_id, session_id ORDER BY event_timestamp ) AS rn FROM pv ) SELECT day, COALESCE ( REGEXP_EXTRACT ( page_referrer, ai_re ), REGEXP_EXTRACT ( utm_source, ai_re )) AS assistant, REGEXP_REPLACE ( REGEXP_EXTRACT ( page_location, r '^https?://[^/]+([^?#]*)' ), r '/$', '' ) AS landing_path, COUNT ( * ) AS sessions FROM landing WHERE rn = 1 AND ( REGEXP_CONTAINS ( IFNULL ( page_referrer, '' ), ai_re ) OR REGEXP_CONTAINS ( IFNULL ( utm_source, '' ), ai_re )) GROUP BY day, assistant, landing_path ORDER BY sessions DESC; Anmerkungen:
Wenn Sie Zitationen erfassen (siehe die frueheren Beitraege dieser Serie), wissen Sie pro Seite, wie oft KI-Antworten sie zitiert haben. Nun wissen Sie pro Seite, wie viele Sessions KI-Assistenten geschickt haben. Stellen Sie beides nebeneinander:
WITH cited AS ( SELECT landing_path, SUM ( citations ) AS citations FROM `my-project.ai_visibility.page_citations_28d` -- Ihre Zitationsdaten, nach Pfad GROUP BY landing_path ), clicked AS ( SELECT landing_path, SUM ( sessions ) AS ai_sessions FROM `my-project.ai_visibility.ai_sessions_28d` -- das Ergebnis aus Schritt 2, gespeichert GROUP BY landing_path ) SELECT COALESCE ( c. landing_path, k. landing_path ) AS landing_path, IFNULL ( c. citations, 0 ) AS citations, IFNULL ( k. ai_sessions, 0 ) AS ai_sessions, SAFE_DIVIDE ( k. ai_sessions, c. citations ) AS sessions_per_citation FROM cited c FULL OUTER JOIN clicked k USING ( landing_path ) ORDER BY citations DESC; Die vier Quadranten sind der umsetzungsreife Teil:
Machen Sie Stakeholdern gegenueber drei blinde Flecken transparent:
Deshalb unterschaetzt Referral-Traffic allein die KI-Suche, und deshalb gehoert sie neben die Sichtbarkeitsmetriken, statt sie zu ersetzen.
Der nuetzliche Bericht stellt Sichtbarkeit (Erwaehnungen, Zitationen, Share of Voice) und Ergebnis (KI-Sessions, Conversions) denselben Personen im selben Turnus vor.
Das Brand Visibility Dashboard von Vista AI deckt die Sichtbarkeitsseite ab: Sichtbarkeit nach Engine und Region, Share of Voice im Vergleich zu Wettbewerbern, Sentiment, Rankings pro Query und Trends ueber 30/90/365 Tage, mit woechentlichen E-Mail-Berichten. Es unterstuetzt zudem mehrere Marken mit getrennten Query-Sets, was Agenturen die Berichterstattung pro Kunde erleichtert. Kombinieren Sie es mit dem oben beschriebenen GA4-Kanal, und Sie haben beide Haelften: wie oft KI Sie empfiehlt und wie oft diese Empfehlung zu einem Besuch wird.
Automatisch übersetzt. Das Original auf Englisch ist unten aufklappbar.
Original (Englisch) anzeigen
AI visibility metrics tell you how often assistants mention and cite you. Sooner or later someone asks the follow-up: does any of that turn into traffic?
Part of the answer is already in your analytics, mixed into "Referral" alongside every other website. This post separates it out:
It also covers the large share of AI-influenced traffic you can't see this way, because that limitation should shape how you report the numbers.
When a user clicks a source link inside an AI answer, the visit arrives in one of three ways:
Referrer hosts to match (keep this list in one place, it changes):
chatgpt.com, chat.openai.com perplexity.ai, www.perplexity.ai gemini.google.com copilot.microsoft.com claude.ai chat.deepseek.com Enter fullscreen mode Exit fullscreen mode Google's AI Overviews and AI Mode clicks generally come through as ordinary Google organic traffic, so they won't appear here.
In Admin → Data display → Channel groups, copy the default group and add a channel called AI assistants with this condition:
^(chatgpt\.com|chat\.openai\.com|(www\.)?perplexity\.ai|gemini\.google\.com|copilot\.microsoft\.com|claude\.ai|chat\.deepseek\.com)$ Enter fullscreen mode Exit fullscreen mode Then drag the new channel above "Referral". Channels are evaluated in order, and the first match wins, so if Referral sits above it, AI traffic is still caught by Referral.
Because the rule matches source, it catches both referrer-based and utm_source=chatgpt.com visits. Custom channel groups also apply retroactively in GA4 reports, so you get history from day one.
The UI is fine for trends. For landing pages, joins and custom logic, use the BigQuery export. This query finds the first page_view of each session that came from an AI assistant, using either the referrer or the UTM source:
DECLARE ai_re STRING DEFAULT r '(chatgpt \. com|chat \. openai \. com|perplexity \. ai|gemini \. google \. com|copilot \. microsoft \. com|claude \. ai|chat \. deepseek \. com)'; WITH pv AS ( SELECT PARSE_DATE ( '%Y%m%d', event_date ) AS day, user_pseudo_id, ( SELECT value. int_value FROM UNNEST ( event_params ) WHERE key = 'ga_session_id' ) AS session_id, ( SELECT value. string_value FROM UNNEST ( event_params ) WHERE key = 'page_location' ) AS page_location, ( SELECT value. string_value FROM UNNEST ( event_params ) WHERE key = 'page_referrer' ) AS page_referrer, collected_traffic_source. manual_source AS utm_source, event_timestamp FROM `my-project.analytics_123456789.events_*` WHERE _TABLE_SUFFIX BETWEEN FORMAT_DATE ( '%Y%m%d', DATE_SUB ( CURRENT_DATE (), INTERVAL 28 DAY )) AND FORMAT_DATE ( '%Y%m%d', CURRENT_DATE ()) AND event_name = 'page_view' ), landing AS ( SELECT *, ROW_NUMBER () OVER ( PARTITION BY user_pseudo_id, session_id ORDER BY event_timestamp ) AS rn FROM pv ) SELECT day, COALESCE ( REGEXP_EXTRACT ( page_referrer, ai_re ), REGEXP_EXTRACT ( utm_source, ai_re )) AS assistant, REGEXP_REPLACE ( REGEXP_EXTRACT ( page_location, r '^https?://[^/]+([^?#]*)' ), r '/$', '' ) AS landing_path, COUNT ( * ) AS sessions FROM landing WHERE rn = 1 AND ( REGEXP_CONTAINS ( IFNULL ( page_referrer, '' ), ai_re ) OR REGEXP_CONTAINS ( IFNULL ( utm_source, '' ), ai_re )) GROUP BY day, assistant, landing_path ORDER BY sessions DESC; Enter fullscreen mode Exit fullscreen mode Notes:
If you're collecting citations (see the earlier posts in this series), you have, per page, how often AI answers cited it. Now you have, per page, how many sessions AI assistants sent. Put them side by side:
WITH cited AS ( SELECT landing_path, SUM ( citations ) AS citations FROM `my-project.ai_visibility.page_citations_28d` -- your citation data, by path GROUP BY landing_path ), clicked AS ( SELECT landing_path, SUM ( sessions ) AS ai_sessions FROM `my-project.ai_visibility.ai_sessions_28d` -- the Step 2 result, saved GROUP BY landing_path ) SELECT COALESCE ( c. landing_path, k. landing_path ) AS landing_path, IFNULL ( c. citations, 0 ) AS citations, IFNULL ( k. ai_sessions, 0 ) AS ai_sessions, SAFE_DIVIDE ( k. ai_sessions, c. citations ) AS sessions_per_citation FROM cited c FULL OUTER JOIN clicked k USING ( landing_path ) ORDER BY citations DESC; Enter fullscreen mode Exit fullscreen mode The four quadrants are the actionable part:
Be upfront with stakeholders about three blind spots:
This is why referral traffic alone underrates AI search, and why it needs to sit next to visibility metrics rather than replace them.
The useful report puts visibility (mentions, citations, share of voice) and outcome (AI sessions, conversions) in front of the same people, at the same cadence.
Vista AI's Brand Visibility Dashboard covers the visibility side: visibility by engine and region, share of voice against competitors, sentiment, per-query rankings and 30/90/365-day trends, with weekly email reports. It also supports multiple brands with separate query sets, which helps agencies report per client. Pair it with the GA4 channel above and you have both halves: how often AI recommends you, and how often that recommendation becomes a visit.