Monitorowanie ruchu z AI (ChatGPT, Gemini, Claude itd)

Jeszcze niedawno analizowaliśmy ruch w internecie przez prosty podział: ludzie i boty. Dziś ta granica praktycznie przestaje istnieć. Modele AI przeglądają strony, pobierają treści, wykonują zadania i podejmują decyzje szybciej niż użytkownicy. Problem w tym, że większość tego ruchu pozostaje dla nas niewidzialna. Ale czy na pewno?

1. Gdzie podziewa się ten cały ruch AI?
2. Czym właściwie jest ruch AI – i czy stoją za nim tylko ludzie?
3. Scenariusz 1: ChatGPT jako pośrednik
4. Scenariusz 2: deep research robiony przez agenta
5. Scenariusz 3: agent robi zakupy za człowieka
6. Kto właściwie porusza się dziś po internecie?
7. Ruch agentowy a ruch od ludzi: skala, której nikt się nie spodziewał
8. Widoczność vs ruch: dwa pojęcia, które zaczynają żyć własnym życiem
9. Monitorowanie ruchu z AI – jak to w ogóle ogarnąć?
10. AgentMonitor.io – pierwsze miejsce, gdzie ten ruch faktycznie widać
11. Czym to się różni od GA4 i Cloudflare?
12. Podsumowanie

Gdzie podziewa się ten cały ruch AI?

Rozwój modeli AI przyspieszył tak mocno, że wiele znanych nam dotąd struktur zaczęło... po prostu niedomagać. Jedną z nich jest sposób mierzenia i analizy ruchu.

Jeszcze niedawno wszystko mieściło się w klasycznym zestawie narzędzi SEO i analityki. Dziś coraz więcej osób chciałoby wiedzieć, jak często AI „chodzi” im po stronie. I tu pojawia się problem: większość narzędzi nie ma pojęcia, że te wizyty istnieją.

To trochę tak, jakby ktoś dołożył do internetu nową warstwę, ale nadal patrzylibyśmy na nią przez pryzmat narzędzi z czasów, gdy ruch tworzyli tylko ludzie. Efekt? Wszyscy czują, że coś się dzieje, ale nikt nie wie, jak to uchwycić.

Czym właściwie jest ruch AI – i czy stoją za nim tylko ludzie?

Najprostsza odpowiedź brzmi: zależy, o jaki „rodzaj” AI pytamy.

Ruch z AI nie dzieli się na jedną kategorię – to cały ekosystem działań, w którym mieszają się ludzie, asystenci, agenci i boty. Zanim jednak zaczniemy je rozróżniać, warto zobaczyć kilka scenariuszy, które najlepiej pokazują, jak działa ten nowy internet.

Scenariusz 1: ChatGPT jako pośrednik

Człowiek włącza ChatGPT, wpisuje pytanie i czeka na odpowiedź. W tym czasie model pobiera dane z wyszukiwarki, przegląda strony, odczytuje treści i na ich podstawie buduje swoją odpowiedź.

Jeżeli w treści pojawiają się linki – człowiek może je kliknąć, ale częściej po prostu czyta gotową odpowiedź i wraca do swoich poprzednich zadań. To, co my widzimy w analityce, to ewentualny referral.

Tymczasem to, czego nie widzimy, jest dużo ciekawsze: ChatGPT faktycznie odwiedził nasze strony, ale nie zostawił po sobie żadnego czytelnego śladu. Dał tylko odpowiedź na podstawie wybranych przez siebie źródeł.

I to jest nowy rodzaj ruchu – taki, który istnieje, ale nie jest w żaden sposób przypisany do człowieka.

Scenariusz 2: deep research robiony przez agenta

Ktoś potrzebuje 20-stronicowego raportu. Zleca go GPT, Claude’owi albo jakiemuś innemu agentowi. Narzędzie generuje setki zapytań, przeszukuje potężną liczbę stron, a użytkownik dostaje wyniki wraz ze zgrabną listą źródeł.

Kliknięcia? Rzadko. Odwiedziny? Dziesiątki, setki, a czasem nawet tysiące – wszystko wykonane przez modele sztucznej inteligencji.

Scenariusz 3: agent robi zakupy za człowieka

Dzisiaj brzmi to jeszcze jak mocno eksperymentalna funkcja rodem z jakiegoś Raportu mniejszości czy innego Blade Runnera, ale to tylko kwestia czasu. Agent AI dostanie zadanie „znajdź rolki do szafy z cichymi kółkami i kup najtańsze, z dostawą do paczkomatu”.

Agent przejrzy witryny e-commerce, porówna ceny, sprawdzi dostępność i… dokona zakupu. Użytkownik, odbierając swoją przesyłkę, może nawet nie zobaczyć, w którym sklepie transakcja miała miejsce. Dla analityki oznacza to ruch kompletnie oderwany od klasycznych ścieżek konwersji.

Kto właściwie porusza się dziś po internecie?

Patrząc na realne logi – po sieci krąży nowa mieszanka „żywych” użytkowników i botów, wśród których coraz wyraźniej zaczynają się wyróżniać te powiązane z LLM-ami:

Mamy więc ludzi, ale pojawiają się też:

• AI asystenci (ChatGPT, Gemini, Copilot itd.),
• agenci AI (czyli „delegowani pomocnicy” wykonujący zadania),
• AI search crawlery,
• AI data scrapery,
• pozostałe boty.

Ruch agentowy a ruch od ludzi: skala, której nikt się nie spodziewał

Jedna z najciekawszych różnic pojawia się dopiero wtedy, gdy porównamy liczbę odwiedzin od agentów z liczbą wejść od ludzi, którzy kliknęli link wskazany przez AI.

W naszym przypadku różnica wyniosła około 400 razy.

Tak – nie cztery, nie czterdzieści. Czterysta.

To oznacza, że referrale to wierzchołek góry lodowej. Cała reszta – ruch agentowy – dzieje się pod powierzchnią, niewidoczna dla GA4, Search Console czy Cloudflare Analytics.

Ta skala zmienia sposób patrzenia na ruch organiczny. Bo nagle okazuje się, że AI konsumuje nasze treści częściej niż ludzie.

Widoczność vs ruch: dwa pojęcia, które zaczynają żyć własnym życiem

Mnóstwo nowych aplikacji próbuje monitorować widoczność w AI, najczęściej naśladując to, co znamy z widoczności w SERP-ach. Problem polega na tym, że wyszukiwarka AI działa inaczej niż Google dziesięć lat temu, a przyszłość należy do personalizacji.

Badanie widoczności staje się w zasadzie niemożliwe – w praktyce jest cholernie drogie i mało miarodajne. Dlaczego? Bo wyniki zależą od:

• lokalizacji,
• kontekstu – w tym od historii rozmowy,
• od promptów użytkowników,
• a w przyszłości będą zależały także od danych z innych aplikacji (co już można wyczytać w patentach OpenAI, Google i Anthropic).

To jak rozumieć widoczność?

Można ją traktować jako prawdopodobieństwo, że AI wybierze nasze treści jako materiał do odpowiedzi.

To nie jest klasyczna pozycja w rankingu, a bardziej szansa, że model uzna nasze dane za przydatne.

A czym w takim razie jest ruch z AI?

To faktyczne odwiedziny – zarówno te, które wykonują asystenci i agenci, jak i te wykonane przez wyszukiwarki AI w trakcie pobierania kontekstu.

Można na niego patrzeć jak na „użycie treści”, nawet jeśli żaden człowiek nie pojawił się na stronie.

Innymi słowy – widoczność jest swego rodzaju konceptem, a ruch jest namacalnym dowodem odwiedzin.

Monitorowanie ruchu z AI – jak to w ogóle ogarnąć?

W tym temacie jest jeszcze sporo chaosu i niedopowiedzeń. Faktem jest, że coraz więcej specjalistów od pozycjonowania, wydawców i właścicieli stron szuka narzędzi, które mogą zobaczyć to, czego nie widzi przykładowo Google Analytics 4.

AgentMonitor.io – pierwsze miejsce, gdzie ten ruch faktycznie widać

Jeżeli ktoś chce zobaczyć, jak to wygląda w praktyce, zwykle zaczynamy rozmowę od AgentMonitor.io – narzędzia, które powstało dokładnie z tej potrzeby: wyłapania agentów, asystentów, crawlerów i innych botów, które przechodzą przez strony, ale nie zostawiają po sobie sygnałów w klasycznych trackerach ruchu.

Wideo o AgentMonitor.io

Czym to się różni od GA4 i Cloudflare?

Najprościej mówiąc: GA4 i Cloudflare widzą tylko to, co mają zobaczyć. AgentMonitor wyłapuje to, co naprawdę przechodzi przez stronę.

GA4 filtruje boty. Cloudflare klasyfikuje ruch głównie przez user-agenta.

AgentMonitor patrzy głębiej: na zachowania, sygnatury modeli, sposoby pobierania danych, nienaturalne wzorce i charakterystyczne footprinty, które pozostawiają po sobie agenci AI.

To po prostu inne podejście, oparte na założeniu, że współczesne AI nie działa jak „stary bot”, tylko jak inteligentne narzędzie, które wykonuje zadania w imieniu człowieka.

Podsumowanie

Ruch z AI wcale nie jest abstrakcją. Jest realny, masowy i – co najciekawsze – w większości niewidoczny w tradycyjnych narzędziach. Modele konsumują nasze treści na ogromną skalę, a referrale to zaledwie mała część tej układanki.

To dopiero początek zmian. Wszystko wskazuje na to, że AI będzie odpowiadać za coraz większą część ruchu, decyzji zakupowych i konwersji. Najbliższe miesiące i lata będą testem dla wszystkich narzędzi analitycznych. I tutaj zaczyna się klarować jedna rzecz: warto patrzeć nie tylko na to, co widzi człowiek, ale także na to, co robi za niego AI.