У звіті з’явився канал AI Assistant, а відповіді на просте запитання все одно немає: скільки продажів інтернет-магазину справді принесли ChatGPT, Gemini та інші AI-сервіси? Частина покупців переходить за посиланням, частина запам’ятовує назву й повертається через Google, а деякі замовлення оформлюються у зовнішньому інтерфейсі. Якщо рахувати лише реферальні сесії — вплив буде занижено. Якщо приписати AI кожне згадування в анкеті — завищено.
Робоча модель не намагається вгадати одну «правильну» цифру. Вона розділяє підтверджені переходи, замовлення з ідентифікатором каналу та непрямий вплив, а потім звіряє все з фактичним статусом оплати, доставки й повернення.
Чому це вже не експериментальний звіт
У 2026 році Google Analytics додав до Default Channel Group окремий канал AI Assistant. За офіційним описом, він виділяє переходи з популярних асистентів, зокрема ChatGPT, Gemini та Claude. Це корисне оновлення, але не повна атрибуція: рекомендація може не містити кліка, referrer може загубитися, а оплата — відбутися поза сайтом.
Масштаб каналу зростає. Adobe зафіксував збільшення AI-трафіку на американські retail-сайти на 393% рік до року в першому кварталі 2026-го. Shopify повідомив про восьмикратне зростання AI-driven traffic і майже тринадцятикратне зростання замовлень з AI-пошуку за той самий квартал. Це дані великих платформ, а не обіцянка для конкретного українського магазину. Вони означають лише одне: канал варто вимірювати до того, як на нього виділяють помітний бюджет.
У червневому дослідженні McKinsey про європейський ecommerce AI описано як фактор, що змінює і залучення клієнта, і операційну ефективність. Для аналітики наслідок практичний: джерело рекомендації, місце оформлення та власник клієнтських даних можуть бути різними системами.
Ведіть три реєстри, а не одну колонку «AI»
| Реєстр | Що до нього потрапляє | Рівень довіри |
|---|---|---|
| Спостережувані переходи | Сесія має AI Assistant, referrer або надійний UTM | Високий для переходу, не для всього шляху |
| Підтверджені замовлення | Канал і зовнішній transaction ID записані в order/CRM | Високий після звірки оплати та статусу |
| Заявлений вплив | Покупець назвав AI у post-purchase survey чи розмові | Напрямний, не причинний |
Одна покупка може бути в усіх трьох реєстрах. Тому їх не можна додавати. У звіті називайте метрики точно: «дохід із підтвердженим AI-переходом», «замовлення зовнішнього AI-каналу», «покупці, які вказали AI як джерело знайомства». Узагальнене «AI приніс 12% продажів» без методики майже нічого не пояснює.
Крок 1. Налаштуйте візит у GA4, але не зупиняйтеся на GA4
Відкрийте Traffic acquisition, перевірте AI Assistant і розкладіть його за Session source, landing page, country, device та new/returning. Зіставте дані з raw referrer або server logs, якщо вони доступні. Протягом перших тижнів щодня переглядайте рядки Referral і Direct: новий сервіс може ще не входити до класифікації, а AI-browser може приховати джерело.
Для посилань, якими керує магазин, домовтеся про єдиний UTM-словник. Наприклад:
utm_source=gemini
utm_medium=ai_assistant
utm_campaign=product_discovery
utm_content=merchant_profileОфіційний Google URL Builder саме для цього й використовує campaign parameters. Не ставте мітки заднім числом і не вважайте їх відсутність доказом, що AI не вплинув. UTM підтверджує конкретний перехід, а не читає історію вибору покупця.
Події ecommerce мають передавати стабільний transaction ID, валюту, суму, товари, quantities, discount, shipping і refund. Видаліть дублікати після повторного завантаження confirmation page. Тестові замовлення позначайте окремо. Порівнюйте purchase у GA4 не зі створеними заявками, а з order ledger.
Крок 2. Визначте, коли замовлення стало доходом
Для магазину з оплатою при отриманні створене замовлення ще не є продажем. Покупець може не забрати посилку; доставка повернеться; менеджер скасує дубль; частину товарів повернуть. Якщо AI-канал приводить багато нових клієнтів, різниця між «оформлено» і «викуплено» може повністю змінити висновок.
Зберігайте на order record перше підтверджене джерело, session/click ID за наявності, зовнішній transaction ID і версію інтеграції. Далі ведіть статуси: created, authorised, paid, shipped, collected, cancelled, returned, refunded. Для управлінського звіту рахуйте щонайменше:
- кількість створених і викуплених замовлень;
- net revenue після скасувань і повернень;
- валову або contribution margin після знижки, доставки, payment fee та собівартості;
- частку нових клієнтів;
- повторну покупку після достатнього для категорії періоду;
- звернення в підтримку на 100 замовлень.
Не перезаписуйте перший AI-контакт останнім direct visit. Збережіть окремо first touch, session that converted і declared influence. Це різні відповіді на різні бізнес-питання.
Крок 3. Додайте замовлення, що пройшли поза сайтом
У сценарії agentic commerce асистент може створити cart або передати замовлення без звичайної вебсесії. Джерелом правди тоді стає API, webhook чи merchant report платформи. Інтеграція повинна записувати channel, surface, merchant order ID, external transaction ID, timestamps, SKU/variant, гроші та статус.
Обробляйте повторні webhook idempotently: та сама подія не має вдруге створювати замовлення або дохід. Щодня звіряйте зовнішні транзакції з OMS, платіжним провайдером і поверненнями. Якщо платформа віддає лише агреговані цифри, так і підписуйте їх. Не розкладайте summary по окремих клієнтах за припущенням.
Крок 4. Вимірюйте непрямий вплив без самообману
Додайте після покупки одне необов’язкове запитання: «Що вперше допомогло додати нас до списку варіантів?» Варіанти мають включати конкретні AI-сервіси, Google, marketplace, social, рекомендацію знайомих та «інше». Залиште поле для власної відповіді. Не замінюйте цим acquisition data — це окремий якісний сигнал.
Дивіться на branded search, прямі входи на глибокі product pages, промокоди партнерів і записи support/CRM. Але пам’ятайте про альтернативні пояснення: публікація медіа, відео автора, сезонність або розпродаж можуть створити той самий рух.
Коли обсягу достатньо, запускайте контрольований rollout: поліпште product evidence для однієї категорії або ринку, а порівнювану групу поки не змінюйте. Порівнюйте не лише traffic, а й викуп, margin, return і repeat purchase. Без випадкового розподілу це квазіексперимент; висновок має залишатися обережним.
Мінімальний дашборд керівника
| Питання | Метрика | Перевірка |
|---|---|---|
| Чи росте канал? | AI sessions, confirmed external orders | Зміни класифікації та абсолютні числа |
| Чи є намір? | PDP view, add to cart, checkout start | Bot traffic, дублікати подій |
| Чи є гроші? | Net revenue, contribution margin | OMS і payment reconciliation |
| Чи якісний клієнт? | Викуп, return, repeat purchase | Розмір і вік cohort |
| Чи зберігаємо зв’язок? | Account, consent, direct return | Privacy та customer ownership |
Поряд із conversion rate завжди показуйте знаменник. Три покупки з семи сесій виглядають ефектно, але це ще не стабільний канал. Розділяйте категорії, країни, new/returning і пристрої. У blended average легко сховати і сильний сегмент, і збитковий.
Атрибуція потрібна не лише маркетингу
13 серпня 2026 року Reuters описав позицію Adyen: зі зростанням AI-shopping продавці прагнуть не втратити лояльність і прямий зв’язок із покупцем. Тому після першого замовлення вимірюйте не тільки revenue. Чи розуміє клієнт, хто продавець? Чи повертається напряму? Чи може отримати підтримку й оформити повернення без посередника? Чи погодився на подальшу комунікацію?
Канал із високим першим чеком, але низьким викупом, дорогою підтримкою та нульовим repeat purchase може бути гіршим за менший direct channel. Рішення про масштабування має прийматися за маржею та якістю відносин, а не за графіком сесій.
План на 30 днів
Задокументуйте timezone, валютні правила, attribution window, refund lag та виключення. Версіонуйте визначення «AI-замовлення». Якщо Google або платформа змінює classification, додайте annotation до тренду.
Чесні обмеження
Ви не побачите кожну приватну розмову, скопійовану назву, cross-device journey чи покупку офлайн. Referrer зникає, анкета помиляється, платформи використовують власні моделі. Last click применшує ранній вплив, а широке «AI-influenced revenue» легко його перебільшує.
Мета — не ідеальний розподіл заслуг, а достатня якість даних для рішення. Якщо неможливо відрізнити спостережуваний продаж від припущення, показуйте обидві цифри окремо. Якщо cohort мала — дочекайтеся даних. Якщо канал не дає transaction IDs і outcomes — не масштабуйте витрати.
Поширені запитання
Чи бачить GA4 переходи з ChatGPT автоматично?
Google Analytics додав канал AI Assistant для розпізнаних джерел, серед яких ChatGPT, Gemini і Claude. Перевіряйте Session source: рекомендація без переходу або прихований referrer туди не потрапить.
Чим AI-referred revenue відрізняється від AI-influenced?
Перше має спостережуваний source signal. Друге включає заявлений або непрямо оцінений вплив. Один order може входити до обох, тому їх не додають.
Як рахувати замовлення всередині AI-сервісу?
Записуйте external transaction ID і channel на merchant order, idempotently оновлюйте статуси та звіряйте оплату, доставку, скасування й refund з order ledger.
Яка головна метрика AI-комерції?
Contribution margin підтверджених замовлень. Далі — викуп, return, support cost, new-customer quality і повторна покупка.
Коли можна робити висновок?
Після достатнього обсягу та завершення типового return window. Універсального терміну немає: він залежить від категорії, циклу покупки, сезонності й обсягу.
Джерела та дата перевірки
Матеріал перевірено 18 серпня 2026 року за офіційними оновленнями Google Analytics, документацією про key events і campaign URLs; даними Adobe Digital Insights за Q1 та Shopify за Q1 2026; дослідженням McKinsey про новий порядок денний ecommerce у Європі; матеріалом Reuters від 13 серпня 2026 року про AI-shopping і лояльність продавців. Визначення каналів змінюються — звіряйте їх у своїй аналітиці та договорах.
Наступний крок: пройдіть аудит готовності магазину до AI-покупок, перевірте економіку за методикою ROI автоматизації або обговоріть з Rendframe систему вимірювання agentic commerce.