Bericht zu LLM und KI-generiertem Traffic

In diesem Anwendungsbeispiel wird untersucht, wie die Funktion „Von Customer Journey Analytics abgeleitete Felder“ als Grundlage für Berichte zu LLM (Large Language Model) und KI-generiertem Traffic verwendet wird.

Nachweismethoden

Um LLM- und KI-generierten Traffic zu erkennen, unterscheiden Sie zwischen:

Drei gängige Kernerkennungsmethoden zur Identifizierung und Überwachung von LLM und KI-generiertem Traffic sind:

Die folgende Tabelle zeigt, wie die Erkennungsmethoden für verschiedene LLM- und AI-Interaktionsszenarien verwendet werden können.

Challenges

LLM- und KI-Agenten zeigen bei der Interaktion mit digitalen Eigenschaften komplexe und sich weiterentwickelnde Verhaltensweisen. Diese Technologien arbeiten plattform- und versionsübergreifend inkonsistent. Diese Inkonsistenz stellt Datenexperten vor einzigartige Herausforderungen. Die Verhaltensmuster variieren erheblich und hängen von der jeweiligen KI-Plattform, Version und dem verwendeten Interaktionsmodus ab. Diese betriebliche Vielfalt erschwert das Nachverfolgen und Kategorisieren von LLM- und KI-generiertem Traffic innerhalb standardmäßiger Analyse-Frameworks. Die komplexe Natur dieser Interaktionen in Kombination mit ihrer schnellen Entwicklung erfordert differenzierte Detektions- und Klassifizierungsmethoden, um die Datenintegrität aufrechtzuerhalten:

Signaturen erkennen

Ab August 2025 können für jede der Nachweismethoden die folgenden spezifischen Signale identifiziert werden.

Benutzeragenten-Identifizierung

Referrer-Klassifizierung

Abfrageparameter-Erkennung

Implementierung

Sie können in einem typischen Customer Journey Analytics-Setup (Verbindung, Datenansichten und Workspace-Projekte) Berichte zu LLM- und KI-generiertem Traffic erstellen, indem Sie abgeleitete Felder, Segmente und Workspace-Projekte.

Abgeleitete Felder

Für die Konfiguration von Detektionsmethoden und Detektionssignalen werden abgeleitete Felder als Grundlage verwendet. Definieren Sie beispielsweise abgeleitete Felder für Benutzeragenten-Identifizierung, Abfrageparametererkennung und Referrer-Klassifizierung.

LLM/AI-Benutzeragenten-Identifizierung

Verwenden Sie die abgeleiteten Feldfunktionen Wenn, um ein abgeleitetes Feld zu definieren, das LLM/AI-Benutzeragenten identifiziert.

{modal="regular"}

LLM/AI-Abfrageparameter-Erkennung

Verwenden Sie die Funktionen URL-Parsen und Klassifizieren abgeleitete Felder, um ein abgeleitetes Feld zu definieren, das Abfrageparameter erkennt.

{modal="regular"}

LLM/AI Referrer Classification

Verwenden Sie die Funktionen URL-Analyse und Klassifizieren abgeleiteter Felder, um ein abgeleitetes Feld zu definieren, das Referrer klassifiziert.

{modal="regular"}

Segmente

Richten Sie spezielle Segmente ein, mit denen Sie Ereignisse, Sitzungen oder Personen im Zusammenhang mit LLM und KI-generiertem Traffic identifizieren können. Verwenden Sie beispielsweise die abgeleiteten Felder, die Sie zuvor erstellt haben, um ein Segment zu definieren, das den LLM- und den KI-generierten Traffic identifiziert.

{modal="regular"}

Workspace-Projekt

Verwenden Sie die abgeleiteten Felder und Segmente, um Berichte und Analysen zu LLM und KI-generiertem Traffic durchzuführen. Ein Beispiel finden Sie im kommentierten Projekt unten.

{modal="regular"}