Маркетинговая аналитика привыкла к аккуратному миру, где Google Analytics 4 (GA4) честно раскладывает трафик по каналам: органика, платный поиск, реферальные переходы, прямые заходы. Появление AI-браузеров вроде Perplexity Comet и ChatGPT Atlas внесло туда шум: часть визитов теперь выглядит как «прямой трафик», хотя пользователи впервые нашли бренд внутри ответа нейросети, а не через сайт или рекламу.
AI-браузеры в отличие от классического поиска сами читают сайты, пересобирают ответы и становятся первым экраном взаимодействия с пользователем. Perplexity Comet ведёт себя ближе к привычному поисковику и в ряде случаев передаёт реферер в аналитику, тогда как ChatGPT Atlas по архитектуре и настройкам приватности чаще скрывает источник, и клики из него приземляются в GA4 как «Direct». Для маркетинга это выглядит как внезапный рост прямых заходов без понятной причины.
GA4 строит каналы на базе реферера и параметров Urchin Tracking Module (UTM-меток), а когда AI-браузер не присылает реферер и вы не задали UTM, такой визит попадает в Direct или Unassigned. Практики уже отмечают, что значимая часть трафика из ChatGPT-подобных инструментов растворяется в этих двух корзинах, а отчёты по источникам перестают объяснять реальные сценарии открытия бренда.
Типичный путь сегодня выглядит так: человек задаёт вопрос в Perplexity, получает сводку, видит 2–3 рекомендованных домена и кликает по одному из них. Пользователь ощущает, что пришёл «из Perplexity», но GA4 при отсутствии реферера и UTM относит это к прямым заходам. В отчётах исчезает важный шаг воронки, а маркетинг недооценивает вклад контента, который хорошо ранжируется именно в AI-ответах.
Экономика искажения проста: если хотя-бы 15–25 % новых сессий в действительности приходят через AI-браузеры, но висят в Direct, то модели атрибуции завышают роль бренда и офлайн-медийки и занижают вклад SEO, PR и работы с продуктовым контентом. При бюджете в 5 млн рублей в квартал смещение на 20 % уже даёт ошибку планирования на сотни тысяч: вы режете эффективные активности и поддерживаете те, что просто «подгревают» узнаваемость, которую потом прикарманивает Direct.
Полезно разделять три типа AI-трафика: кликабельные ответы с видимым реферером (Perplexity Comet и часть Copilot-кейсов), клики без реферера, которые GA4 записывает в Direct, и «закрытый» трафик, когда пользователь вообще не переходит на сайты и получает всю информацию внутри AI-интерфейса. Первые два типа можно вытащить в отчёты, третий превращается в новый слой «дарк-трафика», который видно только косвенно по запросам в поиске и доходимости оффера.
В MarTech-сообществе уже обсуждают идею «AI-канала» как отдельной сущности в аналитике. Рекомендация простая: в GA4 заводят собственные наборы правил для каналов, где source содержит домены perplexity.ai, copilot.microsoft.com и другие, а medium помечается как ai_answer или ai_referral. Это не спасёт Atlas, который часто скрывает источник, но хотя-бы выделит то, что уже может отдавать реферер.
Вторая линия обороны проходит через жёсткую дисциплину UTM-меток: для любых управляемых точек попадания в AI (свои плагины, профили в AI-магазинах, обучающие материалы, рассылки) задают utm_source=ai, utm_medium=answer или chat, utm_campaign с названием продукта. Там, где вы контролируете ссылку, вы обязаны дать аналитике шанс отличить AI-реферал от прямого захода, даже если браузер «съест» реферер.
Третий слой — работа на уровне сырых логов: даже если в GA4 это Direct, по user agent, IP-пулу и паттернам сессии (одна страница, высокий scroll-depth, короткая пауза между выдачей AI и заходом) можно сегментировать подозрительные визиты и собрать экспериментальные отчёты по AI-трафику. Этот подход уже обсуждают консалтинг-команды, которые помогают крупным продуктам вручную выделять AI-сегменты до появления нативной поддержки в инструментах аналитики.
В моделях атрибуции появление AI-браузеров делает last-click ещё менее полезным. Когда первая точка контакта происходит в ответе нейросети, а на сайт пользователь приходит уже «разогретым», корректнее считать AI отдельным ассист-каналом, который поднимает конверсию других источников. Data-driven модели в теории это учитывают, но пока обучаются на сырых данных, где AI спрятан в Direct, поэтому требуют ручной настройки и тестов.
Для MarTech-команд это означает необходимость пересобрать витрины и дашборды. На верхнем уровне полезно показывать два вида картинок: классическую, где AI-трафик лежит в Direct, и новую, где он выделен в отдельную строку. Это снижает когнитивный диссонанс у менеджмента и помогает объяснить, почему «вдруг вырос Direct» и куда на самом деле работать маркетингу, продукту и контент-команде.
Риски очевидны: агрессивно переразмечая Direct, можно случайно забрать туда честный прямой трафик, а попытки жёстко завязать всё на UTM в мире AI-интерфейсов упрётся в приватность и закрытую архитектуру. Кроме того, AI-браузеры динамично меняют поведение: сегодня Perplexity отдаёт реферер, завтра может начать проксировать запросы через другие домены и ломать ручные правила.
На горизонте 6–24 месяцев можно ожидать, что крупные аналитические платформы добавят отдельные каналы «AI assistants» или пресеты для идентификации такого трафика, а сами AI-площадки начнут предлагать прозрачный реферальный трекинг для брендов и издателей. Это уже обсуждается в индустриальных обзорах по измерению AI-рефералов, хотя пока остаётся в статусе рабочих гипотез и пилотов.
Практическая рамка для ELEKTRA-читателя проста: за одну неделю можно навести порядок в UTM-таксономии, в GA4 завести отдельный канал для явных AI-рефералов и собрать тестовый отчёт по подозрительному Direct-трафику. Это не даст идеальной картины, но покажет масштаб смещения и позволит точнее планировать бюджеты, аргументируя перед бизнесом, почему мир, в котором пользователи приходят «через ИИ, а не через сайт», требует новой маркетинговой аналитики.
Eсли вы уже чувствуете, что в отчётах GA4 растёт «тёмная зона» и привычные источники не объясняют цифры, имеет смысл двигаться вместе с теми, кто разбирает этот шум по слоям. ELEKTRA будет дальше отслеживать, как AI-браузеры переписывают MarTech-стек и измеримость, так что разумно сохранить этот материал, поделиться с командой и вернуться к нам за следующими кейсами.