客户说“我是在 AI 里看到你们的”，但官网分析工具里却显示“直接访问”，销售也无法确认具体平台。对中小企业来说，这并不罕见：客户可能先在 AI 问答中了解品牌，之后手动输入网址、搜索品牌名，或者直接打电话，传统的来源数据便很难还原完整路径。
真正可执行的做法，不是统计品牌在多少次 AI 回答中被提及，而是从每一次客户咨询入手，建立一套“来源自述—咨询主题—网站行为—销售结果”的线索记录表。这样衡量的是 AI 渠道带来的实际咨询机会，而不是把曝光次数直接等同于收益。
先确定要回答的三个问题
建立表格前，先把衡量目标从“AI 有没有提到我”改成三个业务问题：
- 有多少咨询者主动提到 AI 问答或相关工具？
- 这些客户咨询了什么主题，是否与重点产品或服务相关？
- 这些咨询最终是否进入有效线索、报价、成交或复购阶段？
这三个问题对应不同的数据来源：
| 数据来源 | 能观察到什么 | 主要局限 |
|---|---|---|
| 表单来源问题 | 客户自己的发现路径 | 存在记忆偏差，回答可能不完整 |
| 销售问询记录 | 客户为什么来咨询、关注什么 | 不同销售的记录标准可能不同 |
| 网站分析工具 | 可识别的 AI 引用访问、页面浏览和转化 | 跨应用访问、手动输入网址时可能丢失来源 |
| CRM | 线索状态、商机金额和成交结果 | 需要人工补充来源和主题字段 |
网站分析工具适合观察能够识别来源的访问，客户自述则能补充“先看了 AI、后来直接访问官网”这类隐藏路径。两者应该交叉查看，而不是互相替代。
在表单中加入一个可选来源问题
不要把来源问题设计成必填的长问卷，否则会增加提交阻力。可以先设置一个单选题，再根据选择结果显示一个简短补充问题。
推荐表单话术
你是通过什么方式了解到我们的？（可多选）
- 搜索引擎
- AI 问答或智能助手
- 朋友、客户或同行推荐
- 社交媒体、短视频或直播
- 行业网站、媒体或论坛
- 广告
- 直接输入网址或以前就知道
- 其他
- 不确定
如果客户选择“AI 问答或智能助手”，再显示：
如果方便，请填写你记得的工具或提问内容：
例如：ChatGPT、豆包、通义、Claude、Gemini，或者“询问某类产品推荐”。
这里要强调“如果方便”和“你记得的”，不要要求客户提供完整聊天记录，也不要把来源判断包装成身份验证。对于涉及隐私、医疗、财务或企业机密的场景，还应提醒客户不要填写敏感信息。
销售跟进时的自然问法
销售不要直接问：“是不是 ChatGPT 给你推荐的？”这种带有暗示性的问法容易让客户顺着问题回答。可以改成开放式提问：
“您最初是怎么注意到我们的？”
如果客户回答“在 AI 里看到的”，继续问：
“您还记得是哪个工具，或者当时大概问了什么问题吗？”
再补充一个区分影响程度的问题：
“您是看完 AI 的回答后直接联系我们，还是后来又通过搜索、朋友推荐等方式进一步了解？”
这三个问题分别用于记录发现来源、工具与主题，以及 AI 在决策路径中的位置。
建立一张能被销售使用的记录表
字段不要一开始就设计得过于复杂。建议先用表格、CRM 自定义字段或表单后台建立以下结构。
| 字段 | 填写方式 | 用途 |
|---|---|---|
| 线索编号 | 系统自动生成 | 连接表单、CRM和销售记录 |
| 首次咨询时间 | 自动记录 | 便于按月比较 |
| 客户类型 | 个人、企业、代理商等 | 区分业务人群 |
| 客户自述来源 | 预设选项+其他 | 统计发现路径 |
| AI 工具名称 | 客户记得时填写 | 识别工具分布 |
| 客户原始表述 | 尽量保留原话 | 减少销售主观改写 |
| 咨询主题 | 选择分类 | 判断AI带来的需求类型 |
| 相关产品或服务 | 选择具体项目 | 连接业务线索 |
| 网站访问来源 | 分析工具记录 | 与客户自述交叉核对 |
| 首次访问页面 | 自动或人工填写 | 观察内容承接效果 |
| 线索等级 | 初步、有效、重点 | 进入销售流程 |
| 跟进结果 | 未联系、跟进中、报价、成交等 | 衡量后续业务结果 |
| 来源可信度 | 高、中、低 | 标记记忆不确定性 |
| 备注 | 简短补充 | 保留特殊情况 |
“客户原始表述”和“来源可信度”尤其重要。比如，客户说“朋友发给我一个 AI 的回答，我顺着链接来的”，这和“我在 ChatGPT 里看过你们，但不记得什么时候”应当分开记录。
用 AI 做归类，不要让 AI 代替事实判断
当每月积累了一批客户自述后，可以用 AI 辅助整理咨询主题、工具名称和表述差异。但原始回答必须保留，不能只保留 AI 生成的标签。
可以使用下面这段提示词：
请根据以下客户咨询记录进行归类，不要补充原文没有出现的事实。
请输出：
1. 客户自述的发现来源
2. 是否明确提到AI问答或智能助手
3. 提到的工具名称；没有提到则写“未说明”
4. 客户咨询主题
5. AI在决策路径中的角色：首次发现、比较参考、直接引流、无法判断
6. 来源可信度：高、中、低
7. 需要人工复核的地方
分类规则：
- 客户明确说“在某个AI工具里看到”或“AI推荐了你们”：标记为“明确AI来源”
- 只说“网上看到”“搜索看到”：不要推断为AI来源
- AI只被用于比较，但客户最终通过其他渠道联系：标记为“辅助影响”
- 不确定时保留不确定，不要强行归类AI 归类适合处理重复文本和主题聚合，例如把“想找适合小团队的客服系统”和“有没有适合十人公司的智能客服”归入同一咨询主题。但“客户是否真的因 AI 而来”“AI 是否促成成交”仍需要结合原始记录、网站行为和销售访谈判断。
把客户自述和网站数据放在一起看
每条线索至少做一次交叉核对：
- 客户说来自 AI，网站是否有对应的 AI 引用访问记录？
- 客户说点击了回答中的链接，访问时间和页面是否大致匹配？
- 客户说先看 AI 后联系，分析工具是否只显示直接访问或品牌搜索？
- 客户咨询的主题，是否与近期发布、更新或优化的页面一致？
- AI 相关自述线索的有效率，是否与其他来源存在明显差异？
如果客户说“在 AI 问答里看到”，但分析工具显示“直接访问”，不要立刻判定分析工具错误。用户可能在不同应用之间切换，或者先记住品牌，再手动访问官网。反过来，也不能因为某段时间直接访问增加，就把增长全部归因于 AI。
可以在报告中使用分层标签：
- 可识别 AI 引用访问：网站分析工具保留了相关来源信息。
- 客户明确自述 AI 来源：客户主动说明看过 AI 问答。
- AI 可能参与影响：客户提到 AI，但无法确认其是否是首次来源或关键决策因素。
- 无法判断：只有模糊描述，没有足够证据。
这种分层比简单设置一个“AI渠道”更稳妥，也更方便销售和管理层理解数据质量。
每月用一页表完成复盘
月度复盘不必追求复杂模型，可以按以下顺序进行。
第一步：看线索数量
统计当月：
- 总咨询数
- 明确自述 AI 来源的咨询数
- 可识别 AI 引用访问带来的咨询数
- AI 相关咨询占总咨询的比例
这个比例只能说明“被记录到的咨询结构”，不能代表 AI 平台的整体曝光份额。
第二步：看咨询质量
比较不同来源线索的：
- 有效线索率
- 进入报价阶段的比例
- 平均跟进周期
- 成交或复购情况
- 主要咨询主题
样本量较小时，不要急于做结论。一个月出现两三条高价值线索，可能是偶然，也可能与特定内容或季节需求有关。
第三步：看内容承接
把客户咨询主题与官网页面对应起来：
| 客户咨询主题 | 对应页面 | 是否满足需求 | 下一步动作 |
|---|---|---|---|
| 小团队选型 | 产品对比页 | 信息不足 | 增加适用规模说明 |
| 价格与实施周期 | 服务说明页 | 需要人工咨询 | 补充费用影响因素 |
| 行业解决方案 | 案例页 | 案例偏少 | 增加可验证案例 |
| 与竞品比较 | 对比内容 | 标准不清 | 公开比较维度和限制 |
如果客户频繁问同一个问题，优先改进能被 AI 和搜索系统理解、也能直接帮助客户决策的页面。生成式引擎优化不应只追求品牌被提及，更应关注客户进入官网后能否找到清晰答案并完成咨询。
第四步：记录下一月实验
每个月只选择一到两个动作，例如：
- 在一个重点服务页补充适用人群和限制条件；
- 增加一个常见问题页面；
- 优化咨询表单中的来源问题；
- 给销售增加统一的来源追问话术；
- 为 AI 相关咨询单独标记后续跟进结果。
下月复盘时，比较的是记录质量、咨询主题和线索后续变化，而不是宣称某项内容一定带来了成交。
四个常见误区
把品牌被提及次数当成收益
品牌在 AI 回答中出现，可能没有带来点击、咨询或成交。曝光可以作为观察指标，但不能替代线索和业务结果。
把所有直接访问都算成 AI 来源
直接访问可能来自收藏夹、线下宣传、朋友推荐、旧客户回访或浏览器隐私处理。它只能说明来源未被识别，不能自动等于 AI 渠道。
用诱导问题制造“AI归因”
“您是不是看了 ChatGPT 推荐才来的？”会提高某一答案的出现概率。开放式提问和保留客户原话，通常比强行让客户选择渠道更可靠。
用很小的样本推断平台效果
客户自述受到记忆和表达影响，AI 工具名称也可能被混淆。样本少时，报告应使用“本月记录到”“在已填写线索中”“初步观察”等表述，避免写成平台曝光率或确定因果关系。
建议采用的报告表述
在面向管理层的月报中，可以这样写：
本月共有若干条线索主动提到 AI 问答，其中部分客户能够说明工具名称或咨询主题。网站分析数据显示，少量访问可识别为 AI 相关来源，另有部分客户自述与“直接访问”记录同时出现。现有数据说明 AI 可能参与了部分客户的发现和比较过程，但不足以推算平台曝光规模，也不能单独证明 AI 直接造成成交。下一月将继续补充来源字段，并观察相关线索的有效率和后续转化。
这类表述看起来没有“AI 带来多少营收”那么有冲击力，却更接近可复核的营销归因。
【软盟资讯观察】
AI问答正在让客户发现品牌的路径变得更分散：有人点击回答中的链接，有人看完后直接输入网址，也有人把 AI 作为比较工具，最后通过销售或朋友完成决策。对品牌而言，机会不只是争取被模型提及，更是把官网内容、咨询入口和销售记录连接起来，让一次模糊的“我在AI里看到你们”变成可跟进的业务线索。风险在于，客户自述和分析数据都不是完整真相，不能用少量样本推算平台曝光，也不能把相关性写成因果关系。更稳妥的做法是同时观察明确来源、咨询主题、网站行为和后续结果，给每条判断标注证据强弱。生成式引擎优化可以改善被发现和被理解的机会，但营销归因仍应保留人工核验、时间范围和不确定性边界。