Τι γίνεται αν τα Google AI Overviews δεν μειώνουν μόνο τα clicks προς τα websites, αλλά κάνουν δυσκολότερο ακόμη και να καταλάβουμε από πού προήλθαν τα clicks που τελικά κερδίσαμε;
Νέα δεδομένα από εννέα μήνες παρακολούθησης AI Overview referrals δείχνουν ένα ενδιαφέρον πρόβλημα στο attribution.
Σε dataset με περισσότερα από 51.000 tracked events, ένα σημαντικό ποσοστό επισκέψεων που συνδέθηκαν με citations μέσα σε Google AI Overviews εμφανίστηκε στο Google Analytics 4 ως Direct αντί για Organic Search.
Ο μέσος όρος στο συγκεκριμένο dataset ήταν:
22,4%.
Αν το εύρημα επιβεβαιωθεί και σε περισσότερα websites, δημιουργείται ένα ιδιαίτερα σημαντικό πρόβλημα για το SEO reporting.
Μπορεί ένα μέρος της οργανικής απόδοσης που αποδίδουμε στην κατηγορία Direct να προέρχεται στην πραγματικότητα από ένα από τα νεότερα οργανικά surfaces της Google.
Αυτό όμως χρειάζεται να το διαβάσουμε σωστά.
Δεν έχουμε ακόμη ένα universal benchmark που να λέει ότι το 22,4% του AI Overview traffic κάθε site καταγράφεται λανθασμένα.
Έχουμε ένα μεγάλο και ενδιαφέρον first-party case study, με συγκεκριμένη μεθοδολογία, συγκεκριμένα πλεονεκτήματα και συγκεκριμένους περιορισμούς.
Τι ακριβώς μετρήθηκε
Η ανάλυση δημοσιεύθηκε στις 18 Αυγούστου 2026 από τον SEO και marketing strategist Alex Galinos στο Search Engine Land.
Η παρακολούθηση αφορούσε ένα brand στον κλάδο των μεταφορών και κάλυψε την περίοδο από τον Σεπτέμβριο του 2025 έως τον Ιούνιο του 2026.
Συνολικά καταγράφηκαν:
- 51.200 tracked events,
- 1.661 cited snippets,
- σε διάρκεια περίπου εννέα μηνών.
Η έρευνα δεν βασίστηκε σε εκτίμηση τρίτου SEO εργαλείου.
Χρησιμοποίησε first-party analytics data του ίδιου του website ώστε να προσπαθήσει να εντοπίσει visits τα οποία ξεκινούσαν από συγκεκριμένα cited snippets.
Πηγή: Search Engine Land - What 9 months of AI Overview data and 51,000+ tracked events reveal.
Το μικρό URL fragment που άνοιξε ένα παράθυρο στα AI Overviews
Η τεχνική ιδέα πίσω από την παρακολούθηση είναι ιδιαίτερα ενδιαφέρουσα.
Σε ορισμένα clicks από cited snippets των Google AI Overviews, η Google μπορεί να στείλει τον χρήστη σε URL που περιλαμβάνει ένα Text Fragment.
Η μορφή του μοιάζει με:
#:~:text=...
Το συγκεκριμένο fragment μπορεί να χρησιμοποιηθεί από τον browser ώστε να μεταφέρει τον χρήστη απευθείας σε συγκεκριμένο κομμάτι κειμένου της σελίδας και συχνά να το επισημάνει.
Η ομάδα δημιούργησε custom dimension στο GA4 για να εντοπίζει landing events στα οποία υπήρχε αυτό το pattern.
Έτσι απέκτησε ένα proxy signal για visits που πιθανόν προέρχονταν από citations των AI Overviews.
Και εδώ βρίσκεται μία πολύ χρήσιμη αρχή για το σύγχρονο SEO:
Όταν η πλατφόρμα δεν μας δίνει ακόμη το metric που θέλουμε, μπορούμε μερικές φορές να αναζητήσουμε τεχνικά ίχνη της διαδρομής του χρήστη.
Το 22,4% που εμφανίστηκε ως Direct
Όταν τα δεδομένα εξετάστηκαν μέσα από GA4 Explorations, εμφανίστηκε ένα παράδοξο.
Ένα σημαντικό μέρος των events που είχαν εντοπιστεί από το συγκεκριμένο AI Overview tracking mechanism δεν είχε καταταχθεί στο Organic Search.
Είχε καταταχθεί ως:
Direct.
Στο σύνολο των περισσότερων από 50.000 events, η μέση τιμή ήταν 22,4%.
Σε απόλυτους αριθμούς, η ανάλυση αναφέρει 11.468 events που αποδόθηκαν στο Direct αντί για Organic.
Η τιμή επίσης δεν ήταν σταθερή.
- Απρίλιος 2026: περίπου 16,8%.
- Μάιος 2026: περίπου 29,3%.
Άρα ακόμη και μέσα στο ίδιο website και με την ίδια μέθοδο μέτρησης, το attribution gap παρουσίασε σημαντική μεταβλητότητα.
Γιατί κανονικά θα περιμέναμε Organic
Τα AI Overviews αποτελούν μέρος του Google Search.
Ο χρήστης:
- κάνει αναζήτηση στη Google,
- βλέπει ένα AI Overview,
- επιλέγει μία cited source,
- και φτάνει στην ιστοσελίδα.
Από επιχειρηματική και SEO σκοπιά, πρόκειται σαφώς για traffic που δημιουργήθηκε από οργανική παρουσία στο Google Search.
Αν όμως το attribution signal χαθεί ή δεν ερμηνευτεί σωστά κατά τη μετάβαση, το analytics σύστημα μπορεί να μην έχει αρκετές πληροφορίες ώστε να το κατατάξει εκεί που θα περιμέναμε.
Και όταν το GA4 δεν μπορεί να προσδιορίσει μία αναγνωρίσιμη πηγή, ένα μέρος της κίνησης μπορεί να καταλήξει στην κατηγορία Direct.
Direct δεν σημαίνει πάντα «ο χρήστης έγραψε το URL»
Αυτό είναι ένα από τα πιο συχνά λάθη στην ανάγνωση των analytics.
Πολλοί αντιλαμβάνονται το Direct traffic ως:
«Ο χρήστης γνώριζε το site και πληκτρολόγησε xenofon.gr στον browser».
Μερικές φορές πράγματι συμβαίνει αυτό.
Το Direct όμως λειτουργεί επίσης σαν μία κατηγορία στην οποία μπορούν να καταλήξουν visits όταν δεν υπάρχει αρκετή πληροφορία attribution.
Άρα μία αύξηση του Direct δεν αποδεικνύει από μόνη της αύξηση στο brand awareness.
Μπορεί να περιλαμβάνει:
- πραγματικά typed URLs,
- bookmarks,
- links χωρίς επαρκές referrer information,
- μη tagged campaigns,
- μεταβάσεις μεταξύ διαφορετικών εφαρμογών και browsers,
- και άλλες περιπτώσεις όπου η πραγματική πηγή δεν διατηρήθηκε σωστά.
Τώρα φαίνεται ότι σε ορισμένες περιπτώσεις μπορεί να προστίθεται σε αυτή τη λίστα και traffic που σχετίζεται με AI search experiences.
Αυτό δεν σημαίνει ότι όλο το Direct είναι κρυμμένο AI traffic
Όχι.
Και θα ήταν μεγάλο λάθος να πάρουμε το νέο εύρημα και να αρχίσουμε να αναβαπτίζουμε αυθαίρετα το Direct traffic ως AI.
Το συγκεκριμένο 22,4% αφορά events τα οποία είχαν πρώτα εντοπιστεί μέσω της ειδικής μεθόδου tracking του συγκεκριμένου website.
Δεν σημαίνει:
«Το 22,4% του συνολικού Direct traffic ενός site προέρχεται από AI Overviews».
Ούτε σημαίνει:
«Κάθε site χάνει 22,4% από το Organic reporting του».
Σημαίνει ότι στο συγκεκριμένο σύνολο events που ο ερευνητής συνέδεσε με AI Overview referrals, το 22,4% εμφανίστηκε σε διαφορετικό channel από αυτό που θα περιμέναμε.
Η διαφορά είναι τεράστια.
Η σημαντικότερη αδυναμία της μεθόδου
Το #:~:text= δεν αποτελεί μοναδικό fingerprint των AI Overviews.
Και ο ίδιος ο δημιουργός της ανάλυσης το αναφέρει ξεκάθαρα.
Text fragments μπορούν να εμφανιστούν και σε clicks από άλλα Google Search features, όπως:
- Featured Snippets,
- People Also Ask.
Άρα δεν μπορούμε να πούμε με απόλυτη βεβαιότητα ότι κάθε event με το συγκεκριμένο pattern προήλθε αποκλειστικά από AI Overview.
Στο συγκεκριμένο site έγινε επιπλέον έλεγχος της παρουσίας σε Featured Snippets και βρέθηκαν λιγότερα από 30 κατά τον χρόνο του ελέγχου.
Αυτό έκανε τον ερευνητή να θεωρήσει ότι τα AI Overviews ήταν ο κυρίαρχος παράγοντας.
Παραμένει όμως proxy.
Όχι επίσημο AI Overview referral identifier.
Υπάρχει και δεύτερος περιορισμός: events εναντίον sessions
Η ανάλυση αναφέρει επίσης ότι η custom dimension που χρησιμοποιήθηκε είναι event-scoped.
Σε ένα σημείο του report συγκρίνονται αυτά τα events με συνολικά organic sessions.
Αυτό σημαίνει ότι δεν συγκρίνουμε απολύτως ίδια αντικείμενα μέτρησης.
Ο ίδιος ο συγγραφέας χαρακτηρίζει τη σύγκριση directional και όχι ιδανική.
Αυτό είναι σημαντικό επειδή εμφανίστηκε και ένα δεύτερο εντυπωσιακό νούμερο:
7,53%.
Τα AI Overviews αντιστοιχούσαν στο 7,53% των Organic Sessions;
Στο dashboard της συγκεκριμένης έρευνας, το AI Overview metric αντιστοιχούσε κατά μέσο όρο σε περίπου 7,53% των organic sessions για την περίοδο που εξετάστηκε.
Η μεταβλητότητα ήταν τεράστια:
- σε ορισμένες περιόδους έφτασε περίπου στο 16% έως 17%,
- ενώ αργότερα κινήθηκε περίπου στο 2% έως 4%.
Το νούμερο είναι ενδιαφέρον, αλλά δεν πρέπει να μετατραπεί σε γενικό benchmark.
Πρώτον, αφορά ένα συγκεκριμένο brand και έναν συγκεκριμένο κλάδο.
Δεύτερον, όπως ήδη αναφέρθηκε, το numerator βασίζεται σε event-scoped measurement ενώ ο denominator σε sessions.
Άρα το σωστό συμπέρασμα δεν είναι:
«Τα AI Overviews φέρνουν 7,53% του SEO traffic».
Το σωστό συμπέρασμα είναι:
Το AI Overview referral traffic μπορεί να είναι μετρήσιμο και σημαντικό, αλλά η συμμετοχή του μεταβάλλεται έντονα και η σημερινή μέτρηση εξακολουθεί να έχει περιορισμούς.
Και γιατί δεν το λύνει απλώς το Search Console;
Από τον Ιούνιο του 2026 η Google έχει αρχίσει να διαθέτει ξεχωριστό Generative AI performance report στο Google Search Console.
Το report καλύπτει:
- AI Overviews,
- AI Mode.
Είναι μία πολύ σημαντική εξέλιξη, αλλά το report σήμερα επικεντρώνεται στην ορατότητα.
Δείχνει μεταξύ άλλων:
- impressions,
- pages,
- countries,
- devices,
- dates.
Δεν μας δίνει ακόμη μία καθαρή, ξεχωριστή μέτρηση των AI Overview clicks ώστε να αντιστοιχίσουμε απευθείας:
AI Overview impression → AI Overview click → GA4 session → conversion.
Άρα το κενό μεταξύ Search Console visibility και analytics attribution παραμένει.
Πηγή: Google Search Console - Generative AI performance report.
Μα το GA4 δεν απέκτησε ήδη AI Assistant channel;
Ναι, αλλά αφορά διαφορετικό πρόβλημα.
Τον Μάιο του 2026 το Google Analytics πρόσθεσε νέο AI Assistant channel στο Default Channel Group.
Το GA4 μπορεί πλέον να αναγνωρίζει referrals από γνωστά AI assistants όπως:
- ChatGPT,
- Gemini,
- Claude.
Όταν αναγνωρίζεται κατάλληλος referrer, μπορεί να χρησιμοποιείται το:
medium = ai-assistant
channel = AI Assistant
campaign = (ai-assistant)
Αυτό είναι πολύ χρήσιμο για traffic που έρχεται από εξωτερικά AI assistants.
Τα Google AI Overviews όμως είναι διαφορετική περίπτωση.
Δεν αποτελούν ανεξάρτητο chatbot που στέλνει referral traffic προς τη Google.
Βρίσκονται μέσα στο ίδιο το Google Search.
Άρα το πρόβλημα του attribution των AI Overview citations δεν λύνεται απλώς επειδή το GA4 απέκτησε AI Assistant channel.
Πηγή: Google Analytics - New AI Assistant traffic measurement.
Έχουμε λοιπόν τρεις διαφορετικές AI μετρήσεις
Αρχίζει να γίνεται απαραίτητο να ξεχωρίζουμε τρία εντελώς διαφορετικά πράγματα:
1. AI Visibility
Το site εμφανίζεται μέσα σε AI Overview ή AI Mode;
Αυτό αρχίζει να μετριέται μέσω του Generative AI report του Search Console.
2. AI Referral Traffic
Ο χρήστης έκανε click σε μία AI-generated εμπειρία και έφτασε στο site;
Εδώ χρειαζόμαστε analytics και αξιόπιστο attribution.
3. AI-assisted Conversion
Ο χρήστης που έφτασε μέσω AI visibility ή AI referral τελικά:
- επικοινώνησε;
- αγόρασε;
- έστειλε φόρμα;
- έκανε signup;
- ή πραγματοποίησε κάποια άλλη επιχειρηματικά σημαντική ενέργεια;
Αν τα τρία αυτά επίπεδα συγχωνευτούν σε ένα metric με τίτλο «AI traffic», χάνουμε μεγάλο μέρος της πραγματικής εικόνας.
Γιατί αυτό έχει σημασία για ένα SEO report
Ας υποθέσουμε ότι ένα website παρουσιάζει:
- μείωση Organic traffic κατά 5%,
- αύξηση Direct κατά 8%,
- σταθερά Google Search impressions,
- και αυξανόμενη παρουσία σε AI Overviews.
Η εύκολη ανάγνωση θα μπορούσε να είναι:
«Το SEO έχασε 5% και το brand/direct traffic ανέβηκε».
Αυτό μπορεί να είναι σωστό.
Μπορεί όμως να είναι και ελλιπές.
Αν ένα μέρος της αύξησης του Direct αποτελεί οργανικό traffic που έχασε το source attribution του, τότε η επιχειρηματική ερμηνεία αλλάζει.
Και μαζί της αλλάζουν:
- η αξιολόγηση του SEO,
- η αξιολόγηση του content,
- το ROI,
- η attribution analysis,
- και πιθανώς οι αποφάσεις budget.
Το μεγαλύτερο πρόβλημα δεν είναι το λάθος νούμερο
Το μεγαλύτερο πρόβλημα είναι μία λάθος επιχειρηματική απόφαση που βασίζεται σε αυτό.
Αν πιστεύουμε ότι το Organic πέφτει ενώ στην πραγματικότητα ένα μέρος του μετακινήθηκε λογιστικά στο Direct, μπορεί να:
- μειώσουμε άδικα το SEO budget,
- σταματήσουμε content που στην πραγματικότητα αποδίδει,
- υπερεκτιμήσουμε το brand traffic,
- υποεκτιμήσουμε την αξία AI citations,
- ή αποδώσουμε conversions σε λάθος acquisition channel.
Γι' αυτό το attribution δεν είναι λογιστική λεπτομέρεια.
Είναι μέρος της στρατηγικής.
Το παράδοξο των AI Overviews γίνεται ακόμη μεγαλύτερο
Στο 000281 εξετάσαμε τι κάνουν τα Google AI Overviews στα clicks.
Τα ερευνητικά δεδομένα δείχνουν ότι οι χρήστες κάνουν λιγότερα outbound clicks όταν εμφανίζεται AI Overview και ότι clicks στις cited sources είναι σχετικά σπάνια.
Τώρα εμφανίζεται ένα δεύτερο πρόβλημα.
Από τα clicks που τελικά κερδίζονται:
γνωρίζουμε με βεβαιότητα ότι το analytics τα αποδίδει στο σωστό κανάλι;
Άρα η νέα πραγματικότητα είναι διπλή:
λιγότερο προβλέψιμο click + λιγότερο καθαρό attribution.
Και η AI visibility δεν είναι σταθερή
Ένα ακόμη χρήσιμο εύρημα του case study είναι η μεταβλητότητα.
Τα snippets είχαν διαφορετικούς κύκλους ζωής.
Κάποια:
- ανέβαιναν γρήγορα,
- έφταναν σε κορύφωση,
- και στη συνέχεια έχαναν traffic.
Άλλα άρχιζαν να αποδίδουν μήνες μετά τη δημοσίευσή τους.
Αυτό σημαίνει ότι η AI visibility δεν πρέπει να αντιμετωπίζεται ως μία μόνιμη κατάκτηση.
Ένα citation σήμερα δεν εγγυάται citation αύριο.
Ακριβώς όπως ένα ranking μπορεί να αλλάξει, έτσι μπορεί να αλλάξει:
- το source selection,
- το cited passage,
- το query coverage,
- και η ίδια η εμφάνιση του AI Overview.
Τι content φάνηκε να αποδίδει καλύτερα
Στο συγκεκριμένο transportation dataset, μερικοί τύποι περιεχομένου παρουσίασαν συχνότερα citations.
Μεταξύ αυτών:
- συγκεκριμένοι χρόνοι μεταφοράς,
- τιμές,
- σαφείς διαδρομές,
- δομημένες συγκρίσεις,
- HTML tables.
Αυτό είναι ενδιαφέρον, αλλά χρειάζεται ξανά προσοχή.
Δεν αποδεικνύει ότι:
«Βάλε HTML table και θα μπεις στα AI Overviews».
Πιθανότερα δείχνει ότι στο συγκεκριμένο search intent, καλά δομημένα factual δεδομένα είναι εύκολο να χρησιμοποιηθούν για απαντήσεις σε συγκεκριμένες ερωτήσεις.
Η χρήσιμη αρχή λοιπόν δεν είναι:
«κάνε tables για την AI».
Είναι:
Δώσε στον χρήστη και στη μηχανή ακριβή, συγκεκριμένη και εύκολα επαληθεύσιμη πληροφορία.
Πώς θα το παρακολουθούσα σε ένα πραγματικό website
Δεν θα βασιζόμουν σε ένα μοναδικό metric.
Θα δημιουργούσα ένα dashboard που συνδυάζει:
Google Search Console
- Generative AI impressions, όπου το report είναι διαθέσιμο,
- συνολικά organic clicks,
- impressions,
- queries,
- pages.
GA4
- Organic Search sessions,
- Direct sessions,
- AI Assistant traffic,
- landing pages,
- conversions.
Custom AI Overview tracking
-
URL fragments όπως
#:~:text=, - με σαφή επισήμανση ότι αποτελούν proxy και όχι αποκλειστικό AIO identifier.
Server και browser δεδομένα
Όπου είναι τεχνικά και νομικά σωστό, μπορούν να χρησιμοποιηθούν επιπλέον signals για να ελέγχεται η ποιότητα του attribution.
Μην «διορθώσετε» τα δεδομένα αυθαίρετα
Η ύπαρξη ενός attribution gap δεν αποτελεί δικαιολογία για να αρχίσουμε να μεταφέρουμε χειροκίνητα ένα σταθερό ποσοστό από Direct σε Organic.
Δεν θα έκανα:
Direct Traffic - 22.4% = Organic AI Traffic
Αυτό θα ήταν στατιστικά αδικαιολόγητο.
Το 22,4% ανήκει σε:
- ένα συγκεκριμένο website,
- ένα συγκεκριμένο industry,
- μία συγκεκριμένη περίοδο,
- και μία συγκεκριμένη tracking methodology.
Το σωστό είναι να δημιουργήσουμε δική μας μέτρηση.
Το measurement layer γίνεται μέρος του GEO
Συχνά μιλάμε για GEO σαν να αφορά μόνο το περιεχόμενο:
«Πώς θα με citeάρει η AI;»
Αυτό είναι μόνο η μισή δουλειά.
Η άλλη μισή είναι:
«Πώς θα γνωρίζω ότι με citeάρισε, αν έφερε traffic και αν αυτό το traffic δημιούργησε πραγματική αξία;»
Χωρίς αυτό το επίπεδο measurement, το GEO κινδυνεύει να εξελιχθεί σε collection από screenshots:
«Κοίτα, εμφανίστηκε το brand μας στο AI».
Αυτό δεν αρκεί για μία επιχείρηση.
Η επιχείρηση χρειάζεται:
Visibility → Referral → Session → Engagement → Conversion → Revenue.
Από το ranking στο citation και από το citation στο attribution
Τα τελευταία άρθρα αυτής της σειράς περιγράφουν ουσιαστικά μία νέα αλυσίδα.
Στο 000281:
Ranking → AI Overview → Click.
Στο 000283 εξετάσαμε το retrieval και τα citations του ChatGPT.
Στο 000284 εξετάσαμε τη διαφορά ανάμεσα σε SEO visibility και AI brand visibility.
Τώρα προστίθεται ακόμη ένας κρίκος:
Citation → Click → Attribution.
Και αν αυτός ο κρίκος είναι λάθος, τότε ολόκληρο το reporting μετά από αυτόν μπορεί να είναι παραπλανητικό.
Το συμπέρασμα
Τα Google AI Overviews δεν δημιουργούν μόνο πρόβλημα visibility και CTR.
Αρχίζουν να δημιουργούν και ένα νέο measurement problem.
Το case study των 51.200 tracked events δείχνει ότι:
- ένα σημαντικό μέρος των events που συνδέθηκαν με AI Overview citations εμφανίστηκε ως Direct,
- η μέση τιμή στο συγκεκριμένο dataset ήταν 22,4%,
- η απόκλιση άλλαζε σημαντικά από μήνα σε μήνα,
- το AI Overview traffic παρουσίαζε έντονη μεταβλητότητα,
- και η διαθέσιμη tracking μέθοδος εξακολουθεί να είναι proxy με σαφείς περιορισμούς.
Παράλληλα, η Google έχει ήδη αρχίσει να δίνει περισσότερα στοιχεία.
Το Search Console διαθέτει Generative AI visibility reporting και το GA4 απέκτησε ξεχωριστό AI Assistant channel.
Όμως εξακολουθεί να λείπει το πλήρες end-to-end measurement που θα μας επιτρέψει να δούμε καθαρά:
ποιο AI surface εμφάνισε τη σελίδα → ποια citation πατήθηκε → ποιο session δημιουργήθηκε → ποιο conversion ακολούθησε.
Μέχρι τότε, ένα καλό SEO report δεν πρέπει να κοιτά το Direct σαν να είναι απόλυτη αλήθεια.
Ούτε το Organic.
Πρέπει να κοιτά τη διαδρομή.
Γιατί στην εποχή των AI Overviews μπορεί να μην αρκεί να κερδίσεις το click. Πρέπει να μπορείς και να αποδείξεις από πού ήρθε.