AI Traffic Measurement για E-shop: Πώς Μετράτε Traffic και Πωλήσεις από AI

Ένας ιδιοκτήτης e-shop μπορεί πλέον να βλέπει επισκέψεις που συνδέονται με το ChatGPT, το Gemini, το Perplexity και άλλα AI environments και να αναρωτιέται αν αυτό το traffic οδηγεί πραγματικά σε προϊόντα, καλάθια και πωλήσεις. Η απάντηση δεν βρίσκεται σε ένα μόνο metric ούτε σε ένα μόνο report.
Το AI Traffic Measurement χρειάζεται να διαχωρίσει διαφορετικά επίπεδα. Άλλο είναι το visibility ενός προϊόντος μέσα σε ένα AI answer, άλλο το click που φέρνει έναν χρήστη στο e-shop, άλλο το behaviour του χρήστη μετά την επίσκεψη και άλλο η εμπορική αξία που δημιουργεί το συγκεκριμένο journey.
Για ένα e-shop, η πιο χρήσιμη λογική είναι: AI visibility → identifiable AI-originated traffic → onsite behaviour → ecommerce outcomes → attribution / contribution → machine activity

Στο ευρύτερο πλαίσιο του Agentic Commerce, το Agentic Commerce SEO χρειάζεται αυτή τη διάκριση, επειδή η παρουσία ενός e-shop σε AI search και AI assistants έχει επιχειρηματική αξία μόνο όταν η επιχείρηση γνωρίζει τι μπορεί πραγματικά να παρακολουθήσει και, εξίσου σημαντικό, τι δεν μπορεί να αποδώσει με βεβαιότητα στο AI.

Τι σημαίνει AI Traffic Measurement για ένα e-shop

Το AI Traffic Measurement δεν περιορίζεται στο να βρείτε ένα νέο source μέσα στο Google Analytics. Ένα e-shop μπορεί να εμφανίζεται σε ένα AI answer χωρίς να δέχεται click, να λαμβάνει traffic από έναν AI assistant, να βλέπει έναν AI crawler στα server logs ή να καταγράφει μία αγορά μετά από περισσότερα από ένα touchpoint. Αυτές οι περιπτώσεις περιγράφουν διαφορετικά πράγματα.

Για αυτό, το measurement πρέπει να ξεκινά από την επιχειρηματική ερώτηση: ποια AI interactions μπορώ να παρατηρήσω και ποια εμπορική αξία μπορώ να συνδέσω αξιόπιστα με αυτά;

Τα διαφορετικά επίπεδα του AI measurement

Ένα πρακτικό AI measurement framework για e-shop περιλαμβάνει έξι επίπεδα:

• Visibility: αν το e-shop ή ένα URL εμφανίζεται μέσα σε ένα AI/search environment.
• Traffic: αν ένας χρήστης κάνει click και φτάνει πραγματικά στο e-shop.
• Onsite behaviour: ποια landing pages, κατηγορίες και προϊόντα επισκέπτεται μετά το click.
• Ecommerce outcomes: αν προχωρά σε product view, add to cart, checkout ή purchase.
• Attribution / contribution: αν το observable AI touchpoint συμμετείχε σε ένα conversion path.
• Machine activity: αν crawlers, search bots ή user-triggered fetchers κάνουν requests στον server.

Τα επίπεδα αυτά χρησιμοποιούν διαφορετικά data sources. Το GA4 μπορεί να παρακολουθεί επισκέψεις και ecommerce behaviour. Το Google Search Console μπορεί να δίνει visibility data για ορισμένα Google generative AI features. Τα server logs μπορούν να αποκαλύπτουν machine requests. Κανένα από αυτά τα εργαλεία δεν περιγράφει μόνο του όλο το AI customer journey.

Γιατί δεν μπορεί να μετρηθεί ολόκληρο το AI customer journey

Ένα μεγάλο μέρος του AI interaction μπορεί να συμβαίνει έξω από το e-shop.

Ένας χρήστης μπορεί, για παράδειγμα:

• να ζητήσει από ένα AI assistant να συγκρίνει τρία προϊόντα,
• να διαβάσει την απάντηση χωρίς να κάνει click,
• να θυμηθεί το brand δύο ημέρες αργότερα,
• να πληκτρολογήσει απευθείας το domain,
• να αγοράσει ένα προϊόν.

Το e-shop βλέπει το τελευταίο κομμάτι της διαδρομής, αλλά δεν διαθέτει observable connection που να αποδεικνύει ότι το AI answer προκάλεσε την αγορά.

Αντίθετα, όταν ένας χρήστης κάνει click από ένα αναγνωρίσιμο AI source και το GA4 καταγράφει το session και τις επόμενες ecommerce ενέργειές του, το e-shop διαθέτει πολύ ισχυρότερο measurement signal.

Τι μπορεί και τι δεν μπορεί να μετρήσει σήμερα ένα e-shop

Πριν ανοίξετε οποιοδήποτε report, πρέπει να ξεχωρίσετε το επίπεδο βεβαιότητας των data. Διαφορετικά, είναι εύκολο να παρουσιάσετε ως «AI traffic» δεδομένα που στην πραγματικότητα δείχνουν visibility, bot activity ή απλώς απουσία γνωστού referrer.

Άμεσα μετρήσιμο AI traffic

Όταν ένας χρήστης φτάνει στο e-shop από αναγνωρίσιμο AI source και το analytics setup καταγράφει σωστά το session, μπορείτε να αναλύσετε:

• sessions και users,
• Session source / medium,
• landing page,
• engagement,
• product views,
• add to cart,
• checkout activity,
• purchases,
• revenue.

Αυτό αποτελεί το πιο αξιόπιστο κομμάτι του AI traffic measurement επειδή υπάρχει πραγματικό website interaction.

Μετρήσιμο μέσω διαφορετικών εργαλείων

Δεν ανήκουν όλα τα AI signals στο GA4.

Η Google διαθέτει ξεχωριστό reporting στο Search Console για visibility μέσα σε generative AI features. Αντίστοιχα, τα server logs μπορούν να δείξουν requests από συγκεκριμένα bots ή fetchers.

Ένα σωστό report πρέπει να κρατά αυτά τα datasets ξεχωριστά, επειδή απαντούν σε διαφορετικές ερωτήσεις.

Έμμεσα signals και μη αξιόπιστο attribution

Ορισμένα data μπορούν να αποτελούν ένδειξη χωρίς να αποδεικνύουν AI influence.

Για παράδειγμα, μία αύξηση του Direct traffic μετά από έντονη παρουσία ενός brand σε AI answers μπορεί να είναι ενδιαφέρον observation. Δεν αποτελεί όμως attribution evidence.

Το ίδιο ισχύει όταν αυξάνονται branded searches ή conversions χωρίς identifiable AI touchpoint. Η επιχείρηση μπορεί να καταγράψει τη συσχέτιση, αλλά δεν πρέπει να παρουσιάσει το AI ως αποδεδειγμένη αιτία.

Τι δεν μπορεί να μετρηθεί από το e-shop

Ένα e-shop δεν μπορεί από τα δικά του analytics να γνωρίζει με βεβαιότητα:

• πόσοι χρήστες είδαν ένα προϊόν σε AI answer αλλά δεν έκαναν click,
• πόσοι θυμήθηκαν το brand και επέστρεψαν αργότερα απευθείας,
• πόσα μη καταγεγραμμένα AI recommendations επηρέασαν μία μεταγενέστερη αγορά,
• πώς συνδέονται όλα τα interactions όταν ο χρήστης αλλάζει συσκευή, browser ή session χωρίς observable identity.

Το measurement framework πρέπει να αποδέχεται αυτά τα κενά αντί να τα γεμίζει με υποθέσεις.

Πώς αναγνωρίζεται το AI traffic στο GA4

Το GA4 έχει αλλάξει ουσιαστικά τον τρόπο με τον οποίο μπορεί να αντιμετωπίζει το traffic από AI assistants. Από τις 13/05/2026, η Google διαθέτει dedicated AI Assistant channel στο Default Channel Group για αναγνωρισμένο traffic από δημοφιλείς AI assistants.

Αυτό σημαίνει ότι ένα e-shop δεν χρειάζεται πλέον να ξεκινά υποχρεωτικά με τη λογική «δημιουργούμε μόνοι μας ένα custom AI channel».

Το native AI Assistant channel του GA4

Όταν το referrer ταιριάζει στη λίστα AI assistants που χρησιμοποιεί η Google, το GA4 μπορεί να ορίσει το medium ως:

ai-assistant

και το campaign ως:

(ai-assistant)

Το Default Channel Group ταξινομεί τότε το traffic στο AI Assistant.

Για έναν ιδιοκτήτη e-shop, αυτό δημιουργεί ένα καθαρό πρώτο επίπεδο reporting: πόσα identifiable sessions προέρχονται από AI assistants ως κατηγορία.

Γιατί πρέπει να ελέγχετε και το Source / Medium

Το channel απαντά στην ερώτηση «σε ποια κατηγορία ανήκει το traffic;». Δεν απαντά από μόνο του στην ερώτηση «ποιο AI environment έφερε την επίσκεψη;».

Για αυτό πρέπει να εξετάζετε και:

• το Session source,
• το Session medium,
• το Source / Medium όπου είναι κατάλληλο για το συγκεκριμένο report.

Το Source δείχνει από πού προήλθε το traffic και το Medium περιγράφει τον τρόπο με τον οποίο έφτασε ο χρήστης.

Αυτό επιτρέπει στο e-shop να μη βλέπει μόνο μία συνολική γραμμή «AI Assistant», αλλά να συγκρίνει, όπου τα data το επιτρέπουν, διαφορετικά AI sources.

Session source και First user source: ποια είναι η διαφορά

Το GA4 χρησιμοποιεί διαφορετικά scopes και αυτά απαντούν διαφορετικές επιχειρηματικές ερωτήσεις.

Το Session source περιγράφει από πού προήλθε το συγκεκριμένο session.

Αν ένας χρήστης επισκέπτεται σήμερα το e-shop από ChatGPT, το Session source αφορά αυτή τη συγκεκριμένη επίσκεψη.

Το First user source περιγράφει από πού απέκτησε αρχικά το e-shop τον συγκεκριμένο χρήστη.

Για ένα AI traffic report:

• χρησιμοποιήστε κυρίως το Session source όταν θέλετε να μετρήσετε τις επισκέψεις που έφεραν τώρα οι AI assistants,
• χρησιμοποιήστε το First user source όταν θέλετε να εξετάσετε αν το AI λειτουργεί ως αρχικό acquisition source για νέους χρήστες.

Μην συγκρίνετε μηχανικά metrics από User acquisition και Traffic acquisition σαν να έχουν το ίδιο scope.

Πότε έχει ακόμη νόημα ένα custom AI channel group

Το native AI Assistant channel δεν καταργεί κάθε πιθανή χρήση custom channel groups.

Ένα digital agency μπορεί να δημιουργήσει custom grouping όταν χρειάζεται:

• δικό του segmentation,
• ειδική ταξινόμηση συγκεκριμένων AI sources,
• σύγκριση με ιστορική reporting λογική,
• custom reports ή explorations.

Η Google επιτρέπει custom channel groups και δίνει ακόμη παράδειγμα AI assistants με regex. Τα custom channel groups μπορούν να εφαρμοστούν αναδρομικά και σε ήδη καταγεγραμμένα data, αλλά η Google σημειώνει ότι δεν μπορούν σήμερα να χρησιμοποιηθούν στο Key events paths report.

Επίσης, ένα regex χρειάζεται maintenance. Αν αλλάξουν URLs ή προστεθούν νέα AI environments, το agency πρέπει να το ενημερώσει.

Για αυτό, το σωστό sequence είναι:

1. ελέγξτε πρώτα το native AI Assistant channel,
2. αναλύστε το πραγματικό Source / Medium,
3. δημιουργήστε custom grouping μόνο αν εξυπηρετεί συγκεκριμένη reporting ανάγκη.

Πώς μετριέται το traffic από ChatGPT, Perplexity και Gemini

Δεν πρέπει να αντιμετωπίζετε όλα τα AI environments σαν να στέλνουν traffic με τον ίδιο τρόπο. Κάθε provider μπορεί να χρησιμοποιεί διαφορετικά interfaces, referrer behaviour, UTM parameters και retrieval mechanisms.

Ο ασφαλής κανόνας είναι να ξεκινάτε από τα πραγματικά analytics data και να χρησιμοποιείτε το επίσημο documentation πριν δημιουργήσετε universal rules.

ChatGPT traffic

Η OpenAI δίνει σήμερα ένα ιδιαίτερα χρήσιμο measurement signal. Στο επίσημο documentation για publishers αναφέρει ότι το ChatGPT περιλαμβάνει αυτόματα το UTM parameter:

utm_source=chatgpt.com

στα referral URLs από ChatGPT search results.

Αυτό επιτρέπει στο e-shop να εντοπίζει καθαρότερο inbound signal στο analytics setup και να συνδέει το συγκεκριμένο traffic με landing pages, product interactions και purchases.

Το agency πρέπει όμως να διατηρήσει το claim ακριβές: το documentation αναφέρεται σε inbound traffic από ChatGPT search results. Δεν πρέπει όμως να θεωρείτε ότι κάθε link που εμφανίζεται μέσα στο ChatGPT θα περιλαμβάνει πάντοτε το ίδιο UTM parameter ή θα μεταφέρει τα ίδια referral data.

Perplexity traffic

Η Perplexity παρέχει αναλυτικό official documentation για τους δικούς της crawlers και user-triggered fetchers, αλλά το measurement του ανθρώπινου referral traffic πρέπει να βασίζεται σε αυτά που καταγράφει πραγματικά το analytics setup.

Ελέγξτε:

• Session source,
• Session medium,
• landing pages,
• AI Assistant classification όπου εμφανίζεται,
• ecommerce behaviour μετά την επίσκεψη.

Μην δημιουργήσετε ένα μόνιμο rule τύπου «κάθε visit από Perplexity εμφανίζεται πάντα με αυτό το hostname» αν το επίσημο documentation δεν το εγγυάται.

Gemini traffic

Η Google περιλαμβάνει το Gemini στα παραδείγματα AI assistants για το νέο AI Assistant traffic measurement. Παράλληλα, τα Gemini Apps μπορούν να εμφανίζουν links προς related sources.

Για το e-shop, η πρακτική μέθοδος παραμένει:

• ελέγξτε το AI Assistant channel,
• κατεβείτε στο πραγματικό Source / Medium,
• εξετάστε το landing page και το subsequent ecommerce behaviour.

Μην θεωρείτε όμως ότι κάθε Gemini interface, device ή interaction μεταφέρει πάντοτε το ίδιο referral information.

Άλλοι AI assistants

Το GA4 μπορεί να αναγνωρίζει traffic και από άλλους δημοφιλείς AI assistants. Δεν χρειάζεται το άρθρο ή το report να μετατραπεί σε μία στατική λίστα δεκάδων domains.

Η πιο ανθεκτική reporting στρατηγική είναι:

• native AI Assistant channel για το συνολικό identifiable traffic,
• Source / Medium για platform-level analysis,
• periodic review για νέα ή μεταβαλλόμενα sources.

Έτσι, το reporting δεν εξαρτάται από μία χειροκίνητη λίστα που μπορεί να γίνει γρήγορα outdated.

Γιατί το Google AI Overviews και το AI Mode χρειάζονται διαφορετική μέτρηση

Το «Google AI traffic» αποτελεί ιδιαίτερη περίπτωση. Αν κοιτάξετε μόνο το AI Assistant channel στο GA4, δεν βλέπετε ολόκληρη την εικόνα των generative AI experiences της Google.

Η Google κατατάσσει traffic από organic-search results, συμπεριλαμβανομένων των AI Overviews και του AI Mode, στο Organic Search και όχι στο AI Assistant channel.

AI Overviews και AI Mode στο GA4

Για αυτό, ένα report που δείχνει μόνο:

Default Channel Group = AI Assistant

δεν πρέπει να παρουσιάζεται ως «όλο το AI traffic».

Το Google AI Search μπορεί να δημιουργεί website visits που παραμένουν μέσα στο Organic Search classification.

Αυτή η διάκριση είναι κρίσιμη:

Generative AI reporting στο Google Search Console

Από τις 03/06/2026, η Google ξεκίνησε τη διάθεση ξεχωριστών Search Generative AI performance reports στο Search Console.

Το report λειτουργεί κυρίως ως visibility layer. Η Google αναφέρει ότι μπορεί να δείξει πληροφορίες όπως:

• impressions,
• pages που εμφανίστηκαν σε generative AI features,
• countries,
• devices για Search,
• performance ανά ημερομηνία.

Η Google ξεκίνησε το rollout σε subset websites και έχει δηλώσει ότι το reporting θα εξελίσσεται με additional metrics.

Για αυτό, το Search Console πρέπει να συμπληρώνει το GA4 και όχι να το αντικαθιστά.

Visibility και website traffic δεν είναι το ίδιο metric

Ένα URL μπορεί να έχει impression μέσα σε ένα Google generative AI feature χωρίς ο χρήστης να κάνει click.

Αντίστροφα, ένα click προς το e-shop δημιουργεί διαφορετικό measurement event.

Για αυτό:

• το Search Console απαντά κυρίως στο «πού εμφανίζομαι;»,
• το GA4 απαντά στο «τι κάνουν οι χρήστες όταν φτάνουν στο e-shop;».

Αν τα ενώσετε σε ένα report, κρατήστε τα σε ξεχωριστές ενότητες.

Μην προσθέτετε ένα impression και ένα session σαν να αποτελούν το ίδιο KPI.

Τι κάνουν οι χρήστες που έρχονται από AI στο e-shop

Το traffic volume από μόνο του δεν αρκεί. Ένα AI source μπορεί να φέρνει λίγους χρήστες με υψηλό purchase intent ή πολλούς χρήστες που δεν αλληλεπιδρούν ουσιαστικά με το catalog.

Για αυτό, μετά το acquisition πρέπει να εξετάσετε το onsite behaviour.

Landing pages και σελίδες προϊόντων ή κατηγοριών

Το πρώτο ερώτημα είναι: πού φτάνουν οι AI-originated users;

Ελέγξτε αν τα sessions προσγειώνονται σε:

• product pages,
• category pages,
• buying guides,
• shipping ή policy pages,
• informational articles.

Αν το ChatGPT, για παράδειγμα, φέρνει users απευθείας σε product pages, αυτό υποδηλώνει διαφορετικό intent από traffic που προσγειώνεται σε έναν γενικό οδηγό.

Το landing page analysis βοηθά επίσης να εντοπίσετε ποια URLs λειτουργούν ως πραγματικά AI entry points.

Engagement και product interactions

Το engagement είναι χρήσιμο supporting metric, αλλά δεν πρέπει να αποτελεί το τελικό business KPI ενός e-shop.

Πιο ουσιαστικά signals είναι τα ecommerce events.

Το GA4 χρησιμοποιεί, μεταξύ άλλων:

• view_item όταν ο χρήστης βλέπει τα details ενός προϊόντος,
• add_to_cart όταν προσθέτει προϊόν στο καλάθι.

Αυτά τα events απαντούν σε πιο συγκεκριμένες ερωτήσεις:

• Το AI traffic βλέπει πράγματι προϊόντα;
• Οι χρήστες που προέρχονται από AI sources προσθέτουν προϊόντα στο καλάθι;
• Ποια products ή categories συγκεντρώνουν το μεγαλύτερο commercial interest;

Από το add to cart στο purchase

Το επόμενο επίπεδο είναι η πρόοδος προς την αγορά.

Χρησιμοποιήστε:

• begin_checkout για την έναρξη του checkout,
• purchase για την ολοκληρωμένη αγορά.

Στη συνέχεια εξετάστε:

• purchase conversion rate,
• number of purchases,
• purchase revenue.

Το παρόν measurement δεν αφορά το πώς θα σχεδιάσετε καλύτερο checkout. Η δομή και το agent-readiness του checkout καλύπτονται ξεχωριστά στον οδηγό Checkout Readiness για Agentic Commerce.

Εδώ το checkout λειτουργεί ως measurable stage του commercial funnel.

Φέρνει πραγματικά πωλήσεις το AI traffic;

Αυτή είναι η σημαντικότερη επιχειρηματική ερώτηση. Η απάντηση όμως δεν πρέπει να περιοριστεί στο «πόσες αγορές είχαν AI source στο τελευταίο session».

Ένα AI-originated session μπορεί να εμφανιστεί σε διαφορετικό σημείο του customer journey.

Purchases, revenue και conversion rate ανά AI source

Ξεκινήστε με τα άμεσα εμπορικά outcomes.

Για κάθε AI source με επαρκή όγκο data, εξετάστε:

• sessions,
• product views,
• add-to-cart rate,
• checkout starts,
• purchases,
• conversion rate,
• purchase revenue.

Ένα source με 1.000 sessions και 2 purchases μπορεί να είναι λιγότερο πολύτιμο από ένα source με 150 sessions και 10 purchases.

Η πραγματική αξία του traffic εξαρτάται περισσότερο από την ποιότητά του παρά από τον συνολικό αριθμό επισκέψεων.

AI touchpoints στα conversion paths

Το GA4 διαθέτει Key events attribution paths report για να δείχνει πώς διαφορετικά touchpoints συμμετέχουν στη διαδρομή προς ένα key event.

Αυτό επιτρέπει να αναλύσετε journeys όπως:

AI Assistant → Organic Search → Purchase

Σε αυτή την περίπτωση, το AI visit αποτελεί observable touchpoint πριν από την αγορά, ακόμη και αν το τελευταίο session προέρχεται από το Organic Search.

Αυτό είναι πιο χρήσιμο από μία αποκλειστικά last-click ανάγνωση του traffic.

Assisted contribution χωρίς υπερβολικό attribution

Το attribution πρέπει να σταματά εκεί όπου σταματούν τα observable data.

Συγκρίνετε δύο παραδείγματα.

Παράδειγμα 1:

AI Assistant visit → επιστροφή μέσω Organic Search → purchase

Εδώ υπάρχει καταγεγραμμένο AI touchpoint και μπορείτε να εξετάσετε contribution μέσα στο observable path.

Παράδειγμα 2:

AI answer χωρίς click → δύο ημέρες αργότερα Direct visit → purchase

Εδώ το e-shop δεν διαθέτει observable connection μεταξύ του AI answer και της αγοράς.

Δεν πρέπει να αποδώσει το purchase στο AI μόνο επειδή το journey είναι πιθανό.

Τι μπορούν να δείξουν τα server logs για τους AI agents

Τα server logs αποτελούν χρήσιμο συμπληρωματικό measurement layer, αλλά δεν μετρούν το ίδιο πράγμα με το GA4.

Το GA4 παρακολουθεί observable user behaviour στο website. Τα logs καταγράφουν HTTP requests προς τον server.

Αυτό σημαίνει ότι ένα request μπορεί να προέρχεται από crawler, search bot, user-triggered fetcher ή άλλο automated system χωρίς να υπάρχει ανθρώπινο website session.

AI crawlers, search bots και user-triggered fetchers

Η OpenAI διαχωρίζει, μεταξύ άλλων:

• OAI-SearchBot για search,
• GPTBot για crawling content που μπορεί να χρησιμοποιηθεί στο model training,
• ChatGPT-User για ορισμένα user-triggered actions.

Η Perplexity διαχωρίζει:

• PerplexityBot,
• Perplexity-User.

Αντίστοιχα, η Anthropic διαχωρίζει το ClaudeBot, το Claude-SearchBot και το Claude-User.

Αυτές οι κατηγορίες δείχνουν γιατί ο όρος «AI bot traffic» είναι υπερβολικά γενικός για σοβαρό reporting.

Γιατί ένα AI request δεν είναι επίσκεψη πελάτη

Αν το OAI-SearchBot ζητήσει ένα product URL, το server log αποδεικνύει machine access.

Δεν αποδεικνύει ότι:

• ένας άνθρωπος είδε το προϊόν,
• ένας άνθρωπος έκανε click προς το e-shop,
• δημιουργήθηκε GA4 session,
• δημιουργήθηκε purchase intent,
• πραγματοποιήθηκε conversion.

Πώς συνδυάζονται logs και analytics χωρίς να συγχέονται

Χρησιμοποιήστε τα δύο datasets για διαφορετικό σκοπό:

• GA4: identifiable user traffic, landing pages, behaviour και ecommerce outcomes.
• Server/CDN logs: machine access, bot requests και technical activity.

Η αναλυτική διαχείριση του crawler access, του robots.txt, του WAF, του CDN και του bot verification καλύπτεται στο άρθρο Crawlability για AI Agents και E-shop.

Το παρόν άρθρο χρησιμοποιεί τα logs μόνο ως measurement source, όχι ως crawlability optimisation guide.

Zero-click AI και τα όρια του attribution

Το σημαντικότερο limitation του AI Traffic Measurement είναι ότι η αξία ενός AI environment μπορεί να δημιουργείται πριν από το click — ή χωρίς click.

Ένα AI system μπορεί να χρησιμοποιήσει πληροφορίες από ένα e-shop για να απαντήσει σε μία αγοραστική ερώτηση, να συγκρίνει προϊόντα ή να προτείνει ένα brand. Η δυνατότητα ενός AI system να κατανοήσει σωστά τα προϊόντα εξαρτάται παράλληλα από την ποιότητα και τη συνέπεια των product data.

Αν ο χρήστης δεν επισκεφθεί το website, το e-shop δεν δημιουργεί κανονικό analytics session.

Όταν το AI χρησιμοποιεί το περιεχόμενο του e-shop χωρίς click

Ένας χρήστης μπορεί να ρωτήσει:

«Ποια είναι τα καλύτερα running shoes κάτω από 120 € για υπερπρηνισμό;»

Το AI environment μπορεί να χρησιμοποιήσει πληροφορίες από product ή category pages και να εμφανίσει μία απάντηση.

Αν ο χρήστης διαβάσει την απάντηση και δεν κάνει click:

• το GA4 δεν καταγράφει website session,
• δεν υπάρχει landing page,
• δεν υπάρχει onsite behaviour,
• δεν υπάρχει measurable ecommerce funnel μέσα στο e-shop.

Ορισμένα platforms μπορούν να παρέχουν δικά τους visibility reports, όπως συμβαίνει με τα Google generative AI features στο Search Console. Αυτό δεν δημιουργεί όμως ένα universal zero-click measurement standard για όλα τα AI environments.

AI recommendation και μεταγενέστερο Direct visit

Ένας χρήστης μπορεί να δει ένα recommendation σήμερα και να επιστρέψει αύριο πληκτρολογώντας το domain.

Το GA4 μπορεί τότε να καταγράψει:

(direct)/(none)

Αυτό δεν σημαίνει ότι το GA4 «έχασε σίγουρα ένα AI referral». Σημαίνει ότι το συγκεκριμένο traffic δεν διαθέτει σαφή referral source.

Η επιχείρηση δεν μπορεί να μετατρέψει αυτόματα το Direct traffic σε AI traffic.

Cross-device και cross-session gaps

Τα measurement gaps αυξάνονται όταν ο χρήστης:

• βλέπει ένα AI answer στο κινητό,
• επισκέπτεται αργότερα το e-shop από desktop,
• χρησιμοποιεί διαφορετικό browser,
• δεν είναι logged in,
• επιστρέφει μετά από αρκετές ημέρες.

Αν δεν υπάρχει observable connection, το analytics setup δεν μπορεί να ανακατασκευάσει όλο το journey με βεβαιότητα.

Αυτό δεν αποτελεί απαραίτητα αποτυχία του tagging. Αποτελεί πραγματικό όριο του measurement.

Γιατί το Direct traffic δεν αποτελεί proxy για AI

Η Google ορίζει το (direct)/(none) ως traffic χωρίς σαφή referral source.

Αυτό μπορεί να συμβεί για πολλούς λόγους.

Για αυτό:

Direct traffic ≠ αποδεδειγμένο AI traffic.

Μπορείτε να παρακολουθείτε trends και correlations, αλλά δεν πρέπει να παρουσιάζετε unattributed traffic ως κρυφό ChatGPT, Gemini ή Perplexity traffic.

Τι πρέπει να περιλαμβάνει ένα AI Traffic Report για ένα e-shop

Το report προς έναν ιδιοκτήτη e-shop πρέπει να παραμένει επιχειρηματικά χρήσιμο. Δεν χρειάζεται να περιέχει κάθε διαθέσιμο GA4 dimension.

Χρειάζεται να απαντά πέντε βασικές ερωτήσεις:

1. Πόσο identifiable traffic φέρνει το AI;
2. Πού προσγειώνονται αυτοί οι χρήστες;
3. Αλληλεπιδρούν με προϊόντα;
4. Οδηγούν σε checkout και sales;
5. Ποιο contribution μπορούμε να αποδείξουμε χωρίς να υπερβάλλουμε;

AI acquisition

Το πρώτο layer πρέπει να δείχνει:

• AI Assistant sessions,
• users,
• Session source / medium,
• συγκεκριμένο AI source όπου τα data το επιτρέπουν,
• new users μόνο όταν προσθέτουν χρήσιμη πληροφορία.

Μην παρουσιάζετε απλώς ένα συνολικό percentage «AI traffic». Δείξτε και τη σύνθεση του traffic.

Landing και onsite behaviour

Το δεύτερο layer πρέπει να εξηγεί αν οι χρήστες που έρχονται από AI:

• μπαίνουν σε product pages,
• επισκέπτονται categories,
• βλέπουν προϊόντα,
• προσθέτουν προϊόντα στο καλάθι.

Αυτό αποκαλύπτει αν το AI traffic έχει πραγματικό product intent.

Commercial outcomes

Το τρίτο layer πρέπει να περιλαμβάνει:

• begin_checkout,
• purchases,
• purchase conversion rate,
• purchase revenue.

Αυτά είναι τα metrics που μετατρέπουν το AI Traffic Measurement από SEO reporting σε εμπορικό reporting.

Attribution και contribution

Το report πρέπει να δείχνει observable AI touchpoints μέσα στα conversion paths χωρίς να παρουσιάζει το attribution model ως απόλυτη αλήθεια.

Αν ένα AI session συμμετείχε σε ένα path, καταγράψτε το.

Αν δεν υπάρχει observable AI touchpoint, μην δημιουργείτε attribution μόνο από υποθέσεις.

AI visibility και machine activity σε ξεχωριστά reporting layers

Το visibility από το Google Search Console και το machine activity από τα logs πρέπει να εμφανίζονται ξεχωριστά από το commercial website traffic.

Μην αθροίζετε:

• AI impressions,
• bot requests,
• sessions,
• users,
• purchases

σε ένα ενιαίο «AI performance score».

Αν ένα Agentic Commerce Readiness Audit εντοπίσει ότι το e-shop δεν παρακολουθεί σωστά το AI traffic και τα outcomes, το συγκεκριμένο reporting framework μπορεί να χρησιμοποιηθεί ως επόμενο πρακτικό βήμα.

Πώς να αξιολογείτε σωστά την πραγματική αξία του AI για το e-shop

Η αξία του AI για ένα e-shop δεν πρέπει να κρίνεται μόνο από το πόσα sessions εμφανίζονται σε ένα νέο channel row.

Η επιχείρηση πρέπει να συνδυάζει:

visibility + identifiable traffic + onsite behaviour + sales + observable contribution (καταγεγραμμένη συμμετοχή του AI στα conversion paths)

και να διατηρεί χωριστά τα machine requests.

Τι γνωρίζετε με βεβαιότητα

Το e-shop μπορεί να έχει υψηλή βεβαιότητα όταν διαθέτει:

• καταγεγραμμένο AI-originated session,
• σαφές Source / Medium,
• landing page,
• ecommerce events,
• purchase και revenue μέσα στο observable measurement.

Μπορεί επίσης να γνωρίζει με βεβαιότητα ότι ένα συγκεκριμένο verified bot έκανε HTTP request ή ότι το Search Console κατέγραψε συγκεκριμένο generative AI visibility signal.

Τι πρέπει να αντιμετωπίζετε ως ένδειξη

Αν δεν υπάρχει πλήρες observable connection, παρουσιάστε το finding ως signal ή correlation.

Παραδείγματα:

• αύξηση branded searches μετά από αυξημένο AI visibility,
• αύξηση Direct traffic,
• αύξηση visits σε προϊόντα που εμφανίζονται συχνά σε AI contexts.

Αυτά μπορούν να βοηθήσουν την ανάλυση, αλλά δεν αποτελούν από μόνα τους causal attribution.

Τι δεν πρέπει να παρουσιάζετε ως μετρήσιμο

Μην παρουσιάζετε ως βέβαιο:

• το συνολικό zero-click influence όλων των AI environments,
• κάθε Direct visit ως AI-generated traffic,
• κάθε bot request ως user visit,
• κάθε conversion μετά από πιθανό AI exposure ως AI-assisted sale.

Το πιο αξιόπιστο AI Traffic Measurement δεν είναι εκείνο που παρουσιάζει τον μεγαλύτερο αριθμό. Είναι εκείνο που δείχνει με σαφήνεια τι γνωρίζουμε, από ποιο data source το γνωρίζουμε και πού σταματά η βεβαιότητα.

Συχνές ερωτήσεις για το AI Traffic Measurement σε e-shops

Μπορώ να δω στο GA4 πόσοι χρήστες έρχονται από ChatGPT;

Ναι, όταν το traffic από το ChatGPT φτάνει στο e-shop με αναγνωρίσιμα source data και καταγράφεται από το GA4. Από τις 13/05/2026, τα Google Analytics διαθέτουν native AI Assistant channel για αναγνωρισμένο traffic από AI assistants. Η OpenAI αναφέρει επίσης ότι τα referral URLs από τα ChatGPT search results περιλαμβάνουν αυτόματα το UTM parameter utm_source=chatgpt.com. Το e-shop πρέπει να ελέγχει τόσο το AI Assistant channel όσο και το πραγματικό Session source / medium και να συνδέει το traffic με landing pages και ecommerce outcomes.

Χρειάζεται πλέον custom AI channel στο GA4;

Όχι ως υποχρεωτικό πρώτο βήμα. Τα Google Analytics διαθέτουν πλέον native AI Assistant channel στο Default Channel Group. Ένα custom channel group μπορεί να παραμένει χρήσιμο για ειδικό segmentation, custom reporting ή δική σας ταξινόμηση των sources, αλλά δεν πρέπει να παρουσιάζεται ως η μοναδική μέθοδος μέτρησης AI traffic. Τα custom channel groups απαιτούν επίσης maintenance όταν αλλάζουν URLs ή προστίθενται νέα AI environments.

Πώς μετριέται το traffic από Google AI Overviews και AI Mode;

Το traffic από τα Google AI Overviews και το AI Mode ταξινομείται στο GA4 ως Organic Search και όχι στο AI Assistant channel. Παράλληλα, η Google διαθέτει Generative AI performance reporting στο Search Console για visibility σε generative AI features. Για αυτό, ένα e-shop πρέπει να χρησιμοποιεί το Search Console για το visibility layer και το GA4 για τα website sessions, το behaviour και τα ecommerce outcomes.

Μπορώ να μετρήσω το traffic από Perplexity και Gemini;

Μπορείτε να μετρήσετε identifiable visits από Perplexity ή Gemini όταν το analytics setup λαμβάνει επαρκή source ή referral information. Στο GA4 πρέπει να ελέγχετε το AI Assistant channel και το πραγματικό Session source / medium. Δεν πρέπει όμως να θεωρείτε ότι κάθε Perplexity ή Gemini interface μεταδίδει πάντοτε το ίδιο referrer ή hostname, εκτός αν το αντίστοιχο επίσημο documentation το εγγυάται.

Το Direct traffic μπορεί να θεωρηθεί AI traffic;

Όχι. Στο GA4, το (direct)/(none) δηλώνει traffic χωρίς σαφή referral source. Ένας χρήστης μπορεί πράγματι να έχει επηρεαστεί προηγουμένως από ένα AI answer και να επιστρέψει αργότερα Direct, αλλά χωρίς observable connection το e-shop δεν μπορεί να αποδώσει με βεβαιότητα αυτή την επίσκεψη στο AI. Το Direct traffic δεν πρέπει να χρησιμοποιείται ως proxy για κρυφό AI traffic.

Τα server logs δείχνουν πόσοι πελάτες ήρθαν από AI;

Όχι. Τα server logs μπορούν να δείξουν HTTP requests από AI search bots, crawlers ή user-triggered fetchers, αλλά ένα machine request δεν ισοδυναμεί με ανθρώπινη επίσκεψη. Για παράδειγμα, το OAI-SearchBot, το ChatGPT-User, το PerplexityBot και το Perplexity-User εξυπηρετούν διαφορετικούς ρόλους. Το e-shop πρέπει να χρησιμοποιεί τα logs για machine activity και το GA4 για observable user traffic και ecommerce behaviour.

Μπορώ να μετρήσω πωλήσεις που επηρεάστηκαν από AI;

Μπορείτε να μετρήσετε purchases και revenue που συνδέονται με observable AI-originated sessions και να εξετάσετε AI touchpoints μέσα στα conversion paths του GA4. Δεν μπορείτε όμως να αποδώσετε με βεβαιότητα μία αγορά σε AI interaction που δεν καταγράφηκε. Αν ένας χρήστης δει ένα AI answer χωρίς click και επιστρέψει αργότερα Direct, το e-shop δεν διαθέτει επαρκές observable evidence για να χαρακτηρίσει το purchase ως AI-assisted.

Μπορώ να μετρήσω τα zero-click AI interactions;

Όχι συνολικά από τα analytics του e-shop. Ένα AI environment μπορεί να εμφανίσει πληροφορίες ή recommendation χωρίς να στείλει τον χρήστη στο website, οπότε δεν δημιουργείται GA4 session. Ορισμένα platforms παρέχουν δικά τους visibility data, όπως το Generative AI reporting του Google Search Console, αλλά δεν υπάρχει ενιαίο publisher-side measurement που να καταγράφει όλα τα zero-click interactions σε ChatGPT, Gemini, Perplexity και κάθε άλλο AI environment.

Πηγές

• What’s new in Google Analytics
• Default channel group
• Custom channel groups
• Traffic-source dimensions, manual tagging, and auto-tagging
• User acquisition report vs. Traffic acquisition report
• [GA4] Understand (direct) / (none) traffic
• Key events attribution paths report
• Measure ecommerce
• Introducing Search Generative AI performance reports in Search Console
• What are impressions, position, and clicks?
• Publishers and Developers – FAQ
• Overview of OpenAI Crawlers
• Perplexity Crawlers
• View related sources from Gemini Apps
• Does Anthropic crawl data from the web, and how can site owners block the crawler?