Guide : AI Search Measurement and Reporting

Comment mesurer AI recherche — attribution, LLM visibility, share de voice, hallucination monitoring, et self-reporting — et pourquoi votre analytics montrer a floor, pas a ceiling.

Première publication : 24 juin 2026 · Dernière mise à jour : 3 août 2026 · Avancé

Mesurer AI recherche as a funnel: accessible → indexé/eligible → retrieved → mentioned → cited → clicked → converted → revenue. Aucun outil observes chaque stage. GSC's Generative AI rapport mesure Google AI visibility sans click or requête dimensions; Bing exposes citations et grounding requêtes; analytics captures seulement attributable visits. Stack ces layers et étiquette chaque denominator, provider, market, prompt définir, et date.

TL;DR — AI recherche attribution remains incomplete: some visits arrive sans usable referrer information et GSC inclut AI-fonctionnalité activity dans Web recherche reporting plutôt que exposing a séparé AI filter. Parce que aucun unique outil voit il tout, vous stack layers — direct attribution, LLM visibility, share de voice, hallucination monitoring, et self-rapport (plus incrementality quand vous ont le volume). Treat ce que vous pouvez mesurer as a floor. Et remember le punchline: le signaux que drive LLM visibility peut overlap avec broader brand signaux, donc interpret AI-recherche metrics alongside brand health plutôt que as an isolated channel.

Preuve à l’appui de cette affirmation Le rapport sur les performances de l’IA générative de Google Search Console fournit les impressions des propriétés participantes, mais n’indique ni les clics, ni le CTR, ni les dimensions de requête. Portée : Déploiement du rapport sur l’IA générative dans Search Console en juin 2026 ; sa disponibilité peut varier selon la propriété. Niveau de confiance : élevé · Vérifié : Google Search Central: Introducing Search Generative AI performance reports Search Console Help: Generative AI performance report Preuve à l’appui de cette affirmation L’attribution dans Analytics dépend des informations disponibles sur les campagnes et les sites référents. Certaines sessions peuvent donc être classées comme directes lorsqu’aucune source exploitable n’est disponible. Portée : Comportement d’attribution de Google Analytics ; n’établit pas de pourcentage universel pour le trafic référent issu de l’IA. Niveau de confiance : élevé · Vérifié : Google Analytics Help: Traffic-source dimensions

Three choses break at une fois.

Attribution échec. La plupart AI-referred trafic arrives avec aucun referrer signal, donc il lands dans Direct plutôt que as an AI channel. Estimates de comment beaucoup AI trafic est invisible ce façon range depuis à propos de 35% à 70,6% (le élevé fin est vendor-sourced depuis Loamly’s 446 405-visit sample — utiliser le range as directional, pas gospel). Ce n’est pas a Google conspiracy; c’est comment referrers fonctionner. As Je put il quand nous testé ce à Ahrefs: “Sites web ont contrôler over ce que info ils send. Ils peut send le complet chemin, simplement le origin, or rien — c’est up à les. Nous rapport whatever referrer nous sommes told à rapport. Si ils ne pas send us un, alors il voudrait go dans le ‘Direct’ bucket.”

Visibility sans clicks. AI Overviews generate impressions et brand exposure sans sending trafic. Le old impressions → clicks → conversions funnel ne fait pas hold quand le réponse est le destination.

Aucun standard tooling. Jusqu’à Peut 2026 là était aucun native GA4 channel pour AI trafic. GSC’s June 2026 Generative AI rapport separates impressions pour participating properties, mais pas clicks, CTR, or requêtes. Bing ajouté AI performances metrics dans February 2026 as a public preview. Et le résultat de tout ce friction: seulement 16% de brands systematically track AI recherche performances (McKinsey, September 2025). La plupart de votre concurrents sont measuring rien — qui signifie quelconque réel measurement système est an edge.

The floor-not-ceiling principle

Si vous seulement remember un framing, faire il ce un. Publié AI-traffic shares hover autour 0,25% de average site trafic (Ahrefs’ study de ~82 000 sites) — mais c’est simplement le measurable slice. Deux corrections inflate il:

  1. Dark trafic. Avec 35–70% de AI visits referrer-moins, le réel number est plausibly 2–3x ce que votre analytics montrer.
  2. Le conversion premium. AI trafic converts dramatically meilleur. Pour Ahrefs, 0,5% de visitors drove 12,1% de signups — a 23x premium, et ceux visitors browsed ~50% plus pages per session avec a lower bounce rate. Industry-wide le premium est plus comme 4–4,4x (Semrush/Adobe), mais le direction est consistent.

Donc le correct number à ouvrir a stakeholder rapport avec est pas 0,25%. c’est le growth rate (9,7x dans 12 months) or le conversion premium. Ceux reframe le stakes; le traffic-share number undersells les.

Le five layers de measurement

Aucun unique outil voit le entier picture, donc vous stack partiel views. Ce est Paul DeMott’s 5-couche GEO framework (Moteur de recherche Land, Peut 2026), avec mon propre données folded dans chaque couche. Chaque couche ci-dessous est aussi son propre deep-dive dans ce cluster.

Couche 1 — Direct attribution (retrieved vs. mentioned vs. cited)

Ce is GA4 plus Ahrefs Web Analytics: who en réalité visited, from qui AI source.

  • GA4’s AI Assistant channel (ajouté Peut 13, 2026) catches referred sessions depuis ChatGPT, Gemini, Claude, Copilot, Grok, et similaire. Utile — mais il seulement voit sessions que arrive avec a referrer. Le 35–70% que ne pas encore sit dans Direct, aucun matter comment vous configurer channels. Il aussi excludes Google AI Overviews et AI Mode, qui apparaître as plain Organique Recherche, n’a pas appliquer retroactively, et utilise un de votre deux custom channel-group slots.
  • Ahrefs Web Analytics a le AI channel construit dans plutôt que requiring custom setup, et mises à jour closer à réel temps.
  • Le vocabulary matters ici: retrieved ≠ mentioned ≠ cited. A retrieval est votre contenu étant récupéré; a mention est votre brand named dans le réponse; a citation est votre URL lié as a source. Construire a rapport on le incorrect un et le entier chose misleads. Voir Retrieved vs. Mentioned vs. Cited dans AI.

Couche 2 — LLM visibility (the impressions-and-citations couche)

How souvent vous apparaître in AI réponses, click or aucun click.

«- GSC Gen AI Performance Reports (June 2026) show impressions only — no clicks, no CTR, no position — for AI Overviews, AI Mode, and Discover AI features. Real exposure signal, but you can’t turn it into traffic. (More below and in the GSC cluster article.) » (Traduction) (Résumé en français de la section trente-trois, sous-partie un : le texte source est conservé pour vérification lors de la relecture francophone.) «- Bing Webmaster Tools’ AI Performance report (Feb 2026 preview) is more transparent: total citations, average cited pages, grounding queries (the phrases Copilot searched internally to find you), and page-level citation activity. » (Traduction) (Résumé en français de la section trente-trois, sous-partie deux : le texte source est conservé pour vérification lors de la relecture francophone.) «- Reality check: only 38% of pages cited in Google AI Overviews ranked in the traditional top 10 (down from 76%) — LLM visibility is not the same as your blue- link rankings. » (Traduction) (Résumé en français de la section trente-trois, sous-partie trois : le texte source est conservé pour vérification lors de la relecture francophone.)

Couche 3 — AI hallucination monitoring

A wrinkle que a aucun equivalent dans traditional recherche: AI outils send trafic à pages que ne pas exist et décrire votre brand inaccurately. Dans mon Ahrefs AI trafic page-type analysis, Je trouvé 3,6% de Ahrefs’ AI assistant trafic went à non-existent (hallucinated) URLs. Au-delà mauvais liens, vous vouloir à watch si models décrire votre produit, pricing, et positioning correctement — a incorrect “fact” repeated à travers models est a measurable reputation problème. Voir AI Hallucination Monitoring.

Couche 4 — Self-rapport (le bridge analytics ne peut pas construire)

«Add a “How did you first hear about us?” field with AI options to your sales, contact, and post-conversion forms. This is the only layer that captures AI’s top-and-middle-of-funnel influence — the discovery that happened weeks before a referrer-less Direct visit. DeMott reports this surfaces double-digit AI attribution in some pipeline studies. It’s low-tech and it works precisely where the tracking fails. See AI Traffic Attribution (which folds the dark-traffic problem and the self-report fix together). » (Traduction) (Résumé en français de la section trente-huit, sous-partie un : le texte source est conservé pour vérification lors de la relecture francophone.)

Couche 5 — Share of voice (and pourquoi it’s a trap on its propre)

Share de Voice est le percentage de pertinent AI réponses dans qui votre brand est mentioned or cited. Outils automate il à scale: Ahrefs Brand Radar (400M+ recherche-backed prompts à travers ChatGPT, Perplexity, Gemini, Copilot, AI Overviews, AI Mode, et Grok as de July 2026, up depuis 350M+ précédent ce année — c’est a growing, actif-updating indexer, donc treat le exact figure as directional; monthly refresh), Semrush AI Toolkit (100M+ prompts), Profound, BrightEdge, Scrunch. Vous pouvez aussi faire il manuellement: exécuter a fixed prompt définir à travers 3+ models monthly et tally mentions.

Mais heed DeMott’s warning: “Share de Voice est a vanity metric sans entreprise connection.” SOV indique vous comment souvent vous montrer up, pas si showing up drives awareness, trafic, or pipeline. Toujours pair il avec Couche 1 (trafic) et Couche 4 (self-rapport). Voir AI Share de Voice (SoV).

Un plus honest couche au-delà ces five: incrementality testing. Difference-dans-differences — a élevé-AI-visibility tester cohort vs. a contrôler — over 6–12 months est le seulement façon à prove AI recherche caused revenue plutôt que merely correlating avec il. c’est le slowest et le la plupart rigorous. La plupart teams ne va pas obtenir ici pour a année; collect le baseline données maintenant donc vous pouvez.

Platform-specific reporting (the gotchas)

Recherche Google Console. Le June 2026 Generative AI rapport provides a séparé visibility view pour participating properties, mais il est impressions-seulement: aucun clicks, CTR, or requête dimension. Ne faites pas infer visits depuis ceux impressions or splice les dans le standard Web rapport as though le metrics étaient equivalent. Le utile signal: rising AI Overview impressions alongside flat or falling clicks dans le principal rapport est “The Great Decoupling” — measurable AI Overview cannibalization (Ahrefs saw le blog’s clicks/impressions correlation flip depuis +0,425 à −0,352, avec AIOs tied à a 34,5% CTR reduction).

Bing Webmaster Outils. Ahead de Google on transparency. Son AI Performances rapport exposes citations séparément depuis organique clicks, et le grounding requêtes sont a genuinely unique window — ils tell vous ce que Copilot était en réalité trying à réponse quand il pulled votre page. Comparer votre la plupart-cited Bing pages à votre top organique pages; gaps sont opportunity.

GA4 & Ahrefs Web Analytics. Covered dans Couche 1 — les deux carry le même dark-traffic limitation; Ahrefs est built-dans et faster, GA4 est configurable et excludes AIO/AI Mode.

Ce que correlates avec LLM visibility (Ahrefs’ 75 000-brand study)

Dans Ahrefs’ 75 000-brand study par Louise Linehan et Xibeijia Guan, qui Je discussed dans mon Evolve 2025 talk, le signaux ranked comme ce par correlation avec AI Overview visibility:

  • Branded web mentions — 0,664 (le strongest signal)
  • Branded anchor texte — 0,527
  • Branded recherche volume — 0,392
  • Domain Rating — 0,326 (le weakest de le four)

Lire que liste à nouveau. Three de le four sont brand signaux, pas classic technique SEO ones. Le implication est le via-line de ce entier hub: measuring AI visibility est mostly measuring brand health, et le fonctionner que améliore AI visibility (mentions, citations, autorité) est le même fonctionner que améliore traditional SEO.

Où to go suivant

Ce hub is the map. Chaque couche is its propre deep dive in the cluster:

  • Retrieved vs. Mentioned vs. Cited dans AI — le three visibility types vous doit pas conflate, et qui ones vous pouvez en réalité mesurer.
  • LLM Visibility / AI Visibility — impressions, citations, et comment audit votre presence dans AI réponses avec outils comme Brand Radar.
  • AI Hallucination Monitoring — tracking incorrect facts, mauvais pricing, et le hallucinated-URL trafic wrinkle.
  • AI Trafic Attribution — le dark-traffic problème dans complet, plateforme-par-plateforme referrer behavior, GA4 setup, et le self-rapport bridge.
  • AI Share de Voice (SoV) — defining il, measuring il, le outils, et comment garder il depuis étant a vanity metric.
  • GA4 pour AI Trafic — le réel GA4 configuration: custom channel groupes, referrer regex, et Explorations pour segmenting AI-plateforme trafic.
  • AI Robot d’exploration Log Analysis — reading raw serveur logs à mesurer AI-bot explorer activity, vérifier utilisateur-agents contre réel IPs, et spot explorer-vs-rendre problèmes.

Ajouter une note d’expert

Épingler une citation d’expert

Nouvelle personne ? Créez son profil non revendiqué à /admin/experts/ → Épingler une citation d’expert d’abord.