Google Analytics riconosce il traffico dagli assistenti AI con un canale dedicato

Dal 13 maggio 2026 Google Analytics prevede una classificazione dedicata per il traffico proveniente da assistenti AI noti, tra cui ChatGPT, Gemini e Claude. Quando il referrer viene riconosciuto, il medium assume il valore “ai-assistant”, il Default Channel Group mostra “AI Assistant” e la campagna viene identificata come “(ai-assistant)”. La funzione riduce la dipendenza da filtri manuali e rende più semplice confrontare questo traffico con ricerca organica, referral e altri canali. Non misura però tutte le interazioni con un assistente: molte risposte non generano clic, alcuni ambienti possono non passare un referrer e nuove sorgenti potrebbero non essere classificate subito. Il report va quindi interpretato come misura delle visite riconoscibili, non dell’intera influenza dell’AI sul percorso d’acquisto. È comunque una base molto più pulita per capire quali contenuti attirano utenti dopo una conversazione generativa.

Chi arriva da un assistente può aver già descritto un problema, confrontato alternative e ricevuto una sintesi. La sessione potrebbe quindi iniziare più avanti nel funnel rispetto a una ricerca generica. Segmenta le landing page, il tasso di coinvolgimento, gli eventi chiave, le conversioni e il valore medio, ma evita confronti semplicistici su volumi piccoli. Osserva anche percorsi di assistenza: visite a pagine prezzi, documentazione, casi studio, contatti e resi. Per un business B2B, un canale con poche sessioni ma molte richieste pertinenti può essere importante; per un ecommerce, controlla margine e nuovi clienti. Confronta periodi e sorgenti soltanto quando il campione è sufficiente. Il traffico AI può anche essere sovrarappresentato su contenuti tecnici o informativi, quindi valuta le performance rispetto alla funzione della pagina, non rispetto alla media dell’intero sito.

Verifica che il Default Channel Group aggiornato sia visibile e crea un’esplorazione con sorgente, landing page, Paese, dispositivo, eventi chiave e ricavi o lead qualificati. Mantieni una seconda vista basata sul referrer per individuare traffico non classificato e documenta eventuali regole personalizzate, evitando doppie assegnazioni. Applica UTM alle attività che controlli, ma non aspettarti di poterle imporre ai link generati dagli assistenti. Collega il dato a Search Console e CRM usando identificatori rispettosi del consenso e una governance chiara. Ogni mese individua le pagine che attraggono visite AI e chiediti se contengono una CTA coerente con il livello di consapevolezza dell’utente. Aggiorna contenuti e navigazione sulla base dei bisogni, non per aumentare artificialmente il canale. Infine inserisci una nota metodologica nella dashboard: rende espliciti limiti di referrer, classificazione e attribuzione e impedisce decisioni eccessive su dati parziali.

Un referral è riconoscibile quando il browser trasmette una fonte che la configurazione classifica nel canale. Alcuni assistenti possono usare domini o modalità diverse; altri percorsi non conservano il riferimento. Una persona può leggere una risposta, cercare il brand e arrivare come organico o diretto. Il report descrive quindi traffico osservabile, non tutta l’influenza delle AI.

Le definizioni del gruppo di canali e le relative modifiche vanno documentate. Prima di confrontare periodi si controllano filtri, domini, UTM e referral indesiderati. Una vista esplorativa può distinguere sorgenti e landing senza alterare la classificazione standard. Gli scostamenti anomali vengono verificati sui dati grezzi disponibili.

Il volume può essere piccolo ma molto qualificato se le persone arrivano su guide profonde o pagine decisionali. Si osservano engagement, scroll, ritorni, conversioni e percorso successivo, rispettando consenso e soglie di dati. Le landing vengono raggruppate per cluster per capire quali argomenti ricevono domanda. Un singolo referral non basta a definire una strategia.

Nel CRM si collegano lead validi, opportunità e ricavi quando il dato è disponibile e trattato correttamente. Le note commerciali possono indicare che una persona ha usato un assistente anche se Analytics non lo vede. La domanda come ci hai conosciuto offre un altro segnale. Le fonti non vengono sommate come se fossero perfettamente indipendenti.

La dashboard mostra sessioni, utenti, landing, conversioni e qualità, accompagnati da note sui limiti. Confronta trend mensili e cluster, evitando percentuali dettagliate su campioni minimi. Ricerche di brand, traffico diretto e panel GEO vengono presentati come segnali complementari. Ogni grafico indica fonte e definizione.

Le decisioni riguardano contenuti e percorsi: aggiornare una guida che riceve visite qualificate, chiarire una CTA o migliorare un’entità citata in modo errato. Non si aumenta la produzione soltanto perché cresce il canale. L’obiettivo è capire quale conoscenza viene cercata e come trasformarla in un’esperienza utile dopo il click.

La configurazione parte da un elenco dei referral osservati e da regole documentate per il raggruppamento dei canali. Le modifiche vengono provate in una vista di esplorazione prima di cambiare report condivisi. Landing page, eventi e conversioni sono verificati con traffico di test. Nei moduli può essere aggiunta una domanda facoltativa su come l’utente ha conosciuto l’azienda, con categorie comprensibili. Questa risposta integra i dati tecnici, ma non viene trattata come una misura perfetta.

La dashboard separa volume e qualità. Per ogni segmento mostra sessioni, coinvolgimento, pagine informative, azioni importanti e lead validi quando disponibili. I referral piccoli vengono letti su periodi più lunghi e senza percentuali spettacolari costruite su pochi casi. Le visite senza referrer non vengono assegnate automaticamente agli assistenti AI. Il report indica esplicitamente ciò che resta in direct, ciò che deriva da una regola e ciò che è confermato da una fonte.

Ogni mese il team confronta tendenze, contenuti di ingresso e feedback commerciale. Un cambiamento viene interpretato insieme a campagne, stagionalità e aggiornamenti del sito. Le annotazioni conservano queste informazioni. Se un articolo appare spesso nelle conversazioni ma non genera referral riconoscibili, può comunque meritare aggiornamento; la decisione viene motivata con più segnali. L’obiettivo è ottenere indicazioni operative robuste, non produrre un numero di traffico AI più preciso dei dati disponibili. La dashboard conserva anche definizioni e data dell’ultima modifica, impedendo che lo stesso indicatore assuma significati diversi tra marketing, analytics e vendite.