AI搜索带来的流量，到底能不能变成真实的询盘？这背后其实是一个归因问题：如何把“AI回答里提到了你的品牌”和“CRM里多了一条销售线索”这两件事真正关联起来。传统基于Cookie的归因模型，在AI场景下基本行不通——AI客户端根本不发第三方Cookie，用户可能跟AI聊好几轮才点链接，也可能看到了品牌就直接打开浏览器输入官网，压根不点AI回答里的链接。这篇文章会提供一个可落地的修正方案：把AI曝光当作一个可统计的事件，用带参数的链接记录点击行为，最后在CRM里把结果闭合。下面以“询盘”作为最终结果指标，特别适合依赖询盘的B2B贸易商自己搭建统计体系。

1. 问题定义：AI归因断在哪

一条典型的转化链路长这样：

AI曝光 -> AI点击（可选） -> 落地页访问 -> 表单提交/即时咨询 -> CRM线索 -> 成交

这条链路上，有四个常见的断点：

第三方Cookie失效：AI客户端和部分浏览器压根不发送第三方Cookie，点击后的会话根本没法用传统Cookie串起来。

多轮对话：用户可能在多轮AI对话后才点击，也可能在AI回答中看到品牌后，不点击而是直接输入官网域名访问。

多触点干扰：同一个用户可能先看到AI回答，又从搜索或社交媒体进入官网，最后点击渠道会覆盖AI贡献。

CRM缺字段：线索表只有“来源渠道”，没有与AI曝光事件关联的ID，报达不到归因粒度。

约束条件也很明确：不依赖第三方Cookie；归因结果必须能被销售和运营复查；不能把“AI提到率”直接等同于“AI询盘转化率”。

2. 数据模型

2.1 AI曝光事件表

这张表记录了AI回答中品牌曝光的关键信息，字段设计如下：

规范化规则：

• 以 (session_id, ai_platform, response_id) 去重，同一用户看到同一AI回答多次只计一次曝光。
• session_id 只能使用首方Cookie或服务端会话，不依赖第三方Cookie。
• response_id 使用AI回答的稳定性标识或回答文本的哈希。

2.2 点击与落地页事件表

点击行为同样需要标准化记录：

建议在AI回答中间出现的官网链接统一追加：utm_source 记录AI平台，utm_medium=ai_answer，utm_content=response_id。这样点击事件可以直接关联到具体回答。

2.3 CRM线索闭合字段

每条线索至少增加以下字段，才能实现归因闭环：

状态转移路径：

ai_exposure -> ai_click -> landing_visit -> form_submit -> crm_lead -> won

允许一条路径跳过点击：ai_exposure -> landing_visit（用户直接输入域名） -> form_submit。

3. 归因算法

核心逻辑是：先做事件级闭合，再判断首触点。具体算法如下：

INPUT: exposure_events, click_events, crm_leads, window_days
OUTPUT: 每个 crm_lead 的 first_ai_event_id

for each lead in crm_leads:
    candidates = []
    for each event in exposure_events & click_events:
        if lead.inquiry_at - window_days <= event.happened_at <= lead.inquiry_at:
            if same_identity(event, lead) or event.lead_id == lead.id:
                candidates.append(event)
    if lead.clicked_response_id is not null:
        # 有带参点击时，优先采用点击对应的 AI 回答事件
        first = earliest click_event matching lead.clicked_response_id
    else:
        # 没有点击，或在窗口内直接访问官网时，采用窗口内最早 AI 曝光
        first = earliest event in candidates where event.type == 'ai_exposure'
    lead.first_ai_event_id = first.event_id

归因规则说明：

• AI点击且带参匹配：这是最可靠的触点，优先采用。
• 7天窗口内首次AI曝光：当用户没有点击，或点击后直接输入域名时，采用窗口内最早的AI曝光作为首触点。
• 未闭合线索：如果CRM线索没有关联任何AI事件，标记为“未归因”，不能把它计入AI渠道。
• Last touch 只作参考：保留“最后点击渠道”字段，但不用它覆盖AI首触点。

4. 修正模型的三个信号

修正模型可以概括为“AI提及率 + 带参链接 + CRM闭合”三层信号：

4.1 AI提及率（曝光层）

定义：

mention_rate = 回答中包含品牌或官网域名的去重回答数 / 采样回答总数

采样边界必须固定：查询集、AI平台集合、地域、语言、时间窗口、标注标准。没有这些边界，AI提及率不可复现。AI提及率只反映“被看到的机会”，不反映询盘结果。

4.2 带参链接（点击层）

带参链接用于记录用户从AI回答点击落地页的行为。关键不是“加了参数”，而是点击事件必须能关联到 response_id。如果没有关联，点击只能算“来自某种AI”，不能算“来自某次回答”。

4.3 CRM闭合（结果层）

询盘创建时强制写入 first_ai_event_id。销售阶段更新时不能覆盖归因字段，只能补充成交/流失结果。这样“AI曝光事件”和“销售结果”之间有一条可复查的链路。

5. 可复现的评估方法

评估归因模型是否有效，必须满足以下条件：

• 样本边界：报告随附查询集版本、AI平台版本、地域、语言、时间窗口和标注标准；没有版本号的归因数字不可复现。
• 评估方法：用固定查询集跑一次AI采样，记录回答原文和是否提及品牌；把带参链接落地页日志、CRM线索按第3节算法闭合；输出每条线索的归因链路。
• 置信度：样本量不足时不报转化率差异，只报描述性统计。若做A/B对比，必须说明分流方法、样本量和统计显著性阈值。
• 因果边界：归因模型回答“线索从哪里来”，不回答“AI渠道是否带来增量”。要证明增量，需要做随机化实验或准实验设计，不能仅凭归因报表下因果结论。

6. 工程落地顺序

第一步：先部署带参链接。在所有AI回答可能出现的位置统一追加 utm_source=ai_platform&utm_medium=ai_answer&utm_content=response_id。

第二步：再上报曝光事件。每次AI回答中间出现品牌或官网域名时，写入曝光事件表。

第三步：然后给CRM加字段。线索表增加 first_ai_event_id 等字段，并设为必填。

第四步：跑归因报表。按第3节算法生成“AI曝光 -> 点击 -> 询盘 -> 成交”的链路。

第五步：定期复测。每月或每季度用同一查询集复测AI提及率，对比口径变化。

整个过程不依赖第三方Cookie，所有标识尽量首方化。

本文是工程方法说明，不包含客户数据和效果承诺，所有数据口径需要在具体项目中独立复现。