AI-verkeer vervuilt je conversiedata op dezelfde manier als de beruchte ’not provided’ zoekwoorden dat ooit deden, en als je niet oppast trek je daar verkeerde conclusies uit. Het probleem is dat bezoekers die via AI-chatbots of AI-zoekmachines binnenkomen, in je analytics vaak worden geregistreerd als direct verkeer of als verkeer van een onbekende bron. Daardoor lijken je conversiecijfers beter of slechter dan ze in werkelijkheid zijn, en kun je beslissingen nemen op basis van onjuiste informatie.

Wat er aan de hand is

Search Engine Journal beschrijft hoe AI-referrals het oudste probleem in conversie-optimalisatie opnieuw introduceren. Vroeger hadden marketeers te maken met ’not provided’ in Google Analytics: zoekwoorden die niet werden getoond omdat Google die data verborg. Nu gebeurt iets vergelijkbaars met AI-verkeer. Wanneer een gebruiker via een AI-assistent op je site komt, wordt die sessie vaak niet herkend als afkomstig van AI. In plaats daarvan wordt het gelabeld als direct verkeer of als een onbekende referrer.

Dat is problematisch omdat je dan geen goed beeld hebt van waar je bezoekers vandaan komen. Je kunt niet zien welke AI-platforms daadwerkelijk verkeer naar je site sturen, en nog belangrijker: je kunt niet zien of dat verkeer daadwerkelijk converteert. Het artikel stelt dat dit hetzelfde fundamentele probleem is als ’not provided’: je mist cruciale data over de herkomst van je bezoekers, en daardoor kun je geen goede conclusies trekken over de effectiviteit van je kanalen.

Wat dit betekent

Voor ondernemers die hun marketingdata serieus nemen, betekent dit dat je huidige cijfers mogelijk een vertekend beeld geven. Stel dat je ziet dat je directe conversies stijgen. Dat lijkt positief, maar een deel van die stijging kan afkomstig zijn van AI-verkeer dat verkeerd wordt gelabeld. Je zou kunnen denken dat je merk sterk genoeg is voor directe bezoeken, terwijl het in werkelijkheid gaat om mensen die via AI-assistenten zijn doorgestuurd. Andersom kan het ook: als AI-verkeer slecht converteert en wordt meegeteld bij je directe verkeer, dan trek je misschien de verkeerde conclusie dat je directe bezoekers niet goed converteren.

Het probleem raakt zowel SEO als conversie-optimalisatie. Als je niet weet welk deel van je verkeer uit AI komt, kun je niet bepalen of je investeringen in AI-zichtbaarheid renderen. En als je conversie-optimalisatie draait op data die vervuild is, dan optimaliseer je mogelijk voor de verkeerde doelgroep.

Hoe je dit kunt toepassen

Als je een webshop runt en merkt dat je directe conversies ineens stijgen zonder duidelijke reden, dan is het verstandig om je analytics grondig te controleren. Overweeg om een aparte view of filter aan te maken in je analytics-tool waarin je AI-referrals apart labelt. Je zou kunnen beginnen met het identificeren van bekende AI-bots en AI-zoekmachines in je referrer-data, zodat je kunt zien hoeveel verkeer daadwerkelijk uit die bron komt.

Als je een marketingteam aanstuurt en je rapporteert over kanaalprestaties, dan is het belangrijk om je team te waarschuwen voor de vervuiling in de data. Een mogelijkheid is om wekelijks een controle in te bouwen waarin je kijkt naar het aandeel onbekende referrers en direct verkeer. Als dat aandeel groeit, is de kans groot dat AI-verkeer zich daar verstopt. Overweeg om in je rapportages een aparte regel op te nemen voor ‘AI-verkeer (geschat)’ zodat beslissingen niet worden genomen op basis van onzuivere cijfers.

Als je een contentmarketeer bent die wil weten welke kanalen daadwerkelijk bijdragen aan leads, dan is het zinvol om je conversietrechters te herzien. Je zou kunnen onderzoeken of bezoekers die via AI binnenkomen een ander gedrag vertonen dan bezoekers via andere kanalen. Een optie is om een aparte landingspagina of UTM-parameters te gebruiken voor AI-verkeer, zodat je het onderscheid wel kunt maken. Let op: dit werkt alleen als je de AI-bronnen kunt identificeren, en dat is precies waar het probleem zit.

Als je een B2B-bedrijf hebt dat afhankelijk is van inbound leads, dan is het verstandig om je huidige attributiemodel tegen het licht te houden. Het artikel suggereert dat AI-verkeer vaak wordt gemist in de standaardrapportages. Overweeg om te investeren in een analytics-oplossing die AI-referrals wel herkent, of om handmatig een lijst bij te houden van AI-platforms die relevant zijn voor jouw doelgroep. Zo kun je in ieder geval een inschatting maken van de omvang van het probleem, ook al is de data niet perfect.

De praktische toepassing hangt af van jouw situatie, maar de kern is duidelijk: vertrouw niet blind op je standaardrapportages zolang je niet weet hoeveel AI-verkeer erin zit. Het opschonen van je data is geen eenmalige klus, maar een doorlopend proces dat je in je reguliere marketingcyclus moet opnemen.

Bron: Search Engine Journal