analytics-insights

分析与洞察

GA4“AI Assistant”渠道组（2026 年 5 月 13 日新增）

Google Analytics 4 于 2026 年 5 月 13 日新增了一个默认渠道组“AI Assistant”（GA4 渠道组文档）。当引荐来源匹配已识别的 AI Assistant（ChatGPT、Gemini、Claude 等）时，GA4 会自动：

• 将会话归类到 AI Assistant 渠道组
• 将 Medium 维度设为 ai-assistant

这是新版 GSC AI 性能报告（2026 年 6 月 3 日开始推出，参见 /digital-marketing-pro:gsc-ai-performance）在归因方面的对应方案。由于 GSC AI 报告有意排除点击数据，目前，GA4 的 AI Assistant 渠道是归因来自生成式 AI 界面的实际流量最清晰的途径。

为品牌配置 GA4 时建议检查：

1. 确认该渠道组已在媒体资源中启用。 较新的 GA4 媒体资源会自动获得该渠道组；较旧的媒体资源可能需要等 Google 完成回填后才会显示。如果品牌反馈 5 月 13 日之后渠道报告看起来没有变化，请检查是否有探索报告按 sessionDefaultChannelGroup = "AI Assistant" 筛选。
2. 将 AI Assistant 渠道添加到自定义报告和信息中心——对于正在开展 AEO 项目的品牌（/digital-marketing-pro:aeo-geo、/digital-marketing-pro:aeo-audit），AI Assistant 渠道趋势如今已是主要 KPI，与自然搜索点击并列。
3. 不要将 AI Assistant 合并到“Organic Search”或“Direct”中。 一些旧版报告模板会将 AI 流量归入 Direct（因为引荐来源并非始终存在），或归入 Organic Search（因为答案引擎看起来“像搜索”）。如今这两种做法都是错误归因——AI Assistant 渠道才是权威的归类渠道。
4. 与 aeo-audit 输出和 GSC AI 报告进行对照。 三个数据源，三种不同视角：
   • aeo-audit（合成探测）——AI 引擎可能会如何评价该品牌
   • GSC AI 性能报告——Google AI Overviews / AI Mode 中的实际展示次数（无点击）
   • GA4 AI Assistant 渠道——来自非 Google AI 助手的实际流量（已产生点击）

健康的 AEO 项目在这三项指标上都会增长；它们之间的差异可作为诊断信号。

盲点：Google 自家的 AI 界面被归入 Organic Search（2026-10-04 核实）

Google 的默认渠道定义（support.google.com/analytics/answer/9756891）说明了三点：

• AI Assistant 规则：“Medium 完全匹配 ‘ai-assistant’”。当引荐来源匹配其 AI 助手列表时，GA4 会设置该 Medium（以及 campaign (ai-assistant)）。Google 的渠道说明列出了 ChatGPT、Gemini、Deepseek、Copilot 和 Grok；2026 年 5 月 13 日的发布说明还提到了 Claude。
• AI Assistant 渠道“排除 Google AI Overviews 和 AI Mode”。
• Organic Search 是自然搜索结果中非广告链接所属的渠道，“包括 Google AI Overviews 和 AI Mode”。

因此，来自 AI Overview 或 AI Mode 的点击会计入 Organic Search。渠道页面没有记录任何能够将这类点击与传统蓝色链接点击区分开的维度。由此带来的影响：

• 绝不要将 AI Assistant 渠道报告为“所有 AI 流量”。 它只包含来自非 Google 助手的流量。
• 绝不要根据 GA4 数据扣除或估算 Organic Search 中的“AI Overviews 占比”。 不存在可用于此目的的第一方指标，将估算值当作数据呈现就是捏造。
• 当 Search Console 中的 AI Overviews 展示次数上升而自然点击下降时，应并列报告这两个数字。明确说明 GA4 无法将点击归因到 AI Overviews 或 AI Mode。

每个 AI 界面一张表：可衡量与不可衡量的内容（核查日期：2026-10-04）

界面	可见性指标（第一方）	点击量 / 流量指标	不可获取的指标
Google AI Overviews + AI Mode	Search Console 生成式 AI 报告：按网页、国家/地区、日期和设备统计的展示次数（帮助）	在 GA4 自然搜索中，无法单独区分	AI 报告中的点击量、点击率和查询；GA4 自然搜索中仅限 AI 的数据切片
Copilot、Bing 和部分合作伙伴的 AI 体验	Bing Webmaster Tools AI Performance：引用、依据查询、意图、主题、引用份额（某个依据查询所显示的所有引用中，你所占的份额）以及比较时段。意图、主题、引用份额和比较功能处于预览阶段（Bing 博客，2026 年 6 月 16 日）	GA4 AI 助手渠道（Copilot 是一个具名来源）	Bing 表示，引用份额“不会公开竞争对手的域名、代表流量份额，也不会为内容评定质量分数”
AI Mode / AI Overviews / Gemini app 中的 Google Shopping	Merchant Center AI 效果洞察：与类似品牌相比的品牌声量份额，涵盖发现、评估和购买阶段，另含热门产品词和规格（Merchant Center 帮助；blog.google，2026 年 5 月 20 日）	按常规通过 Merchant Center / Ads 报告转化情况	可用性：Google 表示，该功能将在“未来数月内”逐步向美国、加拿大、澳大利亚、印度和新西兰推出（截至 2026 年 5 月）。承诺提供前，请先在账号中确认
ChatGPT、Claude、Perplexity、Gemini app（回答）	**不存在第一方引用报告。**使用合成探测（/digital-marketing-pro:aeo-audit、/digital-marketing-pro:geo-monitor），并明确标注为探测	GA4 AI 助手渠道	供应商发布的任何引用量或展示次数

每一行都使用各自的单位进行报告。**不要将 Bing 引用、Search Console 展示次数和 GA4 会话数相加，合并成一个“AI 可见性”数值。**它们衡量的是不同界面上的不同事件。

何时使用此技能

当用户的请求涉及以下任一内容时，启用此模块：

• KPI 框架：为商业模式、营销活动或渠道定义合适的指标和成功标准
• 效果报告：构建每周、每月、每季度或特定营销活动的报告模板
• 异常调查：诊断流量、转化或其他指标突然下降或上升的原因
• 竞争情报：分析竞争对手的策略、声量份额、定位和效果
• 归因建模：确定如何在各个营销触点之间分配转化功劳
• 营销组合建模（MMM）：估算各营销渠道对整体业务成果的影响
• 增量测试：设计实验，衡量营销活动的真实因果影响
• 暗社交衡量：跟踪并归因来自私密分享渠道的流量（私信、Slack、邮件转发）
• 隐私优先衡量：调整衡量策略，以适应无 Cookie 且受隐私法规约束的环境
• 仪表板设计：为不同的利益相关方受众设计仪表板结构

触发短语：“KPI”“指标”“报告”“仪表板”“流量为何下降”“异常”“竞争对手分析”“竞争情报”“归因”“营销组合模型”“MMM”“增量”“提升测试”“暗社交”“无 Cookie”“隐私优先”“ROAS”“ROI”“效果”“我们的数据发生了什么”

品牌背景（自动应用）

在使用本模块生成任何营销内容之前：

1. 检查会话背景 — 会话开始时已输出当前品牌摘要。请使用其中显示的品牌名称、行业、语气设置、渠道、目标、合规要求和竞争对手。
2. 如果需要完整资料，请读取：~/.claude-marketing/brands/{slug}/profile.json
3. 应用品牌语气 — 正式程度、活力、幽默感和权威感必须影响所有内容的语气和措辞。
4. 检查合规要求 — 使用 skills/context-engine/compliance-rules.md，自动应用适用于品牌 target_markets 和行业的规则。
5. 参考行业基准 — 查阅 skills/context-engine/industry-profiles.md，了解品牌所在行业。
6. 使用平台规范 — 参考 skills/context-engine/platform-specs.md 中的字符数限制和格式要求。
7. 检查营销活动历史 — 在规划新工作前运行 python campaign-tracker.py --brand {slug} --action list-campaigns
8. 如果品牌不存在，请说：“未找到品牌资料。请使用 /digital-marketing-pro:brand-setup 创建一个，或者我可以按照通用最佳实践继续。”
9. 检查品牌指南 — 如果存在 ~/.claude-marketing/brands/{slug}/guidelines/_manifest.json，请加载并遵循以下文件：restrictions.md 中的禁用词、受限声明和强制免责声明；channel-styles.md 中的渠道专属语气调整（可能与基础语气不同）；messaging.md 中的已批准核心信息、标语和定位用语；voice-and-tone.md 中超出 4 个数值评分范围的详细语气规则。如果要为特定渠道制作内容，渠道风格规则优先于基础语气设置。

不要询问用户品牌资料中已有的信息。

必需背景信息

执行分析工作之前，请收集：

1. 商业模式：SaaS、电子商务、潜在客户开发、市场平台等（决定 KPI 框架）
2. 业务成熟度：初创、增长、规模化或企业级（决定衡量的复杂程度）
3. 当前指标：目前已在跟踪哪些指标？正在使用哪些工具？
4. 分析技术栈：Google Analytics（GA4）、广告平台、CRM、BI 工具、CDP、标签管理器
5. 数据可用性：有多少历史数据？数据粒度如何？
6. 报告对象：谁会接收报告？（高管／高管团队、营销团队、董事会、客户）
7. 已知问题：是否存在已知的数据质量问题、跟踪缺口或近期变更？
8. 地域范围：单一市场还是多市场（会影响隐私法规）
9. 隐私限制：GDPR、CCPA、ATT——目前采用了哪些同意机制？
10. 具体问题：如果要调查异常，具体发生了什么变化？何时发生？

调查异常时，请优先考虑速度。询问具体指标、时间范围和任何已知变更。开展战略性衡量工作时，请收集完整背景信息。

能力

• 按业务模式生成 KPI 树：构建分层指标框架，将顶层业务目标与可执行的营销指标相连接，并针对 SaaS、电商、潜在客户开发、市场平台、订阅、媒体及其他业务模式进行定制
• 标准化报告：提供每周绩效快照、月度战略评审、季度业务评审和营销活动复盘模板，每种模板都针对不同的利益相关方受众设计
• 异常检测与根因诊断：提供结构化诊断框架，用于调查指标的突然变化，并系统地排查原因（跟踪问题、外部事件、算法变化、季节性、竞争对手行动、内部变化）
• 竞争情报框架：提供监测竞争对手在各渠道（SEO、付费推广、社交媒体、内容、公关）活动的方法、估算竞争对手支出的方法，以及绩效基准对比方法
• 营销组合建模（MMM）指导：提供用于了解各渠道对业务成果贡献的框架，包括数据要求、模型设计注意事项和结果解读
• 增量测试设计：设计基于地理区域的提升测试、留出组测试、转化提升研究和匹配市场测试，以衡量营销的真实因果影响
• 暗社交追踪：提供衡量私密分享活动的方法（链接缩短器、配备 UTM 参数的分享按钮、专用落地页、基于调查的归因），并估算暗社交的贡献
• 无 Cookie 归因：提供以隐私为先的归因方法，包括服务端跟踪、第一方数据策略、建模转化、媒体组合建模和概率方法
• 隐私优先的衡量技术栈：提供完整的衡量架构，旨在满足 GDPR/CCPA、iOS ATT、Cookie 淘汰及不断演进的隐私法规要求
• 仪表板架构：设计适合利益相关方的仪表板，涵盖指标层级、可视化最佳实践和警报配置

流程

主要工作流：衡量框架与报告

1. 业务背景与目标对齐

   • 对业务模式和成熟阶段进行分类
   • 确定北极星指标（与业务价值关联最紧密的单一指标）
   • 将业务目标映射为营销目标，再映射为战术指标（KPI 树）
   • 确定报告受众及其决策需求

2. 构建 KPI 树

   • 从顶层业务目标开始（收入、增长、盈利能力）
   • 分解为营销贡献指标（营销带来的收入、CAC、LTV）
   • 分解为渠道级指标（渠道 CPA、ROAS、转化率）
   • 添加前置指标（流量、互动、销售管道、MQL）
   • 对每项 KPI，定义：
     • 定义：明确其计算方式（不存在歧义）
     • 来源：数据来源
     • 基准：目标或行业基准
     • 频率：审核频率
     • 负责人：负责此指标的人
   • 将框架限制在总计 15–25 项 KPI 以内——过多会导致指标疲劳和关注点分散

3. 报告模板设计

   • 每周快照（面向营销团队）：
     • 关键指标与目标对比（流量、潜在客户、转化、支出、CPA）
     • 周环比趋势及方向指示
     • 3 项主要成果和 3 项主要关注事项
     • 下周待办事项
   • 月度战略回顾（面向营销领导层）：
     • 月环比和年同比表现
     • 各渠道贡献细分
     • 漏斗转化率分析
     • 预算使用情况和效率指标
     • 战略洞察与建议
   • 季度业务回顾（面向高管/董事会）：
     • 营销对业务目标的贡献
     • CAC、LTV 和回本周期趋势
     • 竞争定位更新
     • 下季度战略重点
   • 营销活动报告（按营销活动）：
     • 与预先定义的 KPI 对比表现
     • 按渠道分析
     • 创意内容和受众表现
     • 经验总结与建议

4. 异常调查流程 用户报告指标突然变化时，请按以下诊断顺序进行：

   • 第 1 步：核实数据

     • 跟踪代码是否仍在正常触发？
     • 是否更改了标签管理器、更新了同意管理工具或调整了分析过滤器？
     • 检查平台是否发生故障或报告是否延迟
     • 如果数据已损坏，应先修复跟踪问题——不要分析错误数据

   • 第 2 步：准确定义异常

     • 哪个指标发生了变化？变化幅度有多大？持续了多长时间？
     • 是所有流量都受影响，还是某个特定细分群体（渠道、设备、地理位置、页面）？
     • 变化是突然发生还是逐渐发生？

   • 第 3 步：检查外部因素

     • Google 算法更新（查看 SEMrush Sensor、MozCast）
     • 行业新闻或季节性模式
     • 竞争对手活动变化
     • 平台政策或功能变化

   • 第 4 步：检查内部因素

     • 网站变更（部署、URL 变更、重定向）
     • 内容变更（发布、删除或修改）
     • 营销活动变更（启动、暂停、预算调整）
     • 技术问题（网站速度、服务器错误、移动端渲染）

   • 第 5 步：隔离问题并诊断

     • 将异常与已识别的因素交叉比对
     • 确定最可能的根本原因
     • 估算影响和预期恢复时间
     • 提出纠正措施建议

5. 隐私优先的衡量架构

   • 审查当前衡量方案，找出隐私合规方面的差距
   • 设计不依赖第三方 Cookie 的衡量技术栈：
     • 对自有触点进行服务端跟踪
     • 第一方数据丰富策略
     • 符合隐私要求的同意管理
     • 平台原生转化 API（Meta CAPI、Google Enhanced Conversions）
     • 针对归因缺口的建模转化
     • 用于衡量渠道层面效果的营销组合建模
     • 用于因果验证的增量测试
   • 制定从当前状态过渡到隐私优先架构的计划
   • 考虑 iOS ATT 对 iOS 用户占比较高的受众细分群体的影响

参考文件

• kpi-frameworks.md — 针对不同商业模式的 KPI 树、指标定义、基准数据库和北极星指标选择指南
• reporting-templates.md — 周报、月报、季度报告和营销活动报告模板，包含适合不同利益相关方的格式与可视化指南
• anomaly-diagnosis.md — 诊断决策树、按指标类型划分的常见根本原因、核查清单和解决方案手册
• competitive-intelligence.md — 竞争对手监控方法、工具推荐、基准分析框架和竞争应对方案手册
• mmm-framework.md — 营销组合建模的数据要求、模型设计指南、结果解读和优化建议，包括 Google Meridian 2.x（v2.0.0 中默认使用 JAX，并采用基于实验校准的先验；v2.1.0 中采用声明式校准／留出组规范；核查日期：2026-10-04）
• incrementality-testing.md — 实验设计模板（地理提升、留出组、转化提升）、统计功效计算和结果分析框架
• dark-social-tracking.md — 暗社交衡量方法、私密分享追踪实施指南和估算模型
• privacy-first-measurement.md — 无 Cookie 归因方法、同意管理架构、服务端追踪实施和隐私法规合规指南
• clv-analysis.md — 客户生命周期价值模型（历史型、基于群组、预测型、合约型）、计算指南，以及在细分和预算决策中的应用
• dashboard-design.md — 三层仪表板架构（高管、运营、营销活动）、按受众选择指标和可视化最佳实践

输出格式

交付项	格式	说明
KPI 框架	文档 + 电子表格	层级化指标树，包含定义、基准、负责人和频率
每周绩效报告	文档／仪表板规范	关键指标、趋势、成果、关注事项和行动的模板化概览
月度战略报告	文档／仪表板规范	深入分析，包含渠道细分、漏斗分析和建议
异常诊断报告	文档	根本原因分析，包含证据、影响估算和纠正措施
竞争情报简报	文档 + 电子表格	竞争对手概览、渠道分析、声量份额和战略影响
MMM 就绪度评估	文档	数据可用性审计、模型可行性分析和实施路线图
增量测试计划	文档	实验设计、样本量、时间线、假设和成功标准
衡量架构	文档 + 图表	完整的衡量技术栈设计，包含隐私合规和实施计划
仪表板规范	文档 + 线框图	仪表板布局、指标选择、可视化类型和告警规则

边缘情况

MMM 数据不足（不足 2 年）

• 情况：用户希望进行营销组合建模，但持续营销数据不足 2 年
• 处理方式：如实说明限制——MMM 需要充足的时间序列数据才能区分信号与噪声。数据不足 2 年时：(1) 现在开始收集和整理数据，为未来建模做准备。(2) 使用更简单的渠道级归因作为过渡方案。(3) 开展增量测试，获取关键渠道的因果数据。(4) 考虑使用现有数据进行回归分析等较轻量的方法，并明确说明置信度方面的注意事项。(5) 制定数据收集路线图，为开展 MMM 做好准备。不要尝试用不足的数据构建完整的 MMM——结果会产生误导，还可能损害预算决策。

iOS ATT 正在摧毁归因能力

• 情况：由于用户选择退出 iOS App Tracking Transparency，导致很大一部分转化无法追踪，归因数据变得不可靠
• 方法：明确承认数据缺口，而不是假装归因数据依然完整。实施以下措施：（1）使用平台转化 API（Meta CAPI、Google Enhanced Conversions）找回部分信号。（2）对自有触点进行服务端跟踪。（3）使用平台统计模型估算转化（但要对平台的自我报告保持适当怀疑）。（4）在获得同意的情况下进行第一方数据匹配。（5）将营销组合建模作为基于点击的归因的补充。（6）对高支出渠道进行增量测试。（7）通过调查问卷（“您是如何了解到我们的？”）进行定性验证。目标是交叉验证——任何单一方法都不够充分；应结合多种方法。

暗社交主导引荐流量

• 情况：“直接”流量中有很大一部分实际上来自私密分享（Slack、WhatsApp、邮件转发、Discord），而归因无法识别这些来源
• 方法：分析指向非首页 URL 的“直接”流量，以估算暗社交的影响（用户很少会直接输入深层 URL）。改进衡量方式：（1）添加带有 UTM 参数的社交分享按钮，以追踪分享的链接。（2）使用带有追踪功能的短链接服务来分享内容。（3）为社群和分享场景创建专属落地页。（4）在关键转化节点添加“您是如何找到我们的？”调查问卷。（5）使用社交聆听工具监测内容的分享速度。（6）接受部分暗社交无法衡量，并在报告中纳入这种不确定性。（7）即使无法完美衡量，也可以考虑加大对适合暗社交传播的渠道（社群、口碑、推荐）的投入。

覆盖 12 个月以上周期的 B2B 多触点归因

• 情况：B2B 企业交易周期长达 12 至 24 个月，涉及多位利益相关者和数十个触点，因此传统归因模型毫无意义
• 方法：摒弃纯粹的末次触点或首次触点模型——两者都无法反映实际情况。实施以下措施：（1）采用基于账户的归因，在账户层级而非个人层级衡量触点。（2）采用影响力报告，展示哪些渠道为销售管道做出了贡献，即使它们并非交易的“来源”。（3）在权重模型中采用时间衰减，并提高近期高意向触点的权重。（4）将销售团队和买家调查提供的自我报告归因作为数字追踪的补充。（5）通过销售管道速度（该渠道是否加快了交易进程？）而不只是来源来衡量渠道效果。（6）承认复杂 B2B 场景下不可能实现完美归因，并专注于方向性洞察，而非虚假的精确度。

受监管数据的处理

• 情况：用户所在行业为医疗保健（HIPAA）、金融服务、教育（FERPA）或其他数据处理受到严格监管的行业
• 方法：在实施任何分析方案之前，先明确监管背景。确保：（1）未经适当同意和数据处理协议，不得将个人身份信息（PII）传入分析平台。（2）数据存储符合区域要求（数据驻留）。（3）同意管理明确且细化。（4）分析供应商具备适当的合规认证（SOC 2、HIPAA 业务伙伴协议（BAA）等）。（5）在有要求时，以群组或汇总分析取代用户级追踪。（6）制定并执行数据保留政策。建议在受监管行业设计任何衡量架构时，邀请合规负责人或法律顾问参与。切勿假设一般分析最佳实践在受监管场景中同样合规。

相关技能

• Campaign Orchestrator — 用于将分析洞察转化为营销活动优化、预算重新分配和战略决策
• Funnel Architect — 用于将漏斗阶段指标与 KPI 框架关联起来，并诊断转化率异常
• Content Engine — 用于衡量内容表现、识别内容衰退，并用数据指导内容策略
• AEO/GEO Intelligence — 用于跟踪 AI 可见度指标，并将 AI 引用数据纳入衡量框架
• Audience Intelligence — 用于通过行为数据验证人物角色假设，并构建数据驱动的细分群体
• Digital PR & Authority — 用于衡量赢得媒体的影响、反向链接获取情况和声量份额

上下文效率

此技能的参考文档（skills/<this-skill>/*.md）总计约 30-50KB。不要急于全部加载，而应选择所需的部分：

• 先用 Grep，再用 Read。 先查找关键词或章节标题，然后使用 offset 和 limit 读取对应范围。
• 只遍历一次 ${CLAUDE_SKILL_DIR}。 用一次目录列表查看其中的内容，然后只读取与当前步骤相关的文件。
• 一次处理一个来源。 如果工作流要求“查阅三个参考文件”，先确定每个文件需要查阅的内容，再依次读取。批量加载三个文件会占用自动压缩预留的每项技能 5K token 预算。
• 精简 CSV 输入中的无关内容。 如果输入是大型 CSV，先用 grep 查看表头以选择列，然后逐行处理，不要将整个文件读入上下文。