一组让人坐不住的数据
Shopify 2026 Q1 财报显示：来自 AI 搜索的订单同比增长约 13 倍。
BrightEdge 的报告同样触目惊心：AI Agent 活动已占网站总流量的约 15%，达到人类自然搜索量的 88%。
看到这些数字，几乎所有人的第一反应都是：我们网站被多少 AI Agent 访问了？
但我们想说这个问题，问错了。
一、Agent 身份从根本上是不稳定的
我们以 ChatGPT 为例。它至少以四种完全不同的方式访问你的网站：
访问形态 |
特征 |
GPTBot（爬虫） |
抓取产品页面，不执行 JS，不带 session cookie，GA4 甚至不会将其记为一次会话 |
ChatGPT-User（浏览器模式） |
访问退货政策页，可能执行部分 JS，但 User-Agent 与 GPTBot 完全不同 |
用户点击链接 |
用户在 ChatGPT 对话中点进你的网站，这是一个带 referrer 的常规浏览器会话 |
API/MCP 调用 |
如果你开放了结构化数据接口，它会通过服务端 tool-calling 直接读取 |
同一个 AI 平台，四种访问形态。你说这是一个 Agent，还是四个？
更麻烦的是，每种识别方法都只给你看一个碎片：
- UA 只能识别部分爬虫
- 反向 DNS 只对固定 IP 段有效
- referrer 只在点击场景下存在
- IP 还会变
没有任何一种方法能可靠地告诉你「这就是一个 Agent 实例」。
BrightEdge 的数据进一步加深了这个问题的复杂性：在所有 AI Agent 流量中，95% 来自 OpenAI 系统。如果你的 "Active Agents" 指标读数是 1，但这个"1"贡献了你 15% 的服务器请求——这个指标到底在告诉你什么？
二、数量不等于商业价值
我们来对比两个场景：
场景 A：一个 Agent 一天对你的产品目录发起 1,000 次读取请求。没有产生任何人类访问，没有带来任何订单。
→ 商业价值：零。
场景 B：一个用户在 Perplexity 上研究你的产品，点击引用链接来到网站，浏览了三个产品页面，最终下单。
→ 1 个 Agent、1 次访问，产生了真实收入。
如果你的北极星指标是 "Active Agents = 5"，你根本无法区分这两种场景。
用 "Active Agents" 来代表 AI 的商业影响，就像用快递单数量来代表一家公司的收入——数字在涨，但你不知道钱在哪里。
三、行业正在度量"动作"，而不是"Agent 数量"
看看正在形成的行业标准实际在观察什么：
- OpenTelemetry GenAI 语义约定定义了
invoke_agent、execute_tool和tool call作为 trace/span 对象 - OpenAI Agents SDK 追踪 traces、spans 和 tool calls
它们度量的是执行动作，不是 Agent 数量。
这不是巧合，而是行业在用实践告诉我们：真正有意义的是发生了什么，而不是谁来了。
四、一个更精准的度量框架：AIAA
我们需要一个更精确的指标：AI-Attributed Active Actions（AI 归因有效动作），简称 AIAA。
AIAA 不数有多少 AI 在动，它数的是有证据支撑的 AI 相关动作发生了多少，分布在五个层级：
Answer → Request → Visit → Commerce → Attribution
第一层：Answer（应答）
AI 在回答用户问题时提到了你的品牌、引用了你的页面，或吸收了你的产品信息。
这是曝光层，可通过 Share of Voice 采样观察，但不等于流量。
第二层：Request（请求）
AI Agent 直接访问了你的网站——爬取产品页、读取价格、检查库存或退货政策。
这是机器行为层。BrightEdge 数据显示它占网站总流量约 15%。它的价值在于表明 AI 正在"关注"你的数据。
第三层：Visit（访问）
用户通过 AI 推荐链接到达了你的网站。
这是人类到达层。Adobe 数据显示它同比增长 393%，但仍只占总流量约 1%。它比 Request 层更有意义，但还不是转化。
第四层：Commerce（商业行为）
到达的访客在网站上产生了商业意图行为：产品浏览、加购、发起结账、完成购买。
这是商业价值层。Shopify 数据显示，AI 目录搜索流量的转化率是普通 AI 搜索流量的约 2 倍。这一层开始产生真实的商业价值。
第五层：Attribution（归因）
一笔订单可以通过完整的证据链回溯到 AI 来源：AI referrer → 网站会话 → 订单。
这是商业价值最高的层级，也是证据门槛最高的层级。
五、Active Agents 应该放在哪里？
Active Agents 并非无用——它应该成为 AIAA 内部的一个分析维度，用来回答"谁在产生这些动作"。
对比两种汇报方式：
❌ "这个月我们多了 3 个 AI Agent"
→ 告诉你一个可能不稳定、不可比较的数字在变化
✅ "这个月 AIAA Visit 层增长了 120%"
→ 告诉你商业结果在变化
这不是一个指标选择问题，而是一个决策质量问题。
写在最后
我们重力科技的平台正在将 AIAA 框架落地到实际的客户监测中——从 AI 引用监控、AI referrer 追踪，到跨平台归因分析，帮助品牌真正看清 AI 流量的商业价值，而不只是一个膨胀的"Agent 数量"。
AI 时代的营销度量正在重构。我们欢迎与更多开发者、数据分析师和营销技术团队交流探讨。
你们团队目前如何衡量 AI 带来的流量价值？欢迎在评论区留言。
