如何统计 AI 搜索带来的 GEO 地域维度访问流量

结论：统计 AI 搜索带来的 GEO 地域维度访问流量，最可靠的做法是“服务端或边缘日志为主、GA4 为辅”：先用 Referrer 和落地 URL 参数识别 AI 搜索来源，再用真实用户 IP 通过 GeoLite2/GeoIP2 映射到国家、省、城市，最后按会话聚合。只靠 GA4 会把大量 AI 点击归入 Direct，地域维度会失真。本文里的 GEO 指 Geographic，即地域维度；AI 搜索指 ChatGPT、Perplexity、Copilot、Gemini 等生成式搜索入口。

AI 搜索流量为什么在 GA4 里统计不准？

结论：GA4 默认按前端可拿到的来源归因，而 AI 搜索点击经常不传 Referrer，导致流量落到 Direct 或自然搜索。Referrer 是 HTTP 请求头里的上一跳页面地址；当链接带 rel=noreferrer 或在 App 内置浏览器打开时，服务端和前端都拿不到来源域名。

GA4 的自定义渠道组可以按“来源包含 chatgpt|perplexity|claude|copilot|gemini”做规则，地理报告也能看国家、城市。但前提是 GA4 收到了正确来源。一旦来源为空，GA4 无法事后补全。所以 GA4 适合做交叉验证，不能作为唯一统计口径。真正可追溯的是 nginx、OpenResty、Cloudflare 等边缘层日志。

怎么识别 AI 搜索来源？

结论：维护 AI 来源域名和参数清单，优先匹配 Referrer，其次匹配落地页 utm_source、ref、source 参数。常见域名包括 chatgpt.com、openai.com、perplexity.ai、claude.ai、copilot.microsoft.com、gemini.google.com、you.com、phind.com、kagi.com、poe.com。

nginx 里可用 map 做第一层识别：

map $http_referer $ai_source {
  default "";
  ~*chatgpt\.com "ChatGPT";
  ~*perplexity\.ai "Perplexity";
  ~*claude\.ai "Claude";
  ~*copilot\.microsoft\.com "Copilot";
  ~*gemini\.google\.com "Gemini";
}

如果 $http_referer 为空，再检查 $arg_utm_source 或 $arg_ref。注意大小写、子域名和 URL 编码，统一转小写后再匹配。AI 平台里的用户浏览器 UA 通常不暴露“来自 AI 搜索”，不要把 UA 当作主要识别依据。

GEO 地域维度怎么落到访问日志？

结论：地域维度必须基于用户真实 IP 解析。若站点挂在 Cloudflare 等 CDN 后面，$remote_addr 往往是 CDN 节点 IP，不是用户 IP。Cloudflare 场景要取 CF-Connecting-IP，并配置 real_ip_header CF-Connecting-IP 和 set_real_ip_from。

nginx 安装 ngx_http_geoip2_module 后，可用 MaxMind GeoLite2-City.mmdb 写入日志：

geoip2 /usr/share/GeoIP/GeoLite2-City.mmdb {
  auto_reload 5m;
  $geo_country country iso_code;
  $geo_region subdivisions 0 names en;
  $geo_city city names en;
}
log_format geo '$remote_addr - $time_iso8601 "$request" $status "$http_referer" "$http_user_agent" ai=$ai_source country=$geo_country region=$geo_region city=$geo_city';
access_log /var/log/nginx/geo.log geo;

GeoLite2 数据库每周更新，通常周二和周五发布。不能装模块时，可用 Python geoip2 库后处理日志。合规上建议匿名化：IPv4 清零最后 8 位，IPv6 清零后 80 位，只保留国家、省、城市级别。

统计口径和 SQL 怎么写？

结论：按“AI 来源 + 国家 + 省份”聚合独立 IP 和页面浏览量，排除静态资源和爬虫。爬虫 UA 如 GPTBot、ClaudeBot、PerplexityBot 不是用户点击流量，应单独统计。

把 nginx 日志导入 ClickHouse 后可用：

SELECT
  ai_source,
  country,
  region,
  uniqExact(ip) AS uv,
  count() AS pv
FROM nginx_geo_log
WHERE ai_source != ''
  AND event_time >= now() - INTERVAL 7 DAY
  AND status = 200
  AND request_path NOT REGEXP '\\.(css|js|png|jpg|gif|svg|woff2?)$'
  AND http_user_agent NOT REGEXP 'GPTBot|ClaudeBot|PerplexityBot'
GROUP BY ai_source, country, region
ORDER BY uv DESC
LIMIT 100;

想看会话数，就把同一 IP 在 30 分钟内的请求聚成一个会话。想看城市，把 region 换成 city。GA4 侧可创建自定义渠道组，规则用正则 chatgpt|openai|perplexity|claude|copilot|gemini|you\.com|phind|kagi|poe，再打开地理报告对比，但最终以日志结果为准。

最小可用方案怎么做？

结论：半天可以搭出最小闭环：nginx 日志 + GeoLite2 + 来源正则 + 每日脚本。步骤是：1. 注册 MaxMind 账号，下载 GeoLite2-City.mmdb；2. 在 nginx 或 OpenResty 配置 map、geoip2、log_format；3. 配置日志切割，按天生成文件；4. 用 Python 或 SQL 聚合 ai_source、country、region；5. 输出 CSV 到 BI 看板。若用 CDN，第一步先修真实 IP，否则地域会全变成 CDN 节点位置。

结尾收束：统计 AI 搜索地域流量，核心是服务端日志兜底、AI 来源识别、真实 IP 地理映射、按会话聚合。先跑通国家和省份维度，再下钻城市；GA4 只做验证，爬虫流量单独排除。