ChatGPT-Traffic tracken: KI-Assistenten in der Attribution

Warum diese Besucher als Direct erscheinen

Dein Analytics erfindet keine Herkunft. Es liest sie aus zwei Quellen: dem Referrer, den der Browser beim Aufruf einer Seite mitschickt, und den Parametern in der aufgerufenen URL. Der Referrer ist eine Angabe im HTTP-Aufruf, die sagt, von welcher Seite der Klick kam. Kommt weder das eine noch das andere an, bleibt nur die Landing-URL, und die verrät nichts darüber, wie jemand dort gelandet ist. Genau für diesen Fall gibt es Direct.

Bei einem Klick aus einem KI-Assistenten fällt diese Angabe häufiger weg als bei einem Klick aus einer Suchmaschine, und dafür gibt es mehrere Gründe, die sich überlagern.

Der Klick kommt oft nicht aus einem Browser-Tab

Viele Nutzer haben den Assistenten als App auf dem Handy oder als Programm auf dem Rechner. Öffnet ein solches Programm einen Link, ist die Kette Seite zu Seite unterbrochen, an der der Referrer normalerweise hängt. Was danach im Browser ankommt, sieht aus wie ein frisch eingetippter Aufruf. Dasselbe passiert bei Links, die jemand aus einem Chat kopiert und woanders einfügt.

Die sendende Seite entscheidet, was übertragen wird

Jede Website legt über ihre Referrer-Policy fest, wie viel Herkunft sie beim Weiterklicken preisgibt. Die Bandbreite reicht von voller URL über die nackte Domain bis zu gar nichts. Was ein Assistent hier eingestellt hat, bestimmt er selbst, und er kann es jederzeit ändern. Für dich heißt das: Du bekommst im besten Fall den Hostnamen, nicht die Frage, die jemand gestellt hat.

Zwischenstationen schlucken den Rest

Manche Antworten führen über einen Zwischenschritt, etwa eine Weiterleitung oder eine Vorschau. Jede Station kann die Herkunft ersetzen oder verwerfen. Was am Ende bei dir ankommt, ist dann entweder eine fremde Domain oder nichts.

Keiner dieser Punkte ist ein Fehler in deinem Setup. Das ist der Unterschied zu den anderen Lücken in diesem Leitfaden: Beim Consent-Gap fehlt die Einwilligung, bei ITP greift der Browser in die Cookie-Laufzeit ein. Hier funktioniert alles wie vorgesehen, nur kommt die Information nie bei dir an.

Zurück zum Überblick: Cookieless Tracking, der Leitfaden. Im Glossar: Direct, Session.

Was in deinen Logs tatsächlich ankommt

Bevor du etwas auswertest, lohnt sich der Blick darauf, welche drei Felder du überhaupt in der Hand hast und wie belastbar jedes davon ist.

Der Referrer: manchmal da, immer nur grob

Kommt er an, steht dort in aller Regel nur der Hostname des Assistenten. Das reicht, um eine Kanalregel darauf zu bauen, und es reicht nicht, um Themen oder Fragen zu erkennen. Prüfe die Hostnamen in deinen eigenen Daten, statt eine Liste aus einem Blogartikel zu übernehmen: Die Dienste betreiben teils mehrere Domains, und die Namen ändern sich.

UTM-Parameter: nicht deine Entscheidung

Ein Teil der Assistenten hängt an ausgehende Links einen eigenen Quellparameter an. Ob deine Besucher diesen Parameter mitbringen, siehst du nur in deinen Logs, und die Antwort von heute gilt nicht dauerhaft. Was du selbst verschickst, taggst du weiterhin nach deiner eigenen Konvention. Auf fremde Parameter baust du keine Auswertung, die stabil bleiben soll.

Die Landing-URL: das einzige verlässliche Feld

Die aufgerufene Seite hast du immer. Sie sagt nichts über die Herkunft, aber sie zeigt, welche Inhalte ein Assistent überhaupt empfiehlt. Auffällig sind Einstiege tief in der Seite, also auf Ratgebertexten, Detailseiten oder Vergleichen, ohne dass eine Kampagne dahintersteht. Als Indiz ist das brauchbar, als Beweis nicht: Diese Seiten bekommen auch über Suche, Lesezeichen und weitergeleitete Links Besuch.

Zugriffe von Crawlern sind keine Besucher

Wer statt ins Analytics in die Server-Logs schaut, sieht dort zusätzlich die Abrufe, mit denen die Anbieter Inhalte einsammeln oder eine Antwort belegen. Diese Abrufe tragen einen eigenen User-Agent, laden kein JavaScript und gehören nicht in dieselbe Zeile wie ein Mensch, der auf einen Link geklickt hat. Wenn du mit Log-Daten arbeitest, trenne beides von Anfang an. Sonst zählst du Maschinen als Interessenten und wunderst dich über eine Absprungrate, die niemand erklären kann.

Aus diesen drei Feldern folgt eine unbequeme Grenze. Ein Teil der Besuche lässt sich eindeutig zuordnen, ein Teil lässt sich vermuten, und ein Teil bleibt ununterscheidbar von klassischem Direct-Traffic. Wie groß welcher Teil ist, entscheidet dein Publikum, nicht eine Faustregel.

Im Glossar: UTM-Parameter, Customer Journey. Wie viel deiner Bestellungen insgesamt ohne Herkunft ankommen, schätzt der Datenverlust-Rechner.

Warum Direct das falsche Zuhause dafür ist

Direct bedeutet nicht, dass jemand ohne Umweg zu dir gekommen ist. Es bedeutet, dass die Quelle unbekannt ist. Diese Verwechslung ist alt, sie betraf schon Klicks aus PDFs, Messengern und Mail-Programmen. Neu ist, dass mit den Assistenten eine Station in die Journey rückt, an der eine Kaufentscheidung vorbereitet wird, und dass genau diese Station systematisch im unbeschrifteten Topf verschwindet.

Praktisch hat das drei Folgen. Erstens verschiebt sich die Bewertung deiner bezahlten Kanäle: Wer über eine Anzeige zum ersten Mal von dir hört, später beim Assistenten nachfragt und dann kauft, bringt den Umsatz in einen Kanal ohne Kosten. Die Anzeige sieht schlechter aus, als sie war. Zweitens wächst der Direct-Anteil, ohne dass irgendjemand erklären kann, warum, und mit ihm die Neigung, Budget auf Sichtbarkeit umzuschichten, die gar nicht gemeint ist. Drittens kannst du nicht beantworten, ob dieser Zulauf wächst, weil du keine Reihe hast, die du vergleichen könntest.

Wer mit einem Modell über mehrere Kontaktpunkte arbeitet, merkt das früher als jemand mit Last-Click-Zuordnung, denn im Multi-Touch-Bild taucht die unbeschriftete Station wenigstens als eigener Kontaktpunkt auf. Zugeordnet ist sie damit noch nicht.

Warum Direct wächst, wenn Herkunft verloren geht: Datenverlust im Tracking. Modelle über mehrere Kontaktpunkte: Multi-Touch Attribution.

Wie du den Anteil sichtbar machst

Das Ziel ist keine exakte Zahl, sondern eine Reihe, die du über Monate vergleichen kannst. Vier Schritte reichen dafür.

1. Eigene Kanalregel auf die Referrer-Hostnamen

Sieh in deinen Referral-Daten nach, welche Assistenten-Domains überhaupt auftauchen, und fasse sie in einer eigenen Kanaldefinition zusammen. In GA4 geht das über eine eigene Kanalgruppe, in einem eigenen Attributions-Setup über die Kanalzuordnung. Ab diesem Zeitpunkt hast du eine Zeitreihe statt einer Vermutung. Rückwirkend gilt die Regel je nach Tool nicht, deshalb ist der beste Zeitpunkt dafür der aktuelle Monat.

Halte den neuen Kanal getrennt von Organic Search. Der Zulauf entsteht in einer Antwort, nicht in einer Ergebnisliste, und wenn du beides in einen Topf wirfst, verlierst du genau die Unterscheidung, für die du die Regel gebaut hast. Prüfe die Hostname-Liste alle paar Monate nach, weil neue Dienste dazukommen und bestehende ihre Domains wechseln.

2. Die eigene Seite sauber taggen

Je konsequenter dein Newsletter, deine Anzeigen und deine Partner-Links getaggt sind, desto weniger Rauschen bleibt im Direct-Topf übrig. Das ordnet KI-Traffic nicht zu, macht die Restmenge aber aussagekräftiger. Ohne eine feste UTM-Konvention über alle eigenen Kanäle hinweg funktioniert dieser Schritt nicht.

3. Sessions über die Journey zusammenhalten

Der Assistent steht selten am Anfang und selten am Ende. Häufiger liegt er in der Mitte, zwischen einer Anzeige und dem späteren Kauf. Wenn deine Sitzungen über die Zeit zusammengeführt werden, siehst du den Besuch ohne Herkunft wenigstens als Zwischenschritt in einer Kette, die vorne und hinten beschriftet ist. Reißt die Wiedererkennung ab, zerfällt dieselbe Journey in mehrere herkunftslose Einzelbesuche.

4. Muster beobachten, ohne sie zu Zahlen zu machen

Für den Rest bleiben Beobachtungen: welche Seiten plötzlich Einstiege bekommen, ob der Anteil neuer Besucher im Direct-Topf steigt, ob Bestellungen aus diesem Topf anders aussehen als sonst. Notiere solche Auffälligkeiten mit Datum. Als Prozentzahl im Report haben sie nichts verloren, denn belegt ist keine davon.

Was hier ausdrücklich nicht geht: den unbekannten Anteil zurückrechnen. Ohne Referrer gibt es keine Spur, aus der sich eine Zuordnung rekonstruieren ließe. Jede Zahl, die dir einen exakten KI-Anteil verspricht, beruht auf Annahmen, die niemand prüfen kann.

Sessions über längere Journeys halten: Session Freeze und Fingerprint Recovery. Über Geräte hinweg: Cross-Device-Tracking.

Was das für deine Inhalte bedeutet

Wenn ein Assistent deinen Shop empfiehlt, hat er die Information vorher irgendwo gelesen. Damit rückt eine Frage nach vorn, die vorher nur für Suchmaschinen galt: Sind deine Fakten so aufgeschrieben, dass eine Maschine sie zitieren kann, ohne sie zu raten?

Praktisch heißt das, Preise, Leistungen, Bedingungen und Vergleiche im Text stehen zu haben und nicht nur in einer Grafik oder in einem Element, das erst nach einem Klick erscheint. Strukturierte Daten helfen, weil sie dieselben Angaben maschinenlesbar wiederholen. Eine Datei wie llms.txt im Wurzelverzeichnis listet auf, welche Seiten deine belastbaren Antworten enthalten. Beides ist keine Garantie für eine Empfehlung. Beides erspart einem Modell aber die Rekonstruktion aus Bruchstücken.

Der Bezug zur Messung ist direkt: Je mehr Antworten auf deine Detailseiten führen, desto mehr Einstiege bekommst du tief in der Seite, und desto wichtiger wird es, dass diese Besuche nicht ungeprüft im Direct-Topf verschwinden. Die Arbeit an den Inhalten und die Arbeit an der Kanalregel gehören deshalb zusammen.

Der Leitfaden zum Thema Messverlust: Cookieless Tracking. Wenn zusätzlich die Einwilligung fehlt: Der Consent-Gap.