AI广告的钱，卡在一串UTM上

导语

两件事几乎同时发生：Google 给 Gemini 带来的 referral 流量加上了 UTM 参数，站长第一次能在分析后台里看清"这波访问来自 AI"；而另一边，OpenAI 的 ChatGPT 广告因为"衡量缺口"（measurement gaps），预算始终停在测试级别。

一个补上了归因的最后一公里，一个卡在归因的死循环里。这不是两个产品新闻，而是同一件事的两面：AI 流量能不能变成报表上的一个正经渠道科目，取决于归因基础设施。 谁先被衡量，谁先拿到预算。

📉 AI流量黑洞，终于有出口了

做过增长的人对这个场景不陌生：打开 GA 后台的渠道报告，direct 流量莫名涨了一截，来源写着一串看不懂的 referrer，或者干脆是空的。你隐约知道这里面有 AI 助手导过来的用户，但没法拆出来，没法算转化，更没法向老板证明"该给这个渠道加钱"。

这就是过去一年 AI referral 流量的真实处境。用户在 Gemini、ChatGPT 这类 AI 产品里被引用了你的页面，点了链接进来，但在数据侧，这批流量要么混进 direct，要么顶多显示一个模糊的来源域名。有量，没有名分。

Google 这次的动作很具体：为 Gemini 的 referral 流量添加 UTM 参数。根据 Search Engine Journal 的报道，这意味着从 Gemini 点进站点的流量，会带上清晰的归因标识，站主可以在自己的分析工具里把"AI 渠道"单独拉出来看。

听起来只是个技术细节，但产业含义完全不同。归因是渠道拿预算的入场券——广告投放的历史反复证明这一点：一个渠道只有先"在报表里存在"，才谈得上优化、放大和规模化。社交电商、短视频种草，走的都是同一条路：先是流量叙事，然后是归因工具跟上，最后预算才成建制地迁入。

Gemini 补上 UTM，等于把 AI referral 从"玄学"拉回了"报表"。据多位接近品牌方的从业者反馈，过去半年大家聊 AI 流量，最常见的抱怨不是"没效果"，而是"没法证明有没有效果"——这恰恰是最致命的。

🔍 两家平台，两种归因姿势

把两家公司的动作放在一起看，差别就更清楚了。

一边是 Google：先做 referral 归因，让站主看见 AI 带来的流量。这是典型的先修路、再收费的思路——Google 的商业模式根植于开放的 web 生态，站点健康、流量可追踪，才有后续广告变现的土壤。UTM 参数本身是行业通用标准，Google 没有另起炉灶，而是把 AI 流量接进现有的度量体系。

另一边是 OpenAI：直接推 ChatGPT 广告，但卡在了衡量环节。用素材里的原话说，这是一个 measurement catch-22（衡量的两难困境）——广告主想放量，但拿不到足够清晰的归因和效果数据；数据不够，预算就只能停在测试级别；预算不进来，又没有规模去验证效果。

（表中 ChatGPT 侧信息依据公开报道的"衡量缺口"与"测试级预算"表述整理，其余为基于产业逻辑的推演。）

注意一个关键区别：UTM 是站主侧的自助归因，数据长在广告主自己的分析工具里，信任成本低；而广告平台的内部衡量数据，天然面临"既当运动员又当裁判"的质疑。Google 的路径是先把流量数据还给站主，OpenAI 的路径是先收钱再补度量——前者慢但稳，后者快但卡。

⚠️ Catch-22：AI广告的死循环

为什么说 measurement catch-22 是死循环？画出来一目了然：

每一环都合理，合在一起就锁死。广告主不是不想投 ChatGPT 广告，而是 CFO 那一关过不去：一个没有可靠归因的渠道，在预算表里最多列"创新试验费"，而这个科目在任何公司都是最先被砍的。

反观 referral 归因这条路，虽然不是直接收费，但它解决的是同一类信任问题，只是方向相反——先给站主看数据，建立渠道认知，再谈商业产品。

这条链路里最值钱的是最后两环。一旦 AI referral 成为报表里的常规科目，它会自动参与渠道间的预算竞争——和 SEO、社媒、直投抢钱。而竞争的依据，就是每个渠道各自的转化数据和 ROI。

这也是为什么归因能力正在成为 AI 流量商业化的分水岭。业内私下流传的一句话是："AI 渠道现在拼的不是谁流量大，是谁能被算清楚。" 能被算清楚的平台，才会在下一轮预算分配中拿到票。

🧭 给营销人的三步操作

对已经在吃 AI 流量红利（或自认为在吃）的团队，这件事有非常具体的动作项：

第一步，盘点 UTM 捕获。 检查你的分析工具是否正确解析了 Gemini referral 带来的 UTM 参数。如果你的站点有参数清洗逻辑或重定向链路，先确认参数没有被中途剥掉——这是最常见的技术性漏损。

第二步，建立 AI 渠道专属视图。 在 GA 或自有分析体系里，把 AI 来源流量单独建一个 segment，与 organic、direct、social 并列观察。重点看两个指标：进入率（AI 引用带来的点击占曝光的比例）和转化深度（这批用户到底走到哪一步）。AI 渠道的用户行为路径和传统搜索差异很大，用旧模板去看会失真。

第三步，反向影响内容策略。 一旦有了数据，你就能回答"什么样的内容在被 AI 引用后真的带来转化"，从而把内容优化的依据从猜测变成报表。

按归因成熟度分一下级，大多数团队目前卡在第二级：

Gemini 的 UTM 更新，本质上是把全行业从 L1 向 L2、L3 推了一把。推力来自平台，但接不接得住，取决于站主自己的数据基建。

小结

归因这种事，平时没人谈论，缺的时候要命。Gemini 加 UTM 参数和 ChatGPT 广告停在测试预算，是同一个命题的正反面：AI 流量商业化的瓶颈不在流量，而在度量。 接下来 12 个月值得盯两个信号：一是其他 AI 平台是否跟进 referral 归因标准（UTM 会不会成为事实上的行业规范）；二是 OpenAI 能否补上衡量短板，把测试级预算解封。谁的归因先跑通，谁的渠道才真正开始。