AI Traffic Analysis

In sintesi

• Le chiamate e le visite al sito originate da ChatGPT, Claude e Perplexity finiscono quasi sempre sotto la voce “diretto” negli strumenti di analisi, non come fonte separata.
• Il problema ha due facce distinte: le chiamate telefoniche tracciate con numeri dedicati e le visite al sito che arrivano da un link cliccato dentro una risposta AI.
• Una configurazione corretta di numeri dedicati e parametri UTM permette di isolare questo traffico.
• Tagliare budget su “un canale che non porta contatti” senza aver verificato questa sovrapposizione significa decidere su dati incompleti.
• Non serve software esotico. Serve disciplina nella configurazione di numeri e link.

Un numero che non esiste ancora, e un sistema che non lo cerca

Quando un utente chiede a ChatGPT di consigliare uno studio legale per una causa di lavoro, l’assistente risponde con un numero di telefono o un link al sito. Da quel momento in poi, quasi tutto quello che succede si perde nei sistemi di misurazione dell’azienda. Non per un bug, ma per come sono stati costruiti.

Le aziende che usano il call tracking assegnano un numero dedicato a ogni canale: uno per il sito, uno per Google Ads, uno per le recensioni online. La chiamata generata da una risposta di ChatGPT viene registrata regolarmente, ma attribuita al numero generico esposto sul sito o su Google Business Profile. Il sistema fa esattamente quello per cui è stato costruito: non distingue chi ha composto quel numero dopo averlo letto in una chat da chi lo ha trovato su Google.

Per le visite al sito il meccanismo è diverso ma l’esito identico. Se l’utente clicca un link dentro la risposta di ChatGPT e quel link non porta parametri di tracciamento, Google Analytics registra l’arrivo ma non ha modo di risalire alla fonte. Lo classifica come “diretto”, la stessa categoria usata per chi scrive l’indirizzo del sito a memoria nel browser. Chiamata e visita, due fenomeni diversi, lo stesso risultato: invisibilità della fonte reale.

Search Engine Journal ha documentato il fenomeno analizzando proprio questa casistica: il traffico da assistenti conversazionali che confluisce nei bucket “direct/other” degli strumenti di analytics, senza alcuna etichetta che lo distingua. Non è un’anomalia isolata di qualche configurazione mal fatta, è il comportamento di default di sistemi pensati prima che questo tipo di traffico esistesse.

La domanda che conta, per chi guida l’azienda, è quante delle chiamate o visite oggi etichettate come “traffico diretto” sono in realtà persone guidate da un’intelligenza artificiale. Senza dati puntuali, la risposta resta un’ipotesi. Decidere di tagliare investimenti su un canale sulla base di quell’ipotesi è cattiva misurazione travestita da rigore analitico.

Gli UTM come unica leva reale a disposizione dell’azienda

Gli UTM sono parametri aggiunti alla fine di un indirizzo web che dicono allo strumento di analisi da dove arriva un clic. Un link generico come quello alla pagina contatti di uno studio legale risulta “diretto” indipendentemente da chi lo clicca e da dove arriva. Lo stesso link con utm_source=chatgpt&utm_medium=ai_referral&utm_campaign=assistente_ai in coda dice allo strumento che quel visitatore arriva da ChatGPT, attraverso un canale referral AI, dentro una campagna specifica.

Il limite va detto senza girarci intorno: l’azienda non controlla come ChatGPT costruisce i link nelle sue risposte. Se l’assistente riporta l’indirizzo nudo del sito, senza UTM, quell’informazione è persa per sempre e non si recupera a posteriori. Quello che l’azienda può controllare è il proprio sito: inserire UTM nei link usati nelle pagine pensate per essere citate dagli assistenti AI, e fare un controllo mensile dei referral da domini noti come chat.openai.com, perplexity.ai, claude.ai dentro il traffico già classificato come diretto.

È un lavoro di disciplina, non di tecnologia. Viene quasi sempre saltato perché richiede manutenzione continua su qualcosa che nessuno strumento segnala come urgente, e perché il ritorno non è immediato: si vede solo dopo mesi di raccolta dati coerente.

I log del server raccontano una storia incompleta, in entrambe le direzioni

Alcune aziende più attrezzate vanno a guardare i log grezzi del server per trovare tracce di crawler legati agli assistenti AI. È un livello di dettaglio utile, ma sbaglia in due direzioni opposte.

Il primo errore è il falso positivo: molti crawler, inclusi bot di sicurezza o aggregatori di contenuti senza alcun legame con assistenti AI, si presentano con uno user-agent generico o modificato che può sembrare OpenAI o Anthropic senza esserlo.

Il secondo errore è più insidioso, traffico reale da assistente AI che non lascia traccia nei log, per tre motivi distinti. Se la risposta viene generata usando contenuti già salvati in cache, il crawler non interroga il server in quel momento. Alcuni fornitori instradano le richieste attraverso infrastrutture intermedie che mascherano l’origine reale. E, più spesso di quanto si pensi, l’utente legge la risposta dell’AI e poi cerca il nome dell’azienda su Google invece di cliccare il link: quella visita arriva come “ricerca organica”, anche se la decisione è nata nella chat.

I log da soli confermano un sospetto, non misurano un volume.

Gli strumenti di analisi non sono pronti

Google Analytics non ha oggi una categoria dedicata al traffico da assistenti AI. Quando un referral arriva da un dominio come chat.openai.com senza parametri UTM, finisce sotto “diretto” o in una categoria generica di referral, mescolato con tutto il resto. Alcuni plugin di terze parti offrono filtri per isolare questi domini, ma restano aggiunte esterne, non funzioni integrate nello strumento principale.

È ragionevole aspettarsi che la pressione commerciale spinga i fornitori di analytics a colmare questo vuoto, vista la crescita del traffico generato dagli assistenti conversazionali. Ma è altrettanto ragionevole essere scettici sui tempi: Google Analytics ha impiegato anni per adattarsi a cambiamenti nel comportamento di ricerca molto meno disruptive di questo, e non c’è alcuna garanzia che la priorità commerciale di un vendor analytics coincida con l’urgenza percepita da uno studio legale che deve decidere il budget trimestrale. Nel frattempo, le aziende continuano a prendere decisioni su dati strutturalmente incompleti, e chi se ne accorge tardi rischia di tagliare proprio il canale che stava iniziando a portare contatti.

Un’azione, non tre

Numeri di telefono dedicati per i canali principali, UTM disciplinati su ogni link pubblicato e un controllo mensile dei referral da domini AI noti restano, allo stato attuale, il modo più affidabile per avvicinarsi a un numero vero, invece che a una stima buttata lì. Chi gestisce il marketing di un’azienda italiana dovrebbe partire da un solo gesto concreto prima di decidere se un canale “non funziona”: aprire oggi stesso lo strumento di analisi, filtrare il traffico diretto delle ultime quattro settimane e cercare manualmente i domini chat.openai.com, perplexity.ai e claude.ai tra i referral. Se compaiono, anche in numero minimo, la conversazione su quel canale cambia immediatamente.

Domande correlate

Come scopro se ChatGPT mi manda già clienti?

Controlla i referral nel tuo strumento di analisi cercando domini come chat.openai.com, perplexity.ai o claude.ai. Se il link non aveva UTM, cerca dentro il traffico “diretto”: confronta i picchi con eventuali menzioni del tuo brand nelle risposte AI.

Cosa sono gli UTM e perché servono?

Sono parametri aggiunti alla fine di un indirizzo web che dicono allo strumento di analisi da quale fonte arriva un clic. Senza UTM, un link cliccato da una risposta AI risulta “diretto”, indistinguibile da chi digita l’indirizzo a memoria.

Il call tracking funziona anche per le chiamate da AI?

Il numero dedicato registra comunque la chiamata, ma di norma la attribuisce al canale generico su cui è esposto, sito o Google Business Profile, non a “ChatGPT” come fonte separata. Serve una configurazione specifica per isolare questo segmento.

Perché i log del server non bastano da soli?

Generano falsi positivi con crawler generici scambiati per bot AI, e falsi negativi quando la risposta AI usa contenuti in cache o instrada le richieste tramite infrastrutture che mascherano l’origine reale.

Fonti:

• Calls from ChatGPT, Claude, and Perplexity land in ‘direct/other’ - Search Engine Journal (accesso ottobre 2026)