文章目錄文章開頭0%
你有沒有注意過，當你從 ChatGPT 點開一篇文章或網站時，網址後面經常會多出一串看不懂的英文？
| 情境 | 網址 |
|---|---|
| 原本的網址 | https://example.com/article |
| 從 ChatGPT 點開後 | https://example.com/article?utm_source=chatgpt.com |
這兩個網址通常會帶你前往同一篇文章，差別只在後面多出的 utm_source=chatgpt.com。
這串文字並不是 ChatGPT 的特殊識別碼，也不是網站遭到修改，而是一種早已在數位行銷領域使用多年的流量追蹤方式，稱為 UTM（Urchin Tracking Module）。
對一般使用者來說，它可能只是網址後面一串不起眼的文字。但對網站經營者而言，這些參數可以幫助他們了解今天進入網站的訪客，究竟是從哪裡來的。
如今，隨著 ChatGPT 等 AI 應用逐漸成為人們尋找資訊的入口，這套原本廣泛用於廣告、社群與電子郵件行銷的追蹤機制，也開始扮演辨識 AI 流量的重要角色。
UTM 是什麼？為什麼行銷人員需要它？
假設你今天經營一間電商，準備推出一場雙十一促銷活動。
為了吸引消費者，你同時在 Facebook、Instagram 和電子報發布活動連結。三個渠道使用的都是同一個商品頁面，但等活動結束，你卻遇到了一個問題。
這次活動總共吸引了 3,000 人進站，其中有 120 人完成購買。可是，究竟是 Facebook 貼文帶來最多訂單？還是 Instagram 的成效更好？電子報又貢獻了多少流量？
如果沒有妥善記錄來源，你可能只能透過各個平台提供的點擊數據，大致推估成效。
而 UTM 就是為了解決這類問題。
UTM 是一組附加在網址後方的參數，讓網站分析工具能根據這些資訊，辨識訪客是透過哪個渠道、哪一場活動，甚至哪一則廣告進入網站。
例如，同樣導向商品頁面的連結，可以依渠道分別設定不同的參數：
| 渠道 | utm_source | utm_medium | utm_campaign |
|---|---|---|---|
| Facebook 貼文 | facebook | social | double11 |
| Instagram 貼文 | instagram | social | double11 |
| 電子報 | newsletter | email | double11 |
組合成完整連結後，三個網址分別是：
# Facebook 貼文
https://example.com/product?utm_source=facebook&utm_medium=social&utm_campaign=double11
# Instagram 貼文
https://example.com/product?utm_source=instagram&utm_medium=social&utm_campaign=double11
# 電子報
https://example.com/product?utm_source=newsletter&utm_medium=email&utm_campaign=double11三個網址都指向同一個頁面，但各自附加了不同的 UTM 參數。
當使用者透過這些連結進站，且網站正確部署 Google Analytics 4（GA4）等分析工具時，系統便可以記錄這些資訊，協助行銷人員比較不同來源的流量與轉換表現。
不過，UTM 本身並不是一套獨立的追蹤系統。它不會自行蒐集瀏覽紀錄，也不會因為網址附加參數，就自動把資料送到 Google。
UTM 主要負責提供來源標籤，至於能否記錄工作階段、使用者行為及轉換事件，仍取決於網站實際使用的分析工具與追蹤設定。
拆解 UTM 的五個常見參數
看完前面的例子，可以進一步拆解 UTM 的結構。
一條完整的活動連結可能長這樣：
https://example.com/product?utm_source=instagram&utm_medium=social&utm_campaign=double11&utm_content=story_a其中，問號 ? 代表網址查詢參數的開始，而 & 則用來分隔不同參數。如果原本網址已經有查詢參數，新增 UTM 時通常應使用 & 接續。
以下是五個最常見的 UTM 參數：
| 參數 | 中文概念 | 主要用途 |
|---|---|---|
utm_source | 流量來源 | 訪客從哪個平台或網站來 |
utm_medium | 流量媒介 | 透過哪一種類型的渠道進站 |
utm_campaign | 活動名稱 | 這次流量屬於哪個行銷活動 |
utm_content | 廣告內容 | 區分不同素材、位置或連結版本 |
utm_term | 關鍵字 | 常用於識別付費搜尋關鍵字 |
實務上，前三個參數最為重要。Google 也建議在自行建立活動追蹤網址時，完整設定 utm_source、utm_medium 和 utm_campaign，避免資料分類不完整。
至於另外兩個參數，則可以依照實際需求補充。
例如，你可能同時在 Instagram 發布兩則不同版本的限時動態，想知道哪一則素材帶來更多點擊。
這時便可以在 utm_content 分別填入 story_a 和 story_b，將兩個版本的流量分開比較。
Source 和 Medium 有什麼不同？
初次接觸 UTM 時，最容易混淆的通常是 utm_source 與 utm_medium。
可以將 Source 理解為訪客來自哪個平台，而 Medium 則是這次造訪所屬的渠道類型。
| Source／Medium | 代表的流量 |
|---|---|
google / organic | Google 自然搜尋流量 |
google / cpc | Google 付費點擊廣告流量（CPC） |
instagram / social | Instagram 社群流量 |
newsletter / email | 電子報流量 |
這裡有個細節值得注意。utm_medium 並不是隨便填寫都會被 GA4 正確分類。
假設同一種類型的流量，有時使用 social，有時寫成 organic_social，甚至又出現 Social，就可能造成報表資料分散，或與 GA4 的預設管道規則不一致。
因此，建立 UTM 命名規範時，通常會建議統一使用小寫英文，並固定不同來源與媒介的命名方式。
如果沒有既定的命名慣例，也可以直接參考 Google 官方 UTM 網址產生器與最佳實務說明，避免每次執行活動時都重新發明一套規則。
為什麼 ChatGPT 會自動在網址後面加上 UTM？
理解 UTM 的用途後，再回頭看文章一開始的例子。
https://example.com/article?utm_source=chatgpt.com這條網址其實很容易解讀。
因為 utm_source 代表流量來源，而 chatgpt.com 則是 ChatGPT 使用的來源標記。
當使用者透過 ChatGPT 提供的搜尋結果或引用連結進入某個網站，網站便有機會透過這個參數，辨識出這次點擊來自 ChatGPT。
這項功能並不是網站經營者需要額外向 OpenAI 申請的服務，而是 ChatGPT 自己在部分對外連結上加入的來源資訊。
根據 Webflow 對 ChatGPT 流量歸因機制的整理，OpenAI 自 2026 年 6 月起開始為 ChatGPT 回答中的引用連結加入 UTM 標記。
這樣的做法，對網站經營者有相當實際的幫助。
想像一下，過去某篇文章被 Google 搜尋收錄後，使用者可能在搜尋結果頁看到標題，再點進網站閱讀。網站管理者可以在 GA4 中觀察來自 Google 的自然搜尋流量。
但現在情況開始出現變化。
使用者可能先在 ChatGPT 詢問「2026 年有哪些值得關注的 GEO 工具」，等 AI 整理完各項產品的優缺點後，才點開其中一家公司的網站。
對這家公司而言，使用者依然是透過線上搜尋資訊的過程找到自己，但最後帶來點擊的入口，已經不再是傳統搜尋結果頁，而是 ChatGPT 的對話介面。
這也是 utm_source=chatgpt.com 具有價值的原因。
它讓網站經營者有機會把來自 ChatGPT 的造訪獨立辨識出來，而不是將所有流量都混在搜尋、社群或直接流量當中。
不過，這裡必須先釐清一件事。ChatGPT 加上 UTM，不代表每一次透過 ChatGPT 點擊的連結都一定會帶有這項參數。
不同介面、連結呈現方式，以及平台本身的更新，都可能影響最終傳遞的來源資訊。
2026 年 10 月發生的一次追蹤異常，就讓這個問題變得格外明顯。
ChatGPT 的 UTM 曾突然消失，讓網站流量看起來大幅下降
2026 年 10 月上旬，部分網站經營者開始發現，來自 ChatGPT 的流量出現異常下降。
奇怪的是，網站整體流量並沒有出現同等幅度的減少，反而是原本標記為 Direct（直接流量）的造訪有所增加。
後續研究發現，問題可能不是使用者突然不再透過 ChatGPT 點擊網站，而是 ChatGPT 的部分外連失去了原本的 utm_source=chatgpt.com 標記。
Adobe 的 Cedric Huesler 針對約 500 個原先有明顯 ChatGPT 流量的頁面進行比較，觀察到每日可辨識的 ChatGPT 造訪減少約 31,000 次，同時 Direct 流量增加約 26,000 次。
另一家 AI 搜尋分析公司 Profound 也針對 ChatGPT 回答中的引用連結進行追蹤。
| 時間 | 觀察到的情況 | 資料來源 |
|---|---|---|
| 10 月 8 日起 | 部分網站的 ChatGPT 流量下降，Direct 流量同步增加 | Webflow、Adobe |
| 10 月 14 日晚間（UTC）起約 27 小時 | 含引用連結的回答中，至少帶一條追蹤標記的比例多數時段僅剩約 5% 至 12% | Profound |
| 10 月 15 日 | 相關修復開始陸續推出，帶標記的連結逐步回升 | Huesler、Profound |
| 10 月 16 日上午（UTC） | 約 99% 帶有引用連結的受測回答，重新包含至少一條帶有追蹤標記的來源連結 | Profound |
根據 Huesler 的說法，OpenAI 已向他確認這是已知的程式錯誤，而不是刻意取消 UTM。相關經過後來也由 Search Engine Land 報導。
這起事件值得關注的地方，在於它揭示了網站分析中經常被忽略的問題。當流量來源無法被正確辨識時，報表中的下降，未必代表真實訪客數量也同步減少。
沒有來源標記，不代表沒有流量
除了 UTM 參數之外，網站分析工具還可以透過 HTTP Referer 資訊，判斷使用者是從哪個網頁跳轉過來。
例如，使用者從網站 A 點擊連結進入網站 B，瀏覽器可能會將網站 A 的網址或來源資訊一併傳遞給網站 B。
這種資訊通常稱為 Referrer（參照來源）。
但 Referrer 並不是任何情況下都能取得。瀏覽器隱私設定、連結開啟方式、網站的 Referrer Policy，以及某些應用程式的處理方式，都可能導致來源資訊無法傳遞。
而在這次 ChatGPT 事件中，部分點擊不僅失去了 UTM 參數，也沒有提供可用的 Referrer。
當分析工具無法辨識訪客的實際來源，就可能將這些造訪歸類到 Direct。
這裡的 Direct 並不完全等於使用者「自己輸入網址進站」，其中也可能包含來源資訊遺失、因而無法正確歸因的造訪。
因此，假如某個網站在短時間內發現 ChatGPT 流量大幅下降，不能直接認定自己的 GEO 策略失效，更不能只因為報表上的數字變少，就推論 AI 不再推薦網站內容。
- 同時檢查相同期間的 Direct 流量：ChatGPT 減少多少，Direct 是否增加相近的量。
- 比對主要到達網頁：原本 ChatGPT 帶來的頁面，Direct 是否同步上升。
- 看不同渠道的整體變化：確認是否發生追蹤方式改變，而不是真實流量下滑。
- 在報表註記異常期間：需要比較歷史數據的網站，值得特別標示 2026 年 10 月 8 日至 15 日左右，避免將追蹤缺口誤認為實際流量下降。
從 ChatGPT 來的流量，該怎麼在 GA4 查看？
了解來源標記的用途後，下一個問題就是，能不能在自己的網站後台，看到這些來自 ChatGPT 的訪客？
只要網站已正確部署 GA4，且相關流量來源資訊有成功被記錄，就能透過報表進行觀察。
- 進入 GA4 的「報表」，找到「獲客」底下的「流量開發（Traffic acquisition）」。
- 將報表主要維度切換成「工作階段來源／媒介」。
- 搜尋
chatgpt.com，查看符合條件的來源資料。
如果想進一步觀察訪客行為，也可以搭配到達網頁、工作階段、參與度、重要事件等資料進行分析。
舉例來說，假設你的網站有兩篇文章：
| 文章 | ChatGPT 訪客 | 產品試用、表單提交 | 可能接觸到的讀者 |
|---|---|---|---|
| A：什麼是 GEO？新手入門教學 | 較多 | 較少 | 初次認識 GEO 的讀者 |
| B：2026 年 GEO 工具比較 | 較少 | 較多 | 已經準備比較工具、甚至有採購需求的使用者 |
這代表兩篇文章對網站可能有不同的價值。前者可能更適合承接初次認識 GEO 的讀者，後者則可能接觸到已經準備比較工具、甚至有採購需求的使用者。
但要判斷這個差異是否穩定，仍然需要考慮樣本數、使用者組成與不同期間的變化，而不能只比較單次轉換率。
GA4 其實已經有 AI Assistant 分類
值得注意的是，現在要辨識 AI 帶來的網站流量，不一定需要完全依靠自己建立的來源篩選規則。
GA4 已經提供 AI Assistant（AI 助理）預設管道群組，用來集中辨識來自 ChatGPT、Gemini、DeepSeek、Copilot、Grok 等 AI 助理的流量。
這意味著 Google 已經開始將 AI 助理視為值得獨立觀察的流量渠道，而不是單純將它們與一般網站的推薦連結（Referral）放在一起。
不過，AI Assistant 和 UTM 其實處理的是不同層次的問題。
| 比較項目 | UTM | GA4 AI Assistant |
|---|---|---|
| 是什麼 | 附加在網址上的來源資訊 | GA4 根據取得的流量資訊與分類規則，呈現在報表中的管道類別 |
| 彼此的關係 | 提供辨識來源的依據 | 依據來源標記或參照資訊分類；資訊沒有成功傳遞時，不一定能歸入 |
| AI 摘要與 AI 模式 | — | 不包含，Google 目前將這兩者帶來的流量歸入 Organic Search |
UTM 可以提供辨識來源的依據，但不代表只要網址帶有 utm_source=chatgpt.com，所有 GA4 維度都必然會呈現相同結果。
如果來源標記或其他參照資訊沒有成功傳遞，GA4 也不一定能將該次造訪歸入 AI Assistant。
此外，Google 目前將 AI Overviews（AI 摘要）及 AI Mode 帶來的流量歸入 Organic Search，而不是 AI Assistant。這也表示 GA4 的 AI Assistant 數字，不能直接當成所有 AI 搜尋所帶來的流量總和。
如果想更完整了解這項分類機制，可以延伸閱讀 LS-Labs 先前的文章〈從 Referral 到 AI Assistant：GA4 如何重新定義 AI 時代的流量來源〉。
UTM 能追蹤 AI 流量，但無法告訴你 AI 為什麼推薦你
講到這裡，你已經知道 UTM 可以幫助網站辨識來自 ChatGPT 的流量。
但從 GEO（Generative Engine Optimization）的角度來看，還有另一個值得思考的問題。
知道有人從 ChatGPT 點進網站，是否就代表知道網站在 AI 搜尋中的表現？
其實不是。
假設今天有 100 個人詢問 ChatGPT「台灣有哪些好用的 SEO 工具？」其中 30 個人的回答提到了你的產品，最後有 10 個人點開你的網站。
在這個情境下，網站分析工具可能記錄到部分來自 ChatGPT 的造訪，但這並不代表就能從 GA4 還原整個過程。
| 想知道的問題 | UTM／GA4 能直接回答嗎？ |
|---|---|
| 有多少人向 AI 提出這個問題？ | 不能 |
| AI 在多少次回答中提到你的品牌？ | 不能 |
| 產品被放在回答的什麼位置？ | 不能 |
| 使用者閱讀回答後為什麼決定點擊？ | 不能 |
| 有多少人點進網站、進站後做了什麼？ | 可以記錄部分，前提是來源資訊有成功傳遞 |
因為一般的 UTM 來源標記，無法直接告訴你有多少人向 AI 提出這個問題、AI 在多少次回答中提到了你的品牌、產品被放在什麼位置，或是使用者閱讀回答後為什麼決定點擊。
再假設某位使用者看完 ChatGPT 的介紹後，沒有直接點開引用連結，而是另外開啟 Google，搜尋你的品牌名稱，最後才進入官網。
這次造訪便可能被歸因到 Google 自然搜尋，而不是最初讓使用者認識品牌的 ChatGPT。
這不是單純替連結多加幾個 UTM 參數就能解決的問題，而是傳統網站流量分析本身的觀測限制。
過去，行銷人員經常以搜尋曝光、點擊率與網站轉換作為衡量 SEO 成效的主要依據。
但在 AI 搜尋逐漸普及後，使用者可能在尚未進入網站以前，就透過 AI 完成了一部分資訊蒐集、產品比較，甚至初步的購買決策。這和零點擊搜尋的處境相似，LS-Labs 在〈AI 搜尋時代的檢索機制報告〉也談過這種變化。
因此，要理解品牌在 AI 搜尋中的表現，除了網站流量，還需要另外觀察品牌是否出現在 AI 回答中、哪些問題會觸發品牌提及，以及 AI 對品牌資訊的描述是否正確。想先看看自己的網站在 AI 回答中的狀況，可以用 LS-Labs GeoCheck 免費檢測；AI 回答怎麼描述與提醒品牌，也可參考〈ChatGPT 開始質疑品牌排名文？GEO 內容該如何調整〉。
這些資訊和 UTM 追蹤並不衝突，反而可以互相補充。
對網站經營者而言，較完整的衡量方式，應該同時觀察 AI 回答中的品牌可見性，以及使用者實際進站後的行為與轉換。
前者協助理解品牌如何被 AI 呈現，後者則幫助判斷這些流量是否為網站帶來實際價值。
網站經營者該如何開始使用 UTM？
回到一般的數位行銷工作，UTM 其實沒有想像中複雜，也不需要具備程式開發能力才能使用。
如果目前正在經營社群、投放廣告或發送電子報，可以先從以下幾個方向開始。
1. 為自己能控制的外部活動連結建立 UTM
例如 Instagram 個人檔案連結、Facebook 活動貼文、電子報中的文章連結，以及合作夥伴提供的活動入口。
如果想要統一管理命名方式，可以直接透過 Google Campaign URL Builder 產生連結。
2. 讓相同渠道使用一致的標記規範
不要這次使用 facebook，下次改成 fb，也不要在同一份報表中混用大小寫不同的活動名稱。
如果要將社群自然貼文和付費廣告分開比較，則應使用能夠清楚區分兩者的媒介命名，並確認與 GA4 的分類規則一致。
3. 不要任意在網站內部連結加上 UTM
UTM 主要用來標記從外部渠道進入網站的流量。如果在網站內部連結的導覽上加入新的活動標記，可能覆蓋或干擾既有的來源歸因，讓分析結果失去原本的意義。
內部按鈕、導覽選單或站內推薦模組的互動，應優先使用 GA4 事件追蹤等方式衡量。
4. 定期查看各個來源的轉換表現
追蹤 UTM 的目的不是讓報表多出幾個分類，而是幫助你理解哪些渠道值得持續投入資源。
與其只比較流量多寡，不如進一步觀察哪些訪客願意閱讀更多內容、註冊會員、提交表單，或完成實際交易。想把 GA4 與 Search Console 的數字整理成固定週報，也可以試試 LS-Labs SEO Pulse。
5. 定期確認外連參數與追蹤機制是否正常
特別是對高度依賴 AI 搜尋導流的網站而言，可以定期檢查 ChatGPT 等平台的實際外連網址，以及 GA4 中對應的來源資料。
如果網站有使用網址重新導向、短網址、跨網域跳轉或其他第三方服務，也應確認這些流程沒有意外移除 UTM 參數。
從 UTM 看見 AI 搜尋時代的流量變化
UTM 並不是一項新技術。它的核心邏輯一直很單純，就是透過網址參數，讓網站經營者更容易了解訪客從何而來。
但當網站經營者開始在 ChatGPT 的外連網址後方看到 utm_source=chatgpt.com，這個原本常見於數位廣告與社群行銷的機制，也多了一層新的意義。
它反映出使用者尋找資訊的入口，正逐漸從傳統搜尋引擎與社群平台，延伸到 AI 對話介面。
對行銷人員來說，除了關注網站在 Google 的搜尋排名，也需要開始理解使用者從認識品牌、比較產品到完成轉換的過程中，AI 究竟參與了哪些環節。
UTM 能幫助辨識這段旅程中的部分點擊，GA4 能幫助理解進站後的使用者行為，但兩者都無法單獨還原完整的 AI 搜尋決策過程。
而 2026 年 10 月的 ChatGPT 追蹤異常，也提醒網站經營者，當流量來源愈來愈依賴平台提供的標記，報表上的變化就不一定等於使用者行為真的改變。
因此，學會使用 UTM 只是第一步。更重要的是理解這些數字如何產生、能夠證明什麼，以及還有哪些使用者行為是現有分析工具無法直接觀察的。
