Informe sobre el tráfico generado por LLM e IA

Este artículo de caso de uso explora cómo utilizar la capacidad Campos derivados de Customer Journey Analytics como base para informar sobre el tráfico generado por LLM (Modelo de lenguaje grande) y por IA.

Métodos de detección

Para detectar el tráfico generado por LLM y por IA, distinga entre:

Tres métodos de detección básicos comunes para identificar y supervisar el tráfico generado por LLM y por IA son:

La siguiente tabla ilustra cómo se pueden utilizar los métodos de detección en diferentes escenarios de interacción de LLM e IA.

Retos

Los agentes de LLM e IA muestran comportamientos complejos y en evolución al interactuar con propiedades digitales. Estas tecnologías funcionan de forma incoherente en todas las plataformas y versiones. Esta incoherencia crea desafíos únicos para los profesionales de los datos. Los patrones de comportamiento varían significativamente y dependen de la plataforma de IA específica, la versión y el modo de interacción utilizado. Esta diversidad operativa complica los esfuerzos por rastrear y categorizar el tráfico generado por LLM y la IA dentro de marcos de análisis estándar. La naturaleza compleja de estas interacciones, combinada con su rápida evolución, requiere métodos de detección y clasificación con matices para mantener la integridad de los datos:

Firmas de detección

A partir de agosto de 2025, se pueden identificar las siguientes señales específicas para cada uno de los métodos de detección.

Identificación del agente de usuario

Clasificación de referente

Detección de parámetros de consulta

Implementación

Puede generar informes sobre el tráfico generado por LLM y por IA en una configuración típica de Customer Journey Analytics (conexión, vistas de datos y proyectos del espacio de trabajo) mediante la configuración específica de campos derivados, segmentos y proyectos del espacio de trabajo.

Campos derivados

Para configurar métodos de detección y señales de detección, utilice campos derivados como base. Por ejemplo, defina campos derivados para identificación del agente de usuario, detección de parámetros de consulta y clasificación de referente.

Identificación de agente de usuario LLM/AI

Utilice las funciones de campo derivadas Case When para definir un campo derivado que identifique a los agentes de usuario de LLM/AI.

{modal="regular"}

Detección de parámetros de consulta LLM/AI

Use las funciones de campo derivado de URL Parse y Classify para definir un campo derivado que detecte parámetros de consulta.

{modal="regular"}

Clasificación de referente de LLM/AI

Utilice las funciones de campo derivadas URL Parse y Classify para definir un campo derivado que clasifique a los referentes.

{modal="regular"}

Segmentos

Configure segmentos dedicados que le ayuden a identificar eventos, sesiones o personas relacionadas con el tráfico generado por LLM y IA. Por ejemplo, utilice los campos derivados que creó anteriormente para definir un segmento que identifique el tráfico generado por LLM y por IA.

{modal="regular"}

proyecto de Workspace

Utilice los campos y segmentos derivados para informar y analizar el tráfico generado por LLM y por IA. Por ejemplo, consulte el proyecto anotado a continuación.

{modal="regular"}