O problema
Quando alguém clica num link dentro de uma resposta do ChatGPT, do Perplexity ou do Gemini, três coisas podem acontecer com o referrer.
O melhor caso: a plataforma manda o referrer e o GA4 registra como referência, com origem identificável. É o que acontece em boa parte do tráfego de web do ChatGPT e do Perplexity.
O caso comum: a plataforma não manda referrer, e a sessão cai em direto, misturada com quem digitou a URL, clicou num link de e-mail sem UTM ou veio de um app qualquer.
O caso pior: o clique acontece dentro de um app mobile, onde a perda de referrer é ainda maior. A lacuna de atribuição em apps de IA no mobile chega a algo em torno de 40%.
Some tudo e você tem o quadro atual: estima-se que 25% a 40% do que aparece como direto em sites com bastante conteúdo seja, na realidade, tráfego referido por IA. É bastante coisa para ficar num balde chamado "não sei".
O que isso significa na prática: você não vai conseguir medir tráfego de IA com precisão. Vai conseguir medir uma parte, estimar outra, e precisa ser honesto sobre a diferença no relatório.
Montando o canal customizado
O GA4 não tem canal nativo para IA, então a primeira coisa é criar um grupo de canais personalizado. Em Administrador, Configurações de dados, Grupos de canais, você cria um novo grupo baseado no padrão e adiciona um canal no topo da ordem.
A regra do canal deve casar por origem, plataforma de origem ou referrer completo, incluindo os domínios das principais interfaces. A lista que uso hoje:
Dois cuidados que economizam retrabalho. Primeiro, coloque o canal de IA acima de Orgânico e Referência na ordem de avaliação, senão as regras existentes capturam antes. Segundo, grupo de canal customizado no GA4 se aplica retroativamente aos dados que já existem, o que é raro e muito útil aqui, então você ganha série histórica de graça.
Se você tem BigQuery ligado ao GA4, faça a mesma classificação lá também. É onde você vai conseguir cruzar com conversão e receita sem as amostragens da interface, e é como monto os painéis que descrevo em BI e inteligência de dados.
O que fazer com o dark traffic
Aqui começa a parte que exige honestidade intelectual. Não existe forma confiável de identificar, sessão a sessão, qual visita direta veio de IA. Quem promete isso está estimando e chamando de medição.
O que dá para fazer é construir evidência circunstancial, e isso tem valor real desde que seja apresentado como tal.
Estabeleça uma linha de base. Qual era a proporção de direto sobre o total antes de 2024? Se era 18% e hoje é 31%, esses 13 pontos são o seu território de suspeita.
Olhe o comportamento. Sessões diretas que caem em URLs profundas, de artigo específico, não são gente digitando a URL. Ninguém digita o endereço de um post de blog com três níveis de pasta. Segmente o direto por página de entrada e veja quanto cai em conteúdo interno.
Compare com o Search Console. Se as impressões em recursos de IA subiram no período, como descrevo em os relatórios de IA generativa, e o direto em páginas internas subiu junto, a correlação é sugestiva.
Cruze com a medição de citação. Se você monitora em quais consultas a marca é citada, dá para relacionar picos de citação com picos de direto.
UTM onde você controla
Você não controla o link que o modelo gera, mas controla alguns pontos de entrada, e vale usar:
- Se você mantém documentação, base de conhecimento ou dataset público que alimenta assistentes, coloque UTM nos links canônicos que você publica lá.
- Se você tem GPT customizado, agente ou integração própria, todos os links de saída devem sair com parâmetro.
- Se você participa de diretório ou comparativo que costuma ser citado, negocie o link com parâmetro quando possível.
Não resolve o problema principal, mas cria ilhas de medição confiável que ajudam a calibrar as estimativas do resto.
Como reportar sem inventar
Essa é a parte que separa relatório útil de relatório bonito. O formato que uso tem três blocos claramente separados:
- Medido. Sessões, conversões e receita do canal de IA identificado por referrer. Número firme, comparável mês a mês.
- Indicado. Impressões em recursos de IA do Search Console e participação em citação nas consultas monitoradas. Sinal de presença, não de tráfego.
- Estimado. A faixa do direto que provavelmente é IA, com a metodologia escrita ao lado. Sempre como faixa, nunca como número único.
E uma nota curta explicando por que os três não somam. Isso evita a pergunta na reunião e, mais importante, evita que alguém some os três num slide de resultado.
Prefiro entregar uma faixa com metodologia explícita a entregar um número exato que eu não consigo defender quando alguém perguntar de onde saiu.
A consulta no BigQuery
A interface do GA4 resolve o básico, mas para cruzar tráfego de IA com receita sem amostragem, o caminho é o BigQuery. A lógica da consulta é classificar a sessão pela origem e agrupar.
Dois detalhes que fazem diferença. O page_referrer costuma trazer mais informação que o traffic_source.source, porque este último já passou pela classificação do GA4 e perdeu granularidade. E vale sempre olhar o referrer completo antes de montar o regex, porque as plataformas mudam de domínio com alguma frequência.
A partir dessa base dá para responder as perguntas que importam: qual a taxa de conversão de IA contra orgânico, qual o valor médio por sessão em cada canal, e quais páginas de entrada recebem tráfego de IA.
O painel no Looker Studio
A estrutura que uso quando entrego esse acompanhamento, e que respeita a separação entre medido, indicado e estimado:
Bloco 1, o canal de IA medido. Sessões, conversões, receita e taxa de conversão do canal identificado por referrer, com comparação contra o mês anterior e contra o orgânico. Números firmes.
Bloco 2, presença. Impressões em recursos de IA vindas do Search Console, e a participação em citação nas consultas monitoradas. Rotulado como sinal de presença, não de tráfego.
Bloco 3, a faixa estimada. Proporção de tráfego direto sobre o total, com a linha de base histórica marcada, e a faixa provável de dark traffic. Sempre com a metodologia escrita ao lado do gráfico, não numa nota de rodapé que ninguém lê.
Bloco 4, páginas. Quais URLs recebem tráfego de IA e quais têm impressão em recursos de IA. A comparação entre as duas listas aponta onde há presença sem tráfego, e vice-versa.
Uma escolha de design que recomendo: não coloque os três blocos no mesmo gráfico. A tentação de sobrepor as curvas é grande e o resultado é sempre alguém somando o que não deve ser somado.
Perguntas frequentes
Dá para usar UTM nos links que a IA gera?
Não, você não controla esses links. Dá para usar UTM nos links que você publica em superfícies que costumam ser citadas, como documentação e datasets públicos, o que cria ilhas de medição confiável.
O GA4 vai resolver isso nativamente?
Parte disso, provavelmente. O Google já classifica algumas origens de IA. Mas o problema do referrer ausente é da plataforma de origem, não do analytics, e nenhuma ferramenta resolve o que não foi enviado.
Vale a pena usar ferramenta especializada?
Para medir citação, sim, porque o trabalho manual é grande. Para medir tráfego, elas enfrentam exatamente a mesma limitação do GA4 e frequentemente apresentam estimativa como se fosse medição. Pergunte sempre qual é o método antes de contratar.
Como saber se a minha estimativa de dark traffic está razoável?
Compare a evolução do direto em páginas internas com a evolução das impressões em recursos de IA. Se as duas curvas sobem juntas ao longo de vários meses, a hipótese ganha força. Se o direto sobe e as impressões não, provavelmente é outra coisa, como campanha offline ou aplicativo.
Quanto tempo até ter dado confiável?
Uns três meses de coleta para ter comparação mensal minimamente estável, considerando a variação natural do canal.
Conclusão
Medir tráfego de IA em 2026 é um exercício de trabalhar com dado incompleto sem fingir que ele é completo. Dá para capturar a parte identificável, dá para construir evidência sobre o resto, e não dá para ter precisão.
O canal customizado no GA4 leva vinte minutos para montar e é aplicado retroativamente. Se você ainda não fez, é provavelmente a coisa de maior retorno por minuto que você pode fazer no seu analytics este mês.