B2B 暗漏斗：量測訊號，保留歸因界線

CH.01

網站分析能看見什麼

買家不必造訪網站，也能認識一家公司。網站分析記錄取得的瀏覽與事件，不會記錄所有私人對話、推薦或線下互動。

Forrester 2026 年 1 月的文章整理 2025 年近 18,000 位商業買家調查：94% 表示採購時使用 AI，也會向可信任的人核對資訊。這不代表所有研究都在 LLM 內完成，也不代表後續瀏覽必定失去來源資訊。

若私人對話沒有帶來瀏覽，就沒有可供分類的網站工作階段。若真的到站，來源判定取決於取得的訊號與歸因範圍。GA4 可辨識 AI Assistant 導流；Google AI Overviews 與 AI Mode 流量歸於 Organic Search。Direct 流量則可能有多種來源。

CH.02

先定義範圍，再討論比例

沒有一個通用比例，能代表工具看不到多少採購旅程。可觀察程度取決於接觸點、存取權限、同意狀態、量測方式與要回答的問題。

原有 70–80% 暗漏斗圖表未找到相符且可核對的方法。6sense 的 2025 年 B2B 樣本則顯示，首次接觸供應商約在旅程的 61%，2024 年約為 69%。接觸時間點不等於使用 AI 的時間，也不能用來計算分析工具漏看多少活動。

CH.03

詢問買家，避免引導答案

買家自述能補充他們記得的經驗，是有用的背景資料，但也有記憶與選樣限制，不能一概視為比技術訊號更準確。

先以中性問題開場，例如「哪些資訊幫助你找到並評估我們？」讓買家自行描述多項影響。取得未提示的回答後，再追問 AI，並分開記錄首次認識公司與研究已知公司的情況。

• →開放文字能發現未預期的影響；結構化選項能減少負擔。依任務選擇，避免強迫歸類。
• →詢問時間會影響回憶。記錄提問時點，不要聲稱某個時刻永遠最準確。
• →來源占比旁，一併記錄回覆率與招募方式。
• →自述可能遺漏、記錯或高估影響。蒐集方式與樣本組成足夠一致時，趨勢才有比較意義。

CH.04

把品牌搜尋當作背景訊號

品牌查詢反映包含品牌名稱的搜尋行為，但不會直接告訴你搜尋原因，或使用者先前參與過哪些對話。

以有紀錄的品牌詞範圍，檢視 Search Console 點擊與曝光，並保持地區、裝置、搜尋類型與期間可比。這是網站資源的曝光，不是整個市場的總搜尋量。匿名與截斷資料也使查詢表無法成為完整活動紀錄。

CH.05

把 AI 曝光當成獨立觀察

抽樣 AI 回答能顯示產品在特定條件下說了什麼。它是否能預測合格商機，仍需依自家市場與量測設計取得證據。

提及、引用、導流與合格商機是不同事件，分母也不同。不要假設它們必然依固定順序或時間差發生。抽樣引用增加，也可能來自產品更新、提問變動或量測涵蓋範圍改變。

• →選擇相關提問樣本；100–300 題是規劃選項，不是經驗證的最低門檻。
• →記錄平台、介面、語言、日期與回答狀態；一般使用介面與 API 的輸出可能不同。
• →分開記錄品牌提及、帶連結引用與推薦，並在相同條件下比較競品。
• →將可辨識的導流工作階段及 CRM 結果，與抽樣回答涵蓋率分開。
• →發現可重現且有實質影響的變化後再處理；一次缺少回答不等於趨勢。

CH.06

整合佐證，避免重複計算

把三種資料放在一起看，同時保留各自定義。方向一致是有用背景，卻不會消除共同偏差，也無法還原每一次未觀察到的互動。

同一筆商機可能同時有 AI 導流、品牌搜尋與買家自述的 AI 影響。若各算一筆商機，結果就會膨脹。可使用獲准的商機識別碼去重，並分開呈現觀察來源、自述影響與分析者解讀。