Aislar las referencias de los asistentes de IA

Las referencias de asistentes llegan con valores de referrer inconsistentes, algunas no traen referrer ninguno, y las agrupaciones de canales por defecto las meten en directo, en referencia o en otros. Un segmento guardado que solo casa con dos o tres nombres de host se queda obsoleto sin avisar, y no cuenta ninguna de las visitas de quien leyó una respuesta y luego escribió tu marca en el navegador. Mide lo que se puede atribuir, dimensiona lo que no, y etiqueta la diferencia en lugar de reportar una sola cifra como si estuviera completa.

El archivo de la habilidad

---
name: ai-referral-session-isolation
description: Úsala cuando alguien pregunte cuánto tráfico llega desde asistentes de IA y la agrupación de canales lo haya repartido entre directo y referencia.
---

# Aislar las referencias de los asistentes de IA

Las referencias de asistentes llegan con valores de referrer inconsistentes, algunas no traen referrer ninguno, y las agrupaciones de canales por defecto las meten en directo, en referencia o en otros. Un segmento guardado que solo casa con dos o tres nombres de host se queda obsoleto sin avisar, y no cuenta ninguna de las visitas de quien leyó una respuesta y luego escribió tu marca en el navegador. Mide lo que se puede atribuir, dimensiona lo que no, y etiqueta la diferencia en lugar de reportar una sola cifra como si estuviera completa.

## Qué necesitas antes

- datos de sesión a nivel de referrer, no el informe de agrupación de canales
- logs de acceso del servidor del mismo periodo, que conservan referrers que la analítica pierde
- una lista mantenida de nombres de host de asistentes y de sus parámetros de URL
- líneas base de búsqueda de marca y de tráfico directo anteriores al periodo en cuestión

## Método

1. Extrae los valores de referrer en bruto en lugar del informe de canales, porque los asistentes acaban en el cubo que la agrupación por defecto haya adivinado. Lee la cola larga a mano una vez para aprender qué aspecto tienen realmente esos referrers en tu sitio.
2. Construye una regla de coincidencia a partir de nombres de host y, cuando existan, de parámetros de consulta, y guárdala en el mismo archivo versionado que tus otras definiciones de segmentos para que se revise en lugar de olvidarse.
3. Crea un canal o un segmento nuevo en vez de editar uno existente, para que los informes históricos no cambien de forma retroactiva y el trimestre pasado siga cuadrando.
4. Contrasta una semana con los logs del servidor. La analítica pierde referrers por cadenas de redirección y por ajustes de privacidad, y el log es lo que te dice cómo de grande es esa pérdida.
5. Separa las referencias de asistentes de los rastreadores de asistentes en el análisis de logs. A menudo comparten infraestructura, y mezclarlos convierte la petición de un bot en una visita reportada.
6. Dimensiona la parte invisible en lugar de ignorarla: sigue la búsqueda de marca y el tráfico directo hacia las páginas que citan los asistentes, y reporta cualquier movimiento ahí como indicativo y claramente etiquetado como tal.
7. Reporta el volumen junto al comportamiento, y di sin rodeos cuándo la base es demasiado pequeña. En la mayoría de los sitios estos recuentos de sesiones siguen siendo lo bastante bajos como para que una tasa de conversión sobre ellos aún no sea una cifra fiable.

## Qué produce esto

Un segmento de referencias de IA con una regla de coincidencia versionada, una estimación de cobertura basada en logs y una declaración breve de lo que ese segmento no puede atribuir.

## Dónde falla esto

- Reportar un cambio porcentual sobre una base de unas pocas decenas de sesiones, que el mes siguiente se da la vuelta y te cuesta la credibilidad del resto del informe
- Dejar que la lista de referrers se quede obsoleta, con lo que una línea plana se lee como estancamiento cuando en realidad es una regla que dejó de casar
- Contar peticiones de rastreadores como sesiones de referencia, lo que en algunos sitios infla la cifra en un orden de magnitud
- Atribuir a la IA toda subida del tráfico directo, cuando el directo también absorbe clics desde apps, correo sin etiquetar y el llamado dark social

---

De la biblioteca de habilidades de QuQi - https://www.quqi.io/es/skills/ai-referral-session-isolation

Qué necesitas antes

• datos de sesión a nivel de referrer, no el informe de agrupación de canales
• logs de acceso del servidor del mismo periodo, que conservan referrers que la analítica pierde
• una lista mantenida de nombres de host de asistentes y de sus parámetros de URL
• líneas base de búsqueda de marca y de tráfico directo anteriores al periodo en cuestión

Método

1. 01 Extrae los valores de referrer en bruto en lugar del informe de canales, porque los asistentes acaban en el cubo que la agrupación por defecto haya adivinado. Lee la cola larga a mano una vez para aprender qué aspecto tienen realmente esos referrers en tu sitio.
2. 02 Construye una regla de coincidencia a partir de nombres de host y, cuando existan, de parámetros de consulta, y guárdala en el mismo archivo versionado que tus otras definiciones de segmentos para que se revise en lugar de olvidarse.
3. 03 Crea un canal o un segmento nuevo en vez de editar uno existente, para que los informes históricos no cambien de forma retroactiva y el trimestre pasado siga cuadrando.
4. 04 Contrasta una semana con los logs del servidor. La analítica pierde referrers por cadenas de redirección y por ajustes de privacidad, y el log es lo que te dice cómo de grande es esa pérdida.
5. 05 Separa las referencias de asistentes de los rastreadores de asistentes en el análisis de logs. A menudo comparten infraestructura, y mezclarlos convierte la petición de un bot en una visita reportada.
6. 06 Dimensiona la parte invisible en lugar de ignorarla: sigue la búsqueda de marca y el tráfico directo hacia las páginas que citan los asistentes, y reporta cualquier movimiento ahí como indicativo y claramente etiquetado como tal.
7. 07 Reporta el volumen junto al comportamiento, y di sin rodeos cuándo la base es demasiado pequeña. En la mayoría de los sitios estos recuentos de sesiones siguen siendo lo bastante bajos como para que una tasa de conversión sobre ellos aún no sea una cifra fiable.

Qué produce esto

Un segmento de referencias de IA con una regla de coincidencia versionada, una estimación de cobertura basada en logs y una declaración breve de lo que ese segmento no puede atribuir.

Dónde falla esto

• Reportar un cambio porcentual sobre una base de unas pocas decenas de sesiones, que el mes siguiente se da la vuelta y te cuesta la credibilidad del resto del informe
• Dejar que la lista de referrers se quede obsoleta, con lo que una línea plana se lee como estancamiento cuando en realidad es una regla que dejó de casar
• Contar peticiones de rastreadores como sesiones de referencia, lo que en algunos sitios infla la cifra en un orden de magnitud
• Atribuir a la IA toda subida del tráfico directo, cuando el directo también absorbe clics desde apps, correo sin etiquetar y el llamado dark social

Usa esta skill en tu propia IA

El archivo es markdown simple, con el nombre y el disparador en su frontmatter. Cuando un asistente sabe cargar skills por su cuenta, es ese frontmatter lo que lee para decidir que esta le aplica.

Más en Analítica e informes