AI 引薦轉換：研究怎麼讀，成效怎麼量

CH.01

事件率較高，不等於成交較多

流量、事件率與業務成果要一起看。比較比例之前，先確認轉換事件是什麼，分母使用工作階段、使用者，還是其他單位。

註冊、預約展示、訂閱和購買是不同成果。若量測自己的 GA4 工作階段關鍵事件率，分子是至少觸發一次指定關鍵事件的工作階段，分母是同一群組的全部工作階段。事件次數與不重複買家要另外計算。流量占比小或事件率高，都不能單獨決定管道價值。

Seer 在七個月中，比較不到 11,000 次 AI 工作階段與接近 1,400 萬次 Google 自然搜尋工作階段。較小群組的事件率較高，不能證明 AI 帶來更多成交或取代較大的管道。比例旁應保留事件總數、樣本數與後續成果。

CH.02

比較研究，不照搬別人的成果

公開倍數描述各自的量測設定，不是共同區間、最低報酬或自家網站的估計值。

23 倍來自 Ahrefs 自家註冊資料，約 9 倍來自 Seer 單一客戶的 GA4 案例。Semrush 目前研究頁依轉換率另報告 4.4 倍，但未完整公開轉換事件、樣本與觀察期間；超過 500 個主題描述的是整體流量／能見度研究，不是已公開的轉換客戶數。Clarity 標題的 3 倍也不是通用下限。

方向也可能不同。Adobe 在 2025 年 3 月報告指出，2025 年 2 月的美國零售 AI 引薦造訪，形成購買的可能性比非 AI 造訪低 9%。這是特定月份的零售觀察，不是今天的預測，也不是註冊比較。外部報告可協助提出量測問題，答案仍要來自自家一致的樣本。

CH.03

購買意圖是待驗證的假設

助理可能在點擊前協助比較選項。但引薦來源本身不能證明購買意圖、信任、名單資格或採購進度。

有些人讀完推薦後到站，有些人在學習、核對資訊或開啟工具。自然搜尋也包含品牌與採購後段的查詢。將落地頁、新舊訪客、裝置與事件一起核對，再判斷比例差異是否可能與 AI 推薦有關。

較高意圖是這些案例的一種可能解釋。既有品牌認知、訪客選擇、事件設定與歸因方式也可能影響結果。管道觀察比較無法單獨識別原因，互動程度也不等於合格商機。

CH.04

分開記錄 B2B 名單、商機與營收

B2B 與 SaaS 團隊需要把網站事件連到自己的資格與銷售階段。這些案例未證明價格越高、週期越長，AI 轉換效果就越大。

先定義團隊使用的階段，再追蹤同一群組。表單名單可能不完整、重複或不符合目標市場；商機可能尚未成交，Pipeline 金額也不是已認列營收。比較時要讓群組有足夠的成熟時間。

沒有流量、資格、案件金額與成交結果，事件率比較無法決定營收。比例之外，也要看成本與後續成果。外部倍數本身不能支持預算轉移或承諾 Pipeline 增加。

CH.05

把量測結果整理成決策報告

報告要交代問題、樣本、結果與剩餘不確定性。結果可以支持測試、繼續觀察或不調整，不必先假設 AI 表現較好。

把量、率與合格成果放在一起。分開自家紀錄和外部案例的啟示，並列出下一個決策需要的證據。

CH.06

辨識來源，再量測一致的群組

來源辨識能改善比較，但不證明 AI 流量價值更高。先分開來源證據與業務成果，再依紀錄能支持的範圍串接。

計算倍數前，記錄轉換事件、工作階段／使用者單位、觀察窗口與歸因模型。缺少 referrer 與自陳答案是不同的證據；兩者不能完美補齊，也不證明增量效果。

• →比較比例前，先驗證事件追蹤與來源分類。
• →一起報告流量、事件率與合格成果，交代缺漏資料和歸因限制。
• →依決策與可用證據選擇檢討頻率，保留可重現的定義與修改紀錄。