Evidence Ladder：从浏览器 JS 到企业遥测的四级 AI 观测能力

上一篇我们讨论了 Shopify 13 倍增长中，如何区分"真增长"和"可见度提升"。这篇文章回答一个更底层的问题：为什么你当前的分析工具只能看到 AI 活动的冰山一角？

答案在于 AI Agent 和浏览器 JavaScript 追踪之间的根本架构冲突。

为什么 GA4 看不到 AI 的大部分活动

Google Analytics 4（以及几乎所有基于浏览器 JavaScript 的分析工具——Amplitude、Mixpanel、Segment 前端 SDK）工作原理是：

• 网页加载时，浏览器执行一段 JS 追踪代码
• JS 代码读取 referrer、URL 参数、cookie，生成一个会话记录
• 会话记录被发送到分析服务器

问题在于，大多数 AI Agent 不通过浏览器访问你的网站。

GPTBot（OpenAI 的爬虫）直接发 HTTP 请求到你的服务器，拿到 HTML 内容，不执行任何 JS。没有 JS 执行，GA4 的追踪代码就不会运行。没有追踪代码运行，GA4 就不知道这次访问发生过。

PerplexityBot、ClaudeBot、GoogleOther——同样的逻辑。它们是服务端 HTTP 客户端，不是浏览器。

BrightEdge 2026 年 4 月的数据说明了这个盲区的规模：AI Agent 活动占网站总流量约 15%。但这 15% 的绝大部分对 GA4 完全不可见。GA4 能观测到的 AI 活动——用户通过 AI 推荐链接在浏览器中访问你的网站——大约只占总流量的 1%（Adobe 数据）。

这意味着你的 GA4 仪表板可能只展示了 AI 影响的 6-7%（1% 中有 GA4 能识别的比例 / 15%+1% 总 AI 活动）。

Evidence Ladder：四级观测能力

我们定义了一个四级 Evidence Ladder，帮助团队理解自己目前的观测能力在哪里、升级到下一级能看到什么。

L0：GA4 基线（Baseline）

数据来源：GA4 默认配置 + 2026 年 3 月上线的"AI Assistants"渠道组

可观测的 AIAA 层级：

• Visit 层（部分）：只有被 GA4 的 referrer 匹配规则识别的 AI 来源会话
• Commerce 层（部分）：如果你配置了电商事件追踪（view_item, add_to_cart, purchase），可以看到 AI 来源会话的转化数据

看不到什么：

• Request 层完全不可见（AI Agent 的服务端请求不触发 GA4）
• Answer 层完全不可见（AI 系统回答中提及你的品牌不触发任何追踪）
• Visit 层中大量"假直接流量"——用户通过 AI 点击但 referrer 被丢失的访问
• 一些 AI 来源的 referrer 不在 GA4 识别列表中，被归类到"Direct"或"Organic Search"

典型指标覆盖率：AI 总活动的 5-10%

适合对象：刚开始关注 AI 影响的团队。L0 不需要任何额外部署，但它提供的 AI 画面严重不完整。

L1：一方 JS 增强（First-Party JS Enhancement）

数据来源：在 GA4 之上部署一段一方 JS 脚本，执行更精细的 AI 来源识别

升级内容：

• 扩展 AI referrer 识别列表（覆盖更多 AI 平台：Perplexity、You.com、Phind、Kagi、各区域 AI 搜索引擎）
• 通过 document.referrer + URL 参数 + navigator.userAgent 组合识别更多 AI 来源会话
• 标记 AI 来源会话的行为数据：着陆页、页面浏览路径、停留时间、互动事件
• 将 AI 来源标签写入一方 cookie，使后续回访也能关联到初次 AI 来源

可观测的 AIAA 层级：

• Visit 层（较完整）：比 GA4 多捕获 30-80% 的 AI 来源会话
• Commerce 层（较完整）：通过一方标签实现更准确的 AI 来源 → 电商行为归因

看不到什么：

• Request 层仍然完全不可见（一方 JS 只在浏览器环境中运行）
• Answer 层仍然不可见
• 不执行 JS 的 AI Agent 仍然不可见

典型指标覆盖率：AI 总活动的 8-15%

升级成本：低。通常是一段 2-5KB 的 JS 脚本，部署到你的网站模板中。

L1.5：Edge Lite Bridge（边缘轻量桥接）

数据来源：在 CDN/Edge 层（Cloudflare Workers、Vercel Edge Functions、AWS CloudFront Functions）部署一个轻量脚本

升级内容：

• 在 HTTP 请求到达你的服务器之前，在 Edge 层捕获 User-Agent、IP、请求路径、请求头
• 用 User-Agent 模式匹配和反向 DNS 来识别已知的 AI Agent（GPTBot、PerplexityBot、ClaudeBot、GoogleOther 等）
• 将 Agent 请求记录到日志流中，即使这些请求不执行 JS

可观测的 AIAA 层级：

• Request 层（首次可见！）：能看到 AI Agent 的服务端请求——它们在抓取什么页面、频率多高、来自哪个 AI 平台
• Visit 层（与 L1 相同）
• Commerce 层（与 L1 相同）

看不到什么：

• Answer 层仍然不可见
• 无法识别伪装 User-Agent 的爬虫
• 无法区分同一 AI 平台的不同访问模式（如 GPTBot 爬虫 vs ChatGPT-User 浏览模式）

典型指标覆盖率：AI 总活动的 25-45%

升级效果："灯泡时刻"。大多数团队在部署 Edge Lite 后，第一天就会看到 AI 活动指标跳升 200-500%。不是因为 AI Agent 突然变多了，而是因为你终于看到了一直在发生但从未被记录的 Agent 请求。这就是上一篇讨论的"Coverage Expansion Lift"。

升级成本：中低。Cloudflare Workers 或 Vercel Edge Functions 通常免费或成本极低。主要工作是编写 Agent 识别逻辑和日志管道。

L2：服务器日志分析（Server Log Analysis）

数据来源：Web 服务器（Nginx/Apache/Caddy）或应用服务器的访问日志

升级内容：

• 访问原始的 HTTP 请求日志：每个请求的完整 User-Agent、IP、请求路径、状态码、响应大小、时间戳
• 用反向 DNS 验证 AI Agent 的 IP 归属（如确认 GPTBot 的 IP 确实解析到 openai.com 的域名）
• 分析 Agent 的抓取模式：抓取频率、抓取路径分布、404/403 错误率、抓取深度
• 识别 Edge 层遗漏的 Agent（一些 Agent 用非标准的 User-Agent 字符串）

可观测的 AIAA 层级：

• Request 层（更完整）：比 Edge Lite 多捕获 20-40% 的 Agent 请求
• Visit 层（与 L1 相同）
• Commerce 层（与 L1 相同）

新增能力：

• robots.txt 合规性分析：哪些 Agent 尊重你的 robots.txt 规则，哪些忽略
• 抓取健康度监控：Agent 是否遇到大量 404/5xx 错误（意味着你的网站对 AI 不友好）
• 带宽影响分析：AI Agent 消耗了多少服务器带宽

典型指标覆盖率：AI 总活动的 40-65%

升级成本：中。需要日志存储、解析管道和分析工具。对已有 ELK/Grafana/Datadog 栈的团队来说成本较低。

L3：企业遥测 + AI 应答采样（Enterprise Telemetry + Answer Sampling）

数据来源：全栈遥测（Edge + 服务器 + 一方 JS + 电商平台 + CRM）+ AI 应答采样系统

升级内容：

• 跨所有数据层的统一 AIAA 仪表板
• 电商平台数据集成：Shopify/WooCommerce/自建系统的订单数据与 AI 来源会话的 join
• CRM/ERP 集成：AI 归因订单到客户的 LTV 跟踪
• AI 应答采样系统：定期在多个 AI 平台（ChatGPT、Perplexity、Gemini、Claude）上测试品牌相关 prompt，记录品牌是否被提及、如何被描述、是否被推荐
• Share of Voice 追踪：在关键品类 prompt 中，你的品牌 vs 竞品的出现频率和推荐位置

可观测的 AIAA 层级：

• 全部五层：Answer、Request、Visit、Commerce、Attribution
• Answer 层首次可见！
• Attribution 层首次完整！（会话到订单的 join）

典型指标覆盖率：AI 总活动的 75-95%

升级成本：高。需要数据工程资源、多平台集成、AI 采样基础设施。

从 L0 到 L3 的关键洞察

每次升级都会让你的"AI 指标"数字显著增长。但这是可见度提升，不是 AI 活动增长。上一篇讨论的"Coverage Expansion Lift"就是这个效应。团队必须在每次 Evidence Ladder 升级后，重新计算可比增长基线。

升级路径建议

• L0 → L1：几乎所有团队都应该立即做。成本极低（一段 JS），收益立竿见影。
• L1 → L1.5：推荐给所有认真对待 AI 影响的团队。Edge Lite 是"灯泡时刻"——你第一次看到 AI Agent 活动的真实规模。
• L1.5 → L2：推荐给有 DevOps 能力的团队。服务器日志提供最细粒度的 Agent 行为分析。
• L2 → L3：推荐给把 AI 视为战略渠道的企业。完整的 AIAA 五层覆盖需要数据工程投入，但它是唯一能产生 Attribution 层数据的级别。

Gravity CitationGraph 在 Evidence Ladder 中的位置

Gravity 的 CitationGraph 平台覆盖 L1.5 到 L3 的全部层级：

• Edge Lite Bridge（L1.5）：预置的 Agent 识别逻辑，一键部署到 Cloudflare/Vercel，自动识别 50+ 已知 AI Agent
• 日志分析引擎（L2）：解析 Nginx/Apache/CDN 日志，自动生成 Agent 行为报告
• 一方追踪 JS（L1）：精细的 AI 来源识别和行为追踪
• AI 应答采样（L3 Answer 层）：多平台、多语言的品牌 SOV 监测
• 电商归因桥接（L3 Attribution 层）：Shopify/WooCommerce 订单数据与 AI 来源会话的自动 join
• 统一 AIAA Dashboard：五层 AIAA 指标在一个仪表板中，支持可比增长/覆盖扩展自动分离

对中国出海企业的启示

中国出海企业在 Evidence Ladder 上面临特殊挑战：

• 多市场异构：北美站可能用 Cloudflare（适合 Edge Lite），东南亚站可能用阿里云 CDN（需要不同的 Edge 策略），日本站可能用 AWS CloudFront。每个市场需要独立的 Edge 部署方案。
• 多 AI 生态：北美市场以 ChatGPT/Perplexity/Gemini 为主；日本市场要加上 Yahoo! JAPAN 的 AI 搜索；国内市场要监测 DeepSeek、豆包、Kimi。Agent 识别列表需要按市场定制。
• 数据合规：不同市场的 cookie 和追踪法规不同（GDPR、CCPA、PIPL）。一方 JS 追踪需要符合各市场的合规要求。

建议：先在主力市场（通常是北美）完成从 L0 到 L1.5 的升级，积累经验后复制到其他市场。不要试图同时在所有市场部署 L3——复杂度和成本不成正比。

下一篇预告

最后一篇我们把视野拉到行业层面：UCP、ACP、AP2 三大 Agentic Commerce 协议正在定义 AI 时代的商业基础设施。但它们之间存在一个巨大的"证据缺口"——从 AI 发现到 AI 结账之间的度量链路，以及为什么 AIAA 框架是连接这些协议的缺失层。

FAQ

Q1: 为什么 GA4 看不到大部分 AI Agent 活动？

A: 因为 GA4 依赖浏览器 JavaScript 来追踪访问。大多数 AI Agent（GPTBot、PerplexityBot、ClaudeBot 等）以服务端 HTTP 客户端的方式访问你的网站，不执行 JavaScript。没有 JS 执行，GA4 的追踪代码就不会运行，这些访问就完全不可见。BrightEdge 数据显示这类"暗 AI 流量"占总流量约 15%。

Q2: 从 L0 升级到 L1.5 需要多长时间？

A: L0 → L1（一方 JS 部署）：通常 1-3 天。需要编写 AI 来源识别脚本并添加到网站模板。L1 → L1.5（Edge Lite 部署）：通常 3-7 天。需要在 Cloudflare Workers 或 Vercel Edge Functions 中编写 Agent 识别逻辑和日志管道。总共约 1-2 周可以从 L0 到 L1.5。

Q3: 每次升级后指标都会跳升，如何向管理层解释？

A: 明确区分"Coverage Expansion Lift"和"Comparable Growth"。升级后的第一份报告应该包含这样的说明："本周 AI 活动指标增长 350%。其中约 300% 来自 Edge Lite 部署带来的可见度提升（Coverage Expansion Lift），约 50% 为可比增长。之前有大量 AI Agent 请求一直在发生但我们无法观测到。"

Q4: Edge Lite Bridge 和 WAF/Bot 管理工具有什么区别？

A: WAF/Bot 管理工具（如 Cloudflare Bot Management、AWS WAF）的目标是阻止恶意机器人。Edge Lite Bridge 的目标是识别和记录 AI Agent 的访问，理解它们的行为模式。两者可以共存：WAF 阻止恶意爬虫，Edge Lite 记录合法 AI Agent 的活动数据。关键区别是目的不同——安全 vs 分析。

Q5: L3 的 AI 应答采样如何运作？

A: 定义一组与你的品牌、产品和品类相关的 prompt（如"最好的户外跑鞋品牌"、"[品牌名] vs [竞品名] 哪个更好"）。在多个 AI 平台（ChatGPT、Perplexity、Gemini、Claude）上定期测试这些 prompt，记录你的品牌是否被提及、排在第几位、描述是否准确、是否被推荐。这构成 AIAA 的 Answer 层数据。Gravity 的 CitationGraph 已内置这个能力。